在第3章第一次了解信息的处理过程时我们已经知道，赫伯特·西蒙在50年前写了很多关于信息超载的内容。在某些条件下，人们可以预见专家的错误，而且这种情况很常见;在与心理学完全不同的领域，如工程学、印刷甚至是土壤采样，都会出现类似的错误。股市中导致类似错误的条件和其他任何地方一样五花八门。
我曾经简要提到，目前投资方法所需的大量关于公司、行业和经济的数据并没有给专业的投资者带来额外的“优势”。当信息的处理需要大量的、复杂的分析整合时，在不涉及专业知识的情况下，需要谨慎和分析的理性系统常常巧妙地被经验性系统所取代。推论系统巧妙地绕开了我们理性的数据库。就像我们看到的那样，接收大量的投资信息可能会带来较差的决定而不是好的决定，因为这时思维被其他的认知启发，如代表性启发和习得性启发所接管。
下一章将会介绍证券分析的核心：预测，即精确地使用那些我们质疑的方法选股，却一次次错失市场中的机会。我们也将看到热门股和大量专业投资者追捧的行业的表现在几十年中都低于平均水平。导致专业投资者长期表现低于平均值的主要原因可以从第二部分的有效市场假说研究者身上找到，现实远不是有效市场似说所虚构的那样：由不产生决策失误的理性机器人维持着市场的稳定性。
想要跑嵌市场，首先应该了解那些拔着糖衣炮弹外衣的力盆。一旦认清了这些力量，投资者就可以建立防御措施，千方百计绕开陷阱。
多少才能称得上太多
在复杂和不确定的条件下，专家需要尽可能多的信息让他们做出有利的，判断，这听上去很合乎逻辑。通常，华尔街的投资者对这类信息有极大的需求，他们相信增加的信息量能够带来大量的资金。但是，就像前面所说的，这种信息的“扩容”可能对你没用。大觉研究表明，给专家更多的信息对他的判断并没有多少帮助。
有一项研究对较高智商的受试者做了测试，实验者为临床心理学家提供了大量案例的背景信息，然后问他们对自己在每一个案例中所做出的判断的正确性比例有多高。随着信息量的增加，受试者所接收的信息迅速增加，但其实他们判断的正确性却仍然较低。在信息量较少的情况下，受试者认为自己的成功率在33%左右，但真实的成功率是26%。当信息量增加4倍时，受试者认为他们的成功率是53%，实际上，他们的平均成功率是28%，只比前者高了2%。
有趣的是，这个结果看上去很普遍:在大量新信息不断堆积的悄况下，成功率只提高一点。对赛马场裁判的测试得出了同样的结果。
