¿Qué es el exceso de confianza?
El exceso de confianza es una tendencia sistemática a sobreestimar la precisión de tus juicios, predicciones o habilidades. En un contexto de toma de decisiones, a menudo se manifiesta como una confianza exagerada en los resultados (por ejemplo, creer que un resultado futuro es “probable” cuando las tasas base y la incertidumbre no son tan favorables).
Un punto clave es que el exceso de confianza no es lo mismo que ser “demasiado optimista”. Es específicamente un desajuste entre cuán seguro te sientes (o cómo estableces probabilidades) y cómo se comportan realmente los resultados.
¿Cómo funciona un ejemplo práctico de exceso de confianza?
Un ejemplo práctico debe separar dos partes:
- Mecánica estable: las matemáticas de probabilidades, valores esperados y cómo la confianza se traduce en umbrales de decisión.
- Condiciones variables: volatilidad del mercado, calidad de ejecución, costos y otros factores del mundo real que cambian los resultados.
Dado que la pregunta pide un ejemplo transparente, el objetivo es hacer explícito cada supuesto y luego mostrar cómo una pequeña estimación errónea de probabilidad puede cambiar materialmente las decisiones.
Evidencia o ejemplo: un escenario numérico transparente
Supón que estás considerando una decisión de resultado binario (Resultado A o Resultado B) con probabilidades inciertas. Debes elegir si “aceptar la apuesta” (Proceder) o no (Evitar).
Supuestos (declarados de antemano)
- Eliges un resultado objetivo: El Resultado A ocurre con alguna probabilidad verdadera (p).
- Estimas personalmente (\hat{p}) basándote en tu confianza.
- Si procedes y A ocurre, ganas +10 unidades.
- Si procedes y B ocurre, pierdes -10 unidades.
- Evitar tiene un pago de 0.
- No hay otros costos en este modelo simplificado (esta es una limitación).
Mecánica estable: valor esperado
Si procedes, tu pago esperado basado en tu estimación (\hat{p}) es: [ EV_{\text{tu estimación}} = \hat{p}(+10) + (1-\hat{p})(-10) = 20\hat{p} - 10. ] Elegirías proceder si (EV_{\text{tu estimación}} > 0), lo que implica: [ 20\hat{p} - 10 > 0 \Rightarrow \hat{p} > 0.5. ]
Dos mundos de probabilidad (donde importa el exceso de confianza)
- Probabilidad verdadera (realidad): (p = 0.45). El Resultado A es en realidad menos probable que “un lanzamiento de moneda y un poco más.”
- Tu estimación con exceso de confianza: (\hat{p} = 0.65). Crees que tu juicio es fuertemente favorable.
Decisión que tomas (basada en (\hat{p})): [ EV_{\text{tu estimación}} = 20(0.65) - 10 = 3. ] Entonces procedes.
Pero el valor esperado realizado (basado en la (p) verdadera) es: [ EV_{\text{verdadero}} = 20(0.45) - 10 = -1. ] Entonces, en expectativa, proceder es perjudicial.
Este es un ejemplo práctico de exceso de confianza: usaste una probabilidad demasiado alta, lo que cambió tu regla de decisión de “evitar” a “proceder.”
Limitaciones y riesgos (modos de fallo materiales)
-
La incertidumbre se ignora o se minimiza: El exceso de confianza a menudo comprime una amplia gama de resultados posibles en una creencia estrecha sobre “cómo irá probablemente.” En términos de probabilidad, sustituyes (\hat{p}) por (p) sin justificación.
-
Los costos y efectos de ejecución se excluyen: Las decisiones reales típicamente incluyen spreads, comisiones, deslizamiento y diferencias de tiempo. Estos cambian los números de pago (en el ejemplo simplificado, ±10) y pueden convertir una lógica marginalmente favorable en una desfavorable.
-
Las condiciones cambian: Incluso si fuiste preciso en el pasado, la “tasa base” (p) puede desplazarse. Las relaciones históricas no garantizan probabilidades futuras.
-
Fallo de verificación: Una persona con exceso de confianza puede no probar la calibración (por ejemplo, si los eventos a los que asignas un 65% realmente ocurren alrededor del 65% de las veces).
Verificación y qué hacer a continuación (sin prometer resultados)
Para verificar de forma independiente la lógica del ejemplo práctico, los lectores pueden:
- Recalcular la fórmula del valor esperado (EV = 20p - 10) a partir de los pagos declarados.
- Comprobar el umbral de decisión: proceder requiere (p > 0.5) bajo estos supuestos.
- Probar los supuestos cambiando (p), (\hat{p}), o las magnitudes de pago y observando cuándo cambia la decisión.
Una pregunta útil a continuación es: “¿Qué evidencia actualizaría (\hat{p}) hacia una estimación calibrada de (p)?” Eso se centra en la medición en lugar de la predicción.
Si lo deseas, puedes aplicar el mismo marco a un modelo simplificado diferente (por ejemplo, pagos asimétricos o agregando un costo fijo) manteniendo explícito cada supuesto.