心理学中有一个著名的红蓝灯试验： “被试坐在两盏灯（一红一蓝）前，实验者要求他们去预测每次测试时哪一盏灯会亮，被试要做很多轮这样的测试（通常被试会因为正确预测而获得报酬）​。实际上，所有的测试都是在70%的次数亮红灯、30%的次数亮蓝灯的条件下进行的，两种灯以随机顺序出现。实验过程中，被试很快就感到红灯亮的次数比较多，因此也就在更多的测试中预测红灯会亮。事实上，他们确实在大约70%的测试中预测红灯会亮。然而，正如前面所讨论的，被试在实验过程中开始相信灯亮是有一定模式的，但却几乎从没想过顺序是随机的。因此，他们在红灯与蓝灯之间换来换去，但保持70%的次数预测红灯会亮，30%预测蓝灯会亮。被试极少意识到，尽管蓝灯亮的次数为30%，但如果他们不换来换去，而是每次都预测红灯会亮，他们的预测会更好一些！”（引自《这才是心理学》基思.斯坦诺维奇）

对红蓝灯的预测与预测资产轮动的基础概率模型类似。我们分别就“追求完美型”和“躺平型”两种预测方式就纯粹的概率角度进行赢率测算。

假设红蓝灯对应的就是资产A和资产B，资产A与资产B的表现遵循70:30的随机分布——在100次观察周期中，资产A有70次跑赢市场（收益率更高），资产B有30次跑赢，但具体跑赢顺序完全随机。

1、“追求完美型”-策略轮动

当资产A跑赢时（70次）：

o    投资者在这70次中有70%的概率押注A（即70×70% = 49次正确）；

o    同时有30%的概率错误押注B（70×30% = 21次错误）。

当资产B跑赢时（30次）：

o    投资者在这30次中有30%的概率押注B（即30×30% = 9次正确）；

o    同时有70%的概率错误押注A（30×70% = 21次错误）。

总准确率 = (49次正确押注A + 9次正确押注B) / 100次 = 58%

2、”躺平型”-ALL in A策略

当资产A跑赢时（70次）：

o    100%押注A → 70次全对。

当资产B跑赢时（30次）：

o    100%押注A → 30次全错。

总准确率 = 70次正确 / 100次 = 70%。守株待兔虽放弃对资产B的押注，但因资产A长期胜率更高，整体收益反而更优。

红蓝灯实验中被试者虽然知道红球出现的概率更高，但为了追求更高的胜率，于是充分发挥“主观能动性”寻找不存在的模式而频繁切换预测，反而降低准确率。与此类似，我们试图把握住每一次资产的波动，通过资产轮动“踩准节奏”实现更高的收益，但结果常常适得其反。

“追求完美型”的投资者因追求“完美轮动”，实际准确率（58%）比简单持有高胜率资产（70%）低了12个百分点。这也解释了现实中投资者因频繁调仓导致的摩擦成本与误判损失。另外，即使资产B有30%的跑赢机会，但坚持押注70%胜率的资产A，错误容忍（30%错误）反而能实现更高收益。这与“分散投资需适度”的逻辑一致——若某资产显著占优，过度分散会稀释优势。

这种“控制幻觉”-明知道整体概率的情况下，依然自信可以把握住局部的每一个细节和变化- 是行为心理学近几十年研究成果中最显著的人类行为偏差之一。人们过度关注了短期事件，同时试图从每一个细节中发现规律，但多数时候这些细节不过是更大样本环境下整体概率下的随机样本，并不具备规律性和解释性。

实践指导意义：

1、放弃对短期波动的完美捕捉，容忍部分亏损（如实验中的蓝灯错误），以换取长期更高胜率。当某一资产长期表现明显优于其他资产时，与其试图“高抛低吸”，不如保持超配，接受短期回撤。

2、警惕行为偏差：我们常误将“随机波动”视为“可预测信号”，导致非理性调仓。可通过设定硬性再平衡阈值（如某资产权重偏离目标±15%时才调整）抑制冲动。

3、量化验证必要性：若想实施轮动策略，需验证历史中“轮动收益”是否真能覆盖交易成本与误判风险（实验中的12%差距即为隐性成本）。

当然，实践中情况较理论模型要复杂得多，例如关于A/B的胜率在实践中往往不是固定的，且在某资产出现极端估值（当行业A估值处于历史低位，行业B处于高位时，逆向轮动可能安全边际更高）、对冲需求（在市场波动期，通过轮动平衡组合风险）、或考虑到资产相关性、宏观周期等复杂因素时，资产轮动的收益与风险则需要考虑到更全面和复杂的因素。本文仅是从纯粹的概率角度对资产轮动胜率的数学分析，以揭示“简单概率优势 vs 过度优化”的底层逻辑。