Consideraciones Avanzadas sobre el Exceso de Confianza

Qué es el exceso de confianza, en términos prácticos

El exceso de confianza es un patrón de juicio en el que la certeza declarada, el rendimiento esperado o el control percibido de una persona son mayores de lo que la evidencia posterior respalda. En la toma de decisiones, a menudo se manifiesta como:

• Sobreestimar la precisión (creer que las predicciones o evaluaciones tienen más probabilidades de ser correctas de lo que realmente son).
• Sobreestimar la habilidad o el control (creer que los resultados dependen principalmente de las acciones de la persona, incluso cuando la variación aleatoria es sustancial).
• Sobreestimar la velocidad o la inevitabilidad (esperar resultados antes o de manera más fluida de lo que el proceso puede ofrecer razonablemente).

Una forma útil de enmarcar el exceso de confianza es como un problema de calibración: si la confianza coincide con la realidad. Si alguien está “80% seguro” pero acierta solo alrededor del 50-60% de las veces, la confianza es sistemáticamente demasiado alta. Esta definición se mantiene estable en todos los mercados, proveedores y períodos de tiempo.

Un modelo sencillo de cómo funciona

Un modelo mecánico simple puede ayudar a explicar las consideraciones avanzadas sin asumir ningún comportamiento específico del mercado:

1. Señales y creencias previas Recibes información (observaciones, noticias, un registro de operaciones pasado o una narrativa sobre por qué algo se moverá). También tienes creencias previas sobre tu competencia.

2. Compresión en una variable de decisión Traduces la información en una única variable de decisión como “esto funcionará”, “el riesgo es manejable” o “sé lo que está sucediendo”. Este paso reduce la complejidad, lo cual es normal; sin embargo, también puede reducir tu conciencia de la incertidumbre.

3. Asignación de confianza Asignas confianza a la variable de decisión. El exceso de confianza significa que esta confianza es mayor de lo que justifica la distribución real de resultados.

4. Actuar bajo incertidumbre Actúas (tamaño de la posición, momento, persistencia o dependencia de un método). Si la confianza está inflada, puedes aumentar la exposición, mantenerte comprometido por más tiempo o descartar evidencia que contradiga tu creencia.

5. Retroalimentación y actualización de creencias Actualizas tus creencias en función de los resultados. El exceso de confianza se vuelve persistente cuando la retroalimentación se interpreta de manera selectiva (por ejemplo, tratando las pérdidas como “ruido” pero las ganancias como “prueba”).

Este modelo también resalta las dependencias: el exceso de confianza no es solo un rasgo personal; está moldeado por la retroalimentación que ves, cómo la interpretas y qué costos o restricciones están presentes.

Dependencias avanzadas y casos límite

El exceso de confianza puede verse diferente dependiendo del entorno de decisión. Las dependencias clave y los casos límite incluyen:

1) Negligencia de la tasa base

Si te centras en ejemplos recientes que respaldan tu narrativa e ignoras la frecuencia general de los resultados, la confianza puede aumentar. Esto puede suceder incluso sin “malas intenciones”, porque las personas buscan naturalmente historias confirmatorias.

Caso límite: Supongamos que un método funciona ocasionalmente. Sin compararlo con una línea de base significativa (¿con qué frecuencia tendría éxito bajo aleatoriedad o supuestos alternativos?), puedes interpretar el éxito como habilidad en lugar de parte de la variación normal.

2) Visibilidad desigual de la información

Puede que no observes todos los resultados relevantes. Registros incompletos, costos ocultos, sesgo de supervivencia o revisar solo las operaciones que recuerdas pueden hacer que tu modelo interno parezca más preciso de lo que realmente es.

Caso límite: Si solo haces un seguimiento de los “buenos momentos”, el conjunto de datos deja de ser representativo. La confianza entonces refleja una muestra sesgada, no el rendimiento general.

3) Mala calibración bajo condiciones cambiantes

El exceso de confianza es más difícil de detectar cuando las condiciones cambian. Incluso si estuviste bien calibrado en un régimen, tu calibración puede degradarse cuando la volatilidad, las fricciones de ejecución o las restricciones difieren.

Caso límite: Un enfoque similar a una estrategia puede parecer que funciona durante un período favorable, pero la creencia de que “seguirá funcionando” puede no transferirse. Las relaciones históricas no garantizan resultados futuros.

4) Persecución de rendimiento y compromiso creciente

Cuando los resultados no coinciden con las expectativas, los tomadores de decisiones con exceso de confianza pueden aumentar su compromiso para “probar” la creencia. Esto puede crear un modo de fallo donde las pérdidas se extienden en lugar de reconocerse.

Caso límite: Si tratas las desviaciones del progreso esperado como un fallo temporal en lugar de evidencia de que la confianza original era incorrecta, la actualización se vuelve más lenta.

5) Interacción con restricciones externas

Los costos y las limitaciones afectan los resultados, pero pueden minimizarse mentalmente. El exceso de confianza aumenta el riesgo de que subestimes restricciones como la incertidumbre de ejecución, los retrasos de tiempo o los efectos de fricción.

Caso límite: Dos personas pueden tener la misma calidad de juicio bruto pero diferente conciencia de costos. Quien subestima los costos puede terminar siendo sistemáticamente menos preciso en los resultados realizados.

Evidencia y un ejemplo concreto (con supuestos explícitos)

A continuación se presenta un ejemplo diseñado para aislar el problema de calibración sin asumir precios en tiempo real ni ningún mercado específico.

Ejemplo: confianza vs. corrección

Supuestos:

• Haces 100 predicciones independientes.
• Asignas un 70% de confianza a cada predicción.
• La probabilidad real de ser correcto es en realidad del 55%.

¿Qué sucede si tienes exceso de confianza?

• Si estás correctamente calibrado al 70%, esperarías alrededor de 70 predicciones correctas.
• Con una probabilidad de éxito real del 55%, esperarías alrededor de 55 predicciones correctas.

En otras palabras, el patrón “normalmente me siento 70% seguro” puede coexistir con una precisión realizada sustancialmente menor. La consideración avanzada no es meramente que estés equivocado; es que tu señal de confianza se vuelve poco fiable, y cualquier regla de decisión que dependa de la confianza (por ejemplo, tomar más exposición cuando la confianza es alta) probablemente amplificará el desajuste.

Ejemplo: interpretación selectiva

Supuestos:

• Sigues revisando resultados que se alinean con tu explicación.
• Las pérdidas se atribuyen a factores externos; las ganancias se atribuyen a la habilidad.

Incluso si el proceso subyacente no cambia, esta interpretación puede mantener tu confianza elevada porque la retroalimentación es asimétrica. La “evidencia” que usas para actualizar no es la misma que la evidencia que realmente determina el rendimiento futuro.

Limitaciones y modos de fallo materiales a tener en cuenta

El exceso de confianza a menudo se discute como una emoción, pero tiene consecuencias computacionales concretas: distorsiona cómo ponderas la incertidumbre y con qué agresividad actúas.

Modo de fallo 1: Sobreexposición a una creencia incorrecta

Si la confianza está inflada, puedes aumentar la exposición, la persistencia o la dependencia de una sola narrativa. Cuando la varianza es alta, la brecha entre la creencia y la realidad puede ampliarse rápidamente.

Modo de fallo 2: Distorsión de la retroalimentación

La revisión selectiva, la explicación retrospectiva y la “preservación de la historia” pueden impedir el aprendizaje correctivo. Si las pérdidas se tratan como excepciones y los éxitos como prueba general, la calibración no mejora.

Modo de fallo 3: Confundir correlación con transferencia

Una relación que se mantuvo durante un período podría no mantenerse después. Incluso si tu juicio parecía preciso antes, puede fallar cuando las condiciones cambian. Las relaciones históricas no establecen resultados futuros.

Limitación material a tener en cuenta

Los resultados varían según las condiciones del mercado, los costos, la calidad de la ejecución y la jurisdicción. Si careces de datos sobre estas dependencias, no puedes separar de manera fiable la habilidad del ruido.