¿Qué es el análisis de errores y por qué la gente lo hace mal?
El análisis de errores es una revisión estructurada de lo que hiciste, lo que esperabas, lo que realmente sucedió y lo que puedes cambiar la próxima vez. Se centra en decisiones y procesos, no en intentar predecir el futuro con el pasado. Los errores comunes ocurren cuando la parte del “análisis” se vuelve vaga, emocional o se centra solo en el resultado.
Un malentendido frecuente es equiparar el análisis de errores con “encontrar la razón por la que salió mal” sin definir la decisión y la medición. Otro es analizar los resultados como si fueran consecuencias garantizadas de un único error. Los mercados, la ejecución, las comisiones y las condiciones cambiantes implican que un resultado rara vez tiene una sola causa.
Errores comunes y cómo afectan al aprendizaje
1) Mezclar el error con el resultado
Un análisis de errores neutral separa la acción (la decisión o el proceso) del resultado (ganancia o pérdida, u otro resultado observado). Si solo etiquetas el resultado como “malo” y luego inventas una historia a posteriori, puede que no aprendas nada útil.
Comprobación neutral: escribe el paso exacto que cambiarías y luego prueba si ese paso fue realmente el factor causal, dadas tus condiciones y supuestos.
2) Omitir los supuestos detrás de cualquier ejemplo
Cuando muestras un ejemplo, como “si el spread hubiera sido más bajo, la operación habría funcionado”, el cálculo depende de supuestos (costos, momento, calidad de ejecución y qué significa “funcionó”). Sin supuestos declarados, el ejemplo no se puede verificar.
Comprobación neutral: enumera cada supuesto explícitamente, incluyendo qué tratas como fijo frente a variable.
3) Tratar la mecánica estable como si fueran resultados estables
Algunas relaciones son estructurales (por ejemplo, cómo los costos reducen los rendimientos), pero la trayectoria futura del precio es variable. El análisis de errores falla cuando se usa la mecánica estable para argumentar que eventos futuros similares producirán resultados similares.
Comprobación neutral: separa la “mecánica que puedes controlar” (calidad del proceso, documentación, consistencia) de las “condiciones que no puedes controlar por completo” (movimiento del mercado, detalles de ejecución, eventos externos).
4) Modo de fallo: sesgo de confirmación durante la revisión
Una revisión puede convertirse en una forma de proteger una creencia anterior, buscando solo explicaciones que respalden tu tesis. Esto puede ocultar otros factores contribuyentes como el momento, el tamaño de la posición o el impacto de los costos.
Señales de alerta: la revisión solo encuentra una explicación; evita evidencia que la contradiga; nunca actualiza el modelo incluso cuando la evidencia lo contradice.
5) Usar la revisión como una “solución” de un solo paso
El análisis de errores a menudo falla cuando termina con un único cambio propuesto, sin comprobar si ese cambio aborda el modo de fallo real. Si tu cambio de proceso no está conectado con el error definido, puedes repetir el mismo patrón en diferentes condiciones.
Criterio de finalización: deberías poder indicar qué harás de manera diferente la próxima vez y qué evidencia mostraría que el cambio está funcionando.
Evidencia y un ejemplo práctico de comprobaciones neutrales (sin afirmar predicción)
Considera una revisión donde una decisión condujo a un resultado neto desfavorable después de costos. Un error común es concluir “el mercado se movió en mi contra” mientras se ignora si el proceso permitió que el impacto de los costos fuera demasiado grande para la ventaja esperada.
Un enfoque más neutral:
- Define el momento de la decisión: en qué basaste la decisión y qué planeaste.
- Define la medición: qué quieres decir con “desfavorable” (neto después de costos, relativo a un punto de referencia, etc.).
- Enumera los supuestos: estimaciones de costos, supuestos de momento y qué calidad de ejecución estás asumiendo.
- Comprueba explicaciones alternativas: ¿podría el problema ser el momento, el tamaño de la posición, la sensibilidad a los costos o una inconsistencia con tus propias reglas?
- Registra un cambio controlable que se dirija al modo de fallo definido.
Esto no afirma precisión futura. Mejora tu capacidad para verificar el razonamiento que utilizaste.
Limitaciones y riesgos del análisis de errores
El análisis de errores es tan bueno como sus datos de entrada y su disposición a ser específico. Puede inducir a error cuando:
- tratas la relación causa-efecto histórica como una garantía para el futuro;
- omites los costos y los supuestos de ejecución de los ejemplos;
- confundes la certeza emocional con la evidencia;
- no logras separar la mecánica de las condiciones variables.
Los resultados también varían según las condiciones del mercado, los costos, la ejecución y la jurisdicción, por lo que incluso las revisiones cuidadosas no pueden garantizar que el próximo resultado sea mejor. Lo mejor que puedes hacer es crear un proceso de revisión que pueda ser comprobado y mejorado.