Bias di previsione
Qual è il pregiudizio di previsione?
La distorsione di previsione si verifica utilizzando informazioni o dati in uno studio o una simulazione che non sarebbero stati conosciuti o disponibili durante il periodo analizzato. Ciò può portare a risultati imprecisi nello studio o nella simulazione. Ancora più importante, un bias di previsione può influenzare involontariamente i risultati della simulazione più in linea con il risultato desiderato del test. Ciò porta gli economisti e gli analisti a mettere troppa fiducia nei loro modelli e nella capacità del modello di prevedere e mitigare eventi futuri. Gli investitori devono anche essere consapevoli del potenziale di bias di previsione quando valutano particolari strategie di trading utilizzando dati passati.
Punti chiave
- La distorsione di previsione si verifica quando i dati che non erano prontamente disponibili in quel momento vengono utilizzati in una simulazione di quel periodo di tempo.
- Uno sguardo al futuro distorce i risultati e porta a un’eccessiva fiducia nei modelli e in altri framework costruiti a partire dai risultati distorti.
- Una simulazione backtestata con un bias di previsione non mostrerà un risultato accurato. Pertanto, è necessaria un’attenta ricerca per determinare quali dati erano disponibili in quel momento.
Comprensione del pregiudizio di previsione
Il pregiudizio di previsione spesso si verifica in scenari “potrebbero avere”, in cui un investitore o un altro professionista considera con il senno di poi quella che è un’opportunità persa. Quello che quella persona non riesce a capire è che ora sa di più guardando indietro di quanto non sapesse al momento in cui ha preso la decisione. Pertanto, potrebbe non essere saggio giudicare la loro performance passata, o quella di altri, troppo duramente in retrospettiva, soprattutto se mancavano le informazioni chiave.
Se un investitore sta testando a ritroso le prestazioni di una strategia di trading, è fondamentale che utilizzi solo le informazioni che sarebbero state disponibili al momento della transazione per evitare un pregiudizio di previsione. Ad esempio, se uno scambio viene simulato sulla base di informazioni che non erano disponibili al momento dello scambio, come un numero di guadagni trimestrale pubblicato un mese dopo, diminuirà l’accuratezza della performance reale della strategia di trading e potenzialmente influenzerà risultati a favore del risultato desiderato.
Il pregiudizio dello sguardo al futuro e altri pregiudizi nell’investimento
Il bias di previsione è uno dei tanti bias di cui tenere conto quando si eseguono simulazioni. Altri pregiudizi comuni sono il bias di selezione del campione, il bias di periodo di tempo e il bias di sopravvivenza. Tutti questi pregiudizi hanno il potenziale per influenzare i risultati della simulazione più in linea con il risultato desiderato della simulazione, poiché i parametri di input della simulazione possono essere selezionati in modo tale da favorire il risultato desiderato.
Come accennato, questi pregiudizi si vedono più chiaramente quando gli investitori guardano indietro all’anno. Le azioni che hanno registrato un buon andamento durante tutto l’anno potrebbero ora essere ipercomprate supponendo che faranno la stessa cosa l’anno successivo. Sebbene le performance passate influenzino le performance future, è importante che gli investitori guardino con attenzione ai fondamentali dell’azienda poiché c’è sempre il rischio di sopravvalutazione.
Se prendessi i titoli con le migliori performance alla fine dell’anno e poi provassi a scegliere i punti dati comuni che avevano all’inizio dell’anno, come l’ intervallo del rapporto P / E finale, saresti vittima di uno sguardo anticipazione perché guarderesti solo i titoli che conosci hanno goduto di una crescita significativa piuttosto che tutti i titoli con un intervallo di rapporto P / E finale simile in quel momento. Non includendo l’intera gamma di azioni, si finirebbe con l’eccessiva fiducia nel rapporto P / E finale come misura chiave per prevedere l’apprezzamento futuro. Questo bias di previsione può essere corretto ampliando il campione a tutti i titoli che soddisfano i tuoi criteri particolari all’inizio dell’anno e monitorando anche i loro risultati.