Pertimbangan Lanjutan untuk Overconfidence

Apa itu overconfidence, secara praktis

Overconfidence adalah pola penilaian di mana kepastian yang dinyatakan seseorang, kinerja yang diharapkan, atau kontrol yang dirasakan lebih tinggi daripada bukti yang kemudian mendukungnya. Dalam pengambilan keputusan, ini sering muncul sebagai:

• Melebihkan akurasi (keyakinan bahwa prediksi atau penilaian lebih mungkin benar daripada kenyataannya).
• Melebihkan keterampilan atau kontrol (keyakinan bahwa hasil sangat bergantung pada tindakan orang tersebut, bahkan ketika variasi acak cukup besar).
• Melebihkan kecepatan atau kepastian (mengharapkan hasil lebih cepat atau lebih mulus daripada yang dapat dicapai secara wajar oleh prosesnya).

Cara yang berguna untuk memahami overconfidence adalah sebagai masalah kalibrasi: apakah tingkat keyakinan sesuai dengan kenyataan. Jika seseorang “yakin 80%” tetapi benar hanya sekitar 50–60% dari waktu, maka keyakinannya secara sistematis terlalu tinggi. Definisi ini tetap stabil di berbagai pasar, penyedia, dan periode waktu.

Model sederhana tentang cara kerjanya

Model mekanisme yang sederhana dapat membantu menjelaskan pertimbangan lanjutan tanpa mengasumsikan perilaku pasar tertentu:

1. Sinyal dan keyakinan awal Anda menerima informasi (observasi, berita, log trade masa lalu, atau narasi tentang mengapa sesuatu akan bergerak). Anda juga memiliki keyakinan awal tentang kompetensi Anda.

2. Kompresi menjadi variabel keputusan Anda menerjemahkan informasi menjadi satu variabel keputusan seperti “ini akan berhasil,” “risikonya dapat dikelola,” atau “saya tahu apa yang terjadi.” Langkah ini mengurangi kompleksitas, yang normal—namun, langkah ini juga dapat mengurangi kesadaran Anda terhadap ketidakpastian.

3. Penetapan tingkat keyakinan Anda menetapkan keyakinan pada variabel keputusan. Overconfidence berarti keyakinan ini lebih tinggi daripada yang dibenarkan oleh distribusi hasil yang sebenarnya.

4. Tindakan di bawah ketidakpastian Anda bertindak (ukuran, timing, ketekunan, atau bergantung pada suatu metode). Jika keyakinan menggelembung, Anda mungkin meningkatkan eksposur, tetap terlibat lebih lama, atau mengabaikan bukti yang tidak mendukung.

5. Umpan balik dan pembaruan keyakinan Anda memperbarui keyakinan berdasarkan hasil. Overconfidence menjadi persisten ketika umpan balik ditafsirkan secara selektif (misalnya, menganggap kerugian sebagai “noise” tetapi keuntungan sebagai “bukti”).

Model ini juga menyoroti dependensi: overconfidence bukan hanya sifat personal; ia dibentuk oleh umpan balik yang Anda lihat, cara Anda menafsirkannya, serta biaya atau batasan yang ada.

Dependensi lanjutan dan kasus tepi

Overconfidence dapat terlihat berbeda tergantung lingkungan pengambilan keputusan. Dependensi dan kasus tepi utama meliputi:

1) Mengabaikan base-rate

Jika Anda berfokus pada contoh terbaru yang mendukung narasi Anda dan mengabaikan frekuensi keseluruhan hasil, tingkat keyakinan bisa bergeser naik. Ini bisa terjadi bahkan tanpa “niat buruk,” karena orang secara alami mencari cerita yang mengonfirmasi.

Kasus tepi: Misalkan sebuah metode bekerja sesekali. Tanpa membandingkan dengan baseline yang bermakna (seberapa sering metode itu akan berhasil jika hanya karena kebetulan atau asumsi alternatif?), Anda mungkin menafsirkan keberhasilan sebagai keterampilan, bukan bagian dari variasi normal.

2) Visibilitas informasi yang tidak setara

Anda mungkin tidak mengamati setiap hasil yang relevan. Log yang tidak lengkap, biaya tersembunyi, survivorship bias, atau hanya meninjau trade yang Anda ingat dapat membuat model internal Anda terlihat lebih akurat daripada kenyataannya.

Kasus tepi: Jika Anda hanya melacak “momen yang baik,” maka dataset menjadi tidak representatif. Keyakinan kemudian mencerminkan sampel yang bias, bukan kinerja umum.

3) Miskalibrasi saat kondisi berubah

Overconfidence lebih sulit dideteksi ketika kondisi berubah. Bahkan jika Anda terkalibrasi dengan baik pada satu rezim, kalibrasi Anda bisa memburuk ketika volatilitas, friksi eksekusi, atau batasan berbeda.

Kasus tepi: Pendekatan seperti strategi mungkin tampak berhasil selama periode yang menguntungkan, tetapi keyakinan “ini akan terus bekerja” mungkin tidak berpindah. Hubungan historis tidak menjamin hasil di masa depan.

4) Mengejar kinerja dan komitmen yang meningkat

Ketika hasil tidak sesuai ekspektasi, pengambil keputusan yang overconfident dapat meningkatkan komitmen untuk “membuktikan” keyakinan tersebut. Ini dapat menciptakan mode kegagalan di mana kerugian diperpanjang alih-alih diakui.

Kasus tepi: Jika Anda menganggap penyimpangan dari kemajuan yang diharapkan sebagai gangguan sementara, bukan bukti bahwa keyakinan awal Anda salah, maka pembaruan menjadi lebih lambat.

5) Interaksi dengan batasan eksternal

Biaya dan keterbatasan memengaruhi hasil, tetapi bisa diminimalkan secara mental. Overconfidence meningkatkan risiko bahwa Anda memberi bobot terlalu kecil pada batasan seperti ketidakpastian eksekusi, penundaan timing, atau efek gesekan.

Kasus tepi: Dua orang bisa memiliki kualitas penilaian mentah yang sama, tetapi kesadaran biaya yang berbeda. Orang yang meremehkan biaya mungkin berakhir dengan hasil realisasi yang secara sistematis kurang akurat.

Bukti dan contoh konkret (dengan asumsi eksplisit)

Di bawah ini adalah contoh yang dirancang untuk mengisolasi masalah kalibrasi tanpa mengasumsikan harga real-time apa pun atau pasar tertentu.

Contoh: keyakinan vs. kebenaran

Asumsi:

• Anda membuat 100 prediksi independen.
• Anda menetapkan keyakinan 70% untuk setiap prediksi.
• Probabilitas sebenarnya untuk benar adalah 55%.

Apa yang terjadi jika Anda overconfident?

• Jika Anda terkalibrasi dengan benar pada 70%, Anda akan mengharapkan sekitar 70 prediksi benar.
• Dengan probabilitas keberhasilan sebenarnya 55%, Anda akan mengharapkan sekitar 55 prediksi benar.

Dengan kata lain, pola “biasanya saya merasa yakin 70%” dapat hidup berdampingan dengan akurasi realisasi yang jauh lebih rendah. Pertimbangan lanjutan bukan sekadar bahwa Anda salah; melainkan bahwa sinyal keyakinan Anda menjadi tidak dapat diandalkan, dan aturan keputusan apa pun yang bergantung pada keyakinan (misalnya, mengambil eksposur lebih besar saat keyakinan tinggi) kemungkinan akan memperbesar ketidaksesuaian tersebut.

Contoh: interpretasi selektif

Asumsi:

• Anda terus meninjau hasil yang selaras dengan penjelasan Anda.
• Kerugian dikaitkan dengan faktor eksternal; keuntungan dikaitkan dengan keterampilan.

Bahkan jika proses dasarnya tidak berubah, interpretasi ini dapat menjaga keyakinan Anda tetap tinggi karena umpan balik bersifat asimetris. “Bukti” yang Anda gunakan untuk pembaruan tidak sama dengan bukti yang sebenarnya menentukan kinerja di masa depan.

Keterbatasan dan mode kegagalan material yang perlu diwaspadai

Overconfidence sering dibahas sebagai emosi, tetapi ia memiliki konsekuensi komputasional yang nyata: ia mendistorsi cara Anda memberi bobot pada ketidakpastian dan seberapa agresif Anda bertindak.

Mode kegagalan 1: Eksposur berlebihan pada keyakinan yang salah

Jika keyakinan menggelembung, Anda mungkin meningkatkan eksposur, ketekunan, atau ketergantungan pada satu narasi. Ketika varians tinggi, jarak antara keyakinan dan kenyataan dapat melebar dengan cepat.

Mode kegagalan 2: Distorsi umpan balik

Tinjauan selektif, penjelasan dengan hindsight, dan “pelestarian cerita” dapat mencegah pembelajaran korektif. Jika kerugian diperlakukan sebagai pengecualian dan keberhasilan sebagai bukti umum, kalibrasi tidak membaik.

Mode kegagalan 3: Mengacaukan korelasi dengan transfer

Hubungan yang berlaku pada satu periode mungkin tidak berlaku kemudian. Bahkan jika penilaian Anda tampak akurat sebelumnya, ia bisa gagal ketika kondisi berubah. Hubungan historis tidak menetapkan hasil di masa depan.

Keterbatasan material yang perlu diingat

Hasil bervariasi dengan kondisi pasar, biaya, kualitas eksekusi, dan yurisdiksi. Jika Anda tidak memiliki data tentang dependensi ini, Anda tidak dapat memisahkan keterampilan dari noise secara andal.