【锚点】这一讲只钉一个判断：【损失厌恶】不是【非理性】，而是【错误成本不对称】下被保留的刹车；它是否有害，取决于决策是否【可逆】。

【显式】服务【损失厌恶不是非理性】：Tversky & Kahneman（1979）提出前景理论，把选择效用从“最终财富”改为“相对参考点的得失”；Tversky & Kahneman（1992）的累计前景理论中，损失侧价值函数斜率常被估计为 λ≈2.25，即失去 100 元的心理痛感，约等于得到 200 多元的快感。

【流程节点链路】：【现状/参考点】→【把变化编码为收益或损失】→【损失侧价值函数更陡】→【选择偏向避免损失】→【在不可逆损失中提高生存】→【在可逆/迭代决策中造成保守税】。

【隐式】服务【错误成本不对称】：演化环境里，错过一次收益通常可补偿，错过一次致命损失不可补偿。Haselton、Nettle 与 von Rueden（2009）的错误管理理论指出，当假阳性与假阴性成本不对称时，认知系统会偏向代价较低的错误。损失厌恶可看作这种偏置在资源决策中的投影：先保住不可逆的东西。

【细微】服务【参考点不是客观状态】：损失不是“绝对变少”，而是相对【参考点】变少。参考点来自现状、预期、社会比较。把“没有涨”当损失，会把市场波动、谈判锚点、心理预期都变成决策变量；这不是数学错误，而是参考点被环境重写。

【极难发现】服务【可逆性决定适应度】：在一次性、不可逆、高成本错误场景（如悬崖边、感染风险、信用破产），损失厌恶是保护；在可逆、小步试错、反馈快场景（产品迭代、学习、分散投资），它会让系统过早停止探索，把“不亏”误认为“正确”。

【待验证点】如果损失厌恶是适应器，它应在不可逆损失高时更强、在可逆损失低时更弱；若实验发现高可逆性下损失厌恶仍不变，则“适应性刹车”解释需要加条件。

所以别问“人为什么损失厌恶”，要问：这个决策是悬崖还是沙盒？把沙盒决策按悬崖处理，不是谨慎，是系统税。你愿意为“不亏”支付多少探索机会？