Błąd poznawczy to rodzaj błędu w myśleniu, który polega na podejmowaniu decyzji lub tworzeniu ocen opartych na pewnych uproszczonych lub niedostatecznych sposobach przetwarzania informacji. Błędy poznawcze są zwykle wynikiem ograniczeń w percepcji, pamięci, rozumieniu i ocenie informacji.

I. Błędy poznawcze mogą wpłynąć na decyzje inwestycyjne na różne sposoby. Oto przykłady:  

Błąd potwierdzenia

Błąd potwierdzenia (ang. confirmation bias) jest jednym z najczęstszych błędów poznawczych. Polega on na skłonności do szukania i interpretowania informacji w sposób, który potwierdza nasze przekonania, poglądy i oczekiwania, a jednocześnie ignorowania lub lekceważenia informacji, które temu przeczą. Innymi słowy, skłonność ta polega na szukaniu tylko tych dowodów, które potwierdzają nasze wcześniejsze przekonania, a omijaniu lub ignorowaniu tych, które temu przeczą.  

Błąd potwierdzenia jest bardzo powszechny i wpływa na wiele dziedzin naszego życia, w tym na podejmowanie decyzji, tworzenie stereotypów i uprzedzeń, czy w ocenie faktów i sytuacji. Może prowadzić do nieporozumień, konfliktów i błędnych decyzji. Dlatego ważne jest, aby być świadomym tej skłonności i starać się podejść do informacji i faktów w sposób obiektywny i krytyczny.  

Takim przykładem może być analiza strategii minimalizującej wolumen na bilansie. Cel jest prosty wykryć outlier w prognozie produkcji i oszacować nową wartość. Finalnie, na bilansie powinien być ten wolumen mniejszy. Zakładając, że dana strategia nie spełniła swojego zadania, a wręcz przeciwnie, zwiększyła wolumen na bilansie, ale finalny wynik finansowy jest lepszy (korzystne ceny na rynku bilansującym) niż benchmark, można uznać, że mimo iż strategia nie zadziałała według oczekiwań, to z powodu korzystnego wyniku finansowego powinno się tą strategię uwzględnić w procesie decyzyjnym. Problem w tym, że takich outlierów jest niewiele (powinno być 1%), zatem te "korzystne" ceny, są dziełem przypadku, a wdrożenie tej strategii naraża tradera na wyższe ryzyko.

Heurystyka reprezentatywności

Heurystyka reprezentatywności to jeden z błędów poznawczych, który polega na wykorzystywaniu stereotypów lub uproszczeń myślowych do wnioskowania o grupach czy zjawiskach. Przykładem może być przypisanie cech lub właściwości grupie na podstawie ich reprezentacji, a nie na podstawie rzeczywistych danych lub statystyk.  

W kontekście inwestowania, heurystyka reprezentatywności może prowadzić do błędów decyzyjnych, np. inwestor może przypisywać pewne cechy lub właściwości danej inwestycji na podstawie opinii innych inwestorów lub stereotypów, a nie na podstawie rzeczywistych danych lub analizy rynku. Na przykład, inwestor może zdecydować się na zakup akcji firmy z branży technologicznej tylko dlatego, że słyszał, że taka branża ma duży potencjał wzrostu, a nie dlatego, że dokonał rzetelnej analizy sytuacji rynkowej i finansowej tej firmy. W ten sposób inwestor może podjąć decyzję opartą na fałszywym przekonaniu o potencjale inwestycyjnym, co może skutkować stratami finansowymi.    

Percepcja selektywna

Profesor Jerzy Vetulani zauważył, że ludzie mają skłonność do dostrzegania rzeczy, które nie istnieją, ale wynikają z naszych wewnętrznych idei. Mózg został ukształtowany przez ewolucję, aby przetrwać, a nie myśleć, a myślenie abstrakcyjne wykształciło się dopiero w późniejszym czasie. Ludzki umysł organizuje życie społeczne i ma zdolność przewidywania myśli innych ludzi. Błędy percepcji selektywnej i efekt obserwatora mogą zaburzyć decyzje inwestycyjne na rynku, ponieważ często skłaniamy się do interpretacji danych zgodnie z naszymi ideami, automatycznie odrzucając wszystkie inne informacje. Jednakże, rynek jest neutralny, a wyniki widziane przez inwestorów z reguły odpowiadają ich oczekiwaniom w oparciu o wewnętrzne przekonania. Zrozumienie mechanizmów percepcji może pomóc inwestorom w obiektywnym spojrzeniu na rynek i wykorzystaniu różnych metod inwestycyjnych.

Skrzywienie zawodowe

Jeśli weźmiemy pod uwagę błąd poznawczy zwanym skrzywieniem zawodowym, to możemy lepiej zrozumieć, dlaczego posiadanie większej wiedzy na jakiś temat może sprawić, że uważamy ją za bardziej istotną. Często zdarza się, że wybieramy coś z nadmiaru informacji, co w miarę napływu nowych informacji okazuje się nieprawdziwe, co może prowadzić do podejmowania błędnych decyzji. Dotyczy to szczególnie osób, które preferują jedną metodologię interpretacji zachowań rynkowych. Jednak, jeśli popatrzymy szerzej na różne techniki inwestycyjne, zauważymy, że ich konfluencja naturalnie prowadzi do większego zagęszczenia zleceń i większej liczby okazji inwestycyjnych.  

Skrzywienie zawodowe powoduje utratę bezstronności, co prowadzi do zaburzeń w ocenie sytuacji i podejmowaniu decyzji. Unormowanie naszych zachowań może wynikać z kurczowego trzymania się zasad strategii, nawet jeśli przestała ona działać. Brak elastyczności w dostrzeganiu zmian na rynku prowadzi do naginania zasad do nowych koncepcji, co nie ma nic wspólnego ze zmianami strukturalnymi wykresów. Warto zrewidować zasady transakcyjne, ale nie należy tworzyć wariacji na podstawie własnych przekonań dotyczących rynku.    

Nadmierna koncentracja

Umiejętność skupienia się podczas inwestowania jest ważna, ale nadmierna koncentracja może prowadzić do błędów poznawczych, takich jak brak spostrzegawczości dla szerszego kontekstu rynku. Wykluczanie analizy makroekonomicznej i innych czynników poza samym setupem transakcji prowadzi do podejmowania decyzji opartych na błędach poznawczych. W przypadku skalperów, nadmierne skupienie prowadzi do zmęczenia organizmu i spadku efektywności psychofizycznej, co może skutkować nawet agresją. Zarządzanie zapotrzebowaniem mózgu na energię poprzez przerwy i krótkie spacery może pomóc w utrzymaniu szczytowej wydajności umysłowej. Inwestowanie i spekulacja opiera się na szerszej integracji wielu czynników, a nie tylko na samych setupach transakcji.    

Efekt zerowego ryzyka

Współcześnie jednym z powszechnych błędów poznawczych jest tzw. efekt zerowego ryzyka. Polega on na dążeniu do maksymalnego zredukowania ryzyka, a najlepiej na całkowitym pozbyciu się go. Ten błąd może prowadzić do wielu innych błędów i przekonań, w tym do przekonania, że aby inwestować na rynku, potrzebne jest nadzwyczajne szkolenie, dzięki któremu unikniemy strat. W rezultacie, wiele osób zaczyna poszukiwać tzw. Świętego Graala, czyli idealnej strategii, która pozwoli na osiągnięcie zysków bez ponoszenia żadnego ryzyka.  

Jednakże nadmierne eliminowanie ryzyka może prowadzić również do eliminacji wygranej, a nawet do paraliżu decyzyjnego. Przykładem tego jest sytuacja, w której młodzi inwestorzy, po kilku porażkach, zaczynają mieć setki wątpliwości i trudności z podejmowaniem decyzji. Natomiast osoby bardziej doświadczone mogą wprowadzać coraz to nowe warunki transakcyjne, co prowadzi do ciągłych zmian strategii i braku spójnej wizji inwestycyjnej.  

Warto jednak pamiętać, że nie ma przedsięwzięcia bez ryzyka, a zabezpieczanie przed ryzykiem także niesie ze sobą pewne koszta. Dlatego mądre zarządzanie ryzykiem wymaga identyfikacji, oceny i szczegółowej analizy ryzyka oraz wypracowania skutecznych metod jego zarządzania. Kluczem do sukcesu w tradingu jest nie tylko odwaga, ale także umiejętność skutecznego postępowania z ryzykiem, w tym uwzględnienia strat jeszcze na etapie planowania strategii. Planowanie strat i ich zakresu jako naturalnego elementu planu inwestycyjnego pozwala na pozytywne wpłynięcie na psychologiczne mechanizmy obrony przed zagrożeniem.   

II. Sposoby minimalizacji błędów poznawczych  

Algorytmy automatycznego handlu

Jednym z sposobów minimalizacji błędów poznawczych jest wykorzystanie algorytmów automatycznego handlu opartych na regułach. Reguły te są ściśle określone i nie podlegają subiektywnej interpretacji, co pozwala na uniknięcie błędów wynikających z emocji czy uprzedzeń. Algorytmy te pozwalają na automatyczne generowanie sygnałów kupna lub sprzedaży na podstawie określonych z góry warunków.  

Takimi warunkami mogą być mechanizmy oparte na analizie technicznej i fundamentalnej. Algorytmy te wykorzystują szereg wskaźników i sygnałów, takich jak np. średnie ruchome, oscylatory czy poziomy wsparcia i oporu, które pozwalają na automatyczne generowanie sygnałów kupna lub sprzedaży. Dzięki temu unikamy subiektywnego podejścia do analizy rynku oraz związanych z nim błędów poznawczych, takich jak np. efekt potwierdzenia czy iluzja kontrolowania.  

Innymi mechanizmami algorytmów automatycznego handlu mogą być oparte na sieciach neuronowych czy uczeniu maszynowym do predykcji przyszłych zachowań cen lub produkcji/zużycia energii. Algorytmy te analizują duże ilości danych i automatycznie dostosowują swoje strategie do zmieniających się warunków na rynku. Dzięki temu unikamy błędów wynikających z niewłaściwej interpretacji danych czy nieprawidłowego podejścia do ryzyka.   Minimalizacja błędów poznawczych jest kluczowa w każdej dziedzinie, w której podejmujemy decyzje, a zwłaszcza w handlu na rynkach finansowych. W ostatnich latach coraz częściej wykorzystuje się w tym celu algorytmy automatycznego handlu, które pozwalają na zminimalizowanie wpływu czynników emocjonalnych i poznawczych na podejmowanie decyzji inwestycyjnych.   Takie algorytmy są odporne na działanie emocji czy uprzedzeń na podstawie poprzednich osiągniętych wyników strategii.  

Badania statystyczne

Przydatne w procesie budowania algorytmów automatycznie handlujących na giełdzie są oczywiście badania statystyczne.  

Oto kilka sposobów, jak można minimalizować błędy poznawcze przy użyciu badań statystycznych:  

• Stosowanie próby reprezentatywnej

Próba reprezentatywna to próba populacji, która odzwierciedla jej cechy i złożoność. Dzięki temu uzyskane wyniki badania są bardziej miarodajne i reprezentatywne dla całej populacji.  

• Kontrolowanie zmiennych

Aby zminimalizować wpływ innych zmiennych na wyniki badania, należy kontrolować i mierzyć ich wpływ.  

• Powtarzanie badań

Powtarzanie badań pozwala na odkrycie wzorców i wykluczenie przypadkowych wyników.  

• Zastosowanie testów statystycznych

Testy statystyczne pozwalają na określenie, czy wyniki badania są statystycznie istotne i odzwierciedlają rzeczywiste różnice.  

• Używanie zasadniczej analizy danych

Analiza danych pozwala na wyodrębnienie kluczowych wzorców i trendów, co pomaga zrozumieć badane zjawiska.

• Wykorzystanie hipotez i teorii

Hipotezy i teorie służą do formułowania wniosków i prognozowania wyników badań, co pomaga w minimalizowaniu błędów poznawczych.