Pertimbangan Lanjutan untuk Terlalu Percaya Diri

Apa itu terlalu percaya diri, secara praktis

Terlalu percaya diri adalah pola penilaian di mana keyakinan, perkiraan kinerja, atau kendali yang dirasakan seseorang lebih tinggi daripada yang didukung oleh bukti di kemudian hari. Dalam pengambilan keputusan, hal ini sering muncul sebagai:

• Melebih-lebihkan akurasi (keyakinan bahwa prediksi atau penilaian lebih mungkin benar daripada yang sebenarnya).
• Melebih-lebihkan keterampilan atau kendali (keyakinan bahwa hasil sebagian besar bergantung pada tindakan seseorang, bahkan ketika variasi acak cukup besar).
• Melebih-lebihkan kecepatan atau keniscayaan (mengharapkan hasil lebih cepat atau lebih lancar daripada yang dapat diberikan oleh proses secara wajar).

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

Model sederhana tentang cara kerjanya

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

1. Sinyal dan keyakinan sebelumnya Anda menerima informasi (pengamatan, berita, log trading masa lalu, atau narasi tentang mengapa sesuatu akan bergerak). Anda juga memiliki keyakinan sebelumnya 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 sedang terjadi.” Langkah ini mengurangi kompleksitas, yang merupakan hal normal—namun, hal ini juga dapat mengurangi kesadaran Anda akan ketidakpastian.

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

4. Tindakan di bawah ketidakpastian Anda bertindak (menentukan ukuran posisi, waktu, kegigihan, atau ketergantungan pada suatu metode). Jika keyakinan meningkat, Anda dapat meningkatkan eksposur, tetap terlibat lebih lama, atau mengabaikan bukti yang tidak mendukung.

5. Umpan balik dan pembaruan keyakinan Anda memperbarui keyakinan Anda berdasarkan hasil. Terlalu percaya diri menjadi persisten ketika umpan balik ditafsirkan secara selektif (misalnya, memperlakukan kerugian sebagai “kebisingan” tetapi keuntungan sebagai “bukti”).

Model ini juga menyoroti ketergantungan: terlalu percaya diri bukan hanya sifat pribadi; ia dibentuk oleh umpan balik apa yang Anda lihat, bagaimana Anda menafsirkannya, dan biaya atau kendala apa yang ada.

Ketergantungan lanjutan dan kasus tepi

Terlalu percaya diri dapat terlihat berbeda tergantung pada lingkungan keputusan. Ketergantungan utama dan kasus tepi meliputi:

1) Pengabaian tingkat dasar

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

Kasus tepi: Misalkan sebuah metode berhasil sesekali. Tanpa membandingkan dengan garis dasar yang bermakna (seberapa sering metode itu akan berhasil di bawah keacakan atau asumsi alternatif?), Anda dapat menafsirkan keberhasilan sebagai keterampilan daripada bagian dari variasi normal.

2) Visibilitas informasi yang tidak setara

Anda mungkin tidak mengamati setiap hasil yang relevan. Log yang tidak lengkap, biaya tersembunyi, bias kelangsungan hidup, atau hanya meninjau trade yang Anda ingat dapat menyebabkan model internal Anda terlihat lebih akurat daripada yang sebenarnya.

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

3) Kalibrasi yang salah di bawah kondisi yang berubah

Terlalu percaya diri lebih sulit dideteksi ketika kondisi berubah. Bahkan jika Anda terkalibrasi dengan baik dalam satu rezim, kalibrasi Anda dapat menurun ketika volatilitas, gesekan eksekusi, atau kendala berbeda.

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

4) Mengejar kinerja dan komitmen yang meningkat

Ketika hasil tidak sesuai dengan harapan, pengambil keputusan yang terlalu percaya diri dapat meningkatkan komitmen untuk “membuktikan” keyakinan tersebut. Ini dapat menciptakan mode kegagalan di mana kerugian diperpanjang daripada diakui.

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

5) Interaksi dengan kendala eksternal

Biaya dan keterbatasan memengaruhi hasil, tetapi hal-hal tersebut dapat diminimalkan secara mental. Terlalu percaya diri meningkatkan risiko bahwa Anda meremehkan kendala seperti ketidakpastian eksekusi, penundaan waktu, atau efek gesekan.

Kasus tepi: Dua orang dapat memiliki kualitas penilaian mentah yang sama tetapi kesadaran biaya yang berbeda. Orang yang meremehkan biaya mungkin berakhir secara sistematis kurang akurat dalam hasil yang terealisasi.

Bukti dan contoh konkret (dengan asumsi eksplisit)

Di bawah ini adalah contoh yang dirancang untuk mengisolasi masalah kalibrasi tanpa mengasumsikan harga waktu nyata 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 terlalu percaya diri?

• 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 “saya biasanya merasa yakin 70%” dapat hidup berdampingan dengan akurasi yang terealisasi jauh lebih rendah. Pertimbangan lanjutan bukan hanya bahwa Anda salah; ini adalah bahwa sinyal keyakinan Anda menjadi tidak dapat diandalkan, dan aturan keputusan apa pun yang bergantung pada keyakinan (misalnya, mengambil lebih banyak eksposur ketika keyakinan tinggi) kemungkinan akan memperbesar ketidaksesuaian.

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

Keterbatasan dan mode kegagalan material yang perlu diperhatikan

Terlalu percaya diri sering dibahas sebagai emosi, tetapi ia memiliki konsekuensi komputasional yang konkret: ia mendistorsi cara Anda menimbang ketidakpastian dan seberapa agresif Anda bertindak.

Mode kegagalan 1: Eksposur berlebihan pada keyakinan yang salah

Jika keyakinan meningkat, Anda dapat meningkatkan eksposur, kegigihan, atau ketergantungan pada satu narasi. Ketika varians tinggi, kesenjangan antara keyakinan dan kenyataan dapat melebar dengan cepat.

Mode kegagalan 2: Distorsi umpan balik

Tinjauan selektif, penjelasan setelah kejadian, 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 bertahan selama satu periode mungkin tidak bertahan di kemudian hari. Bahkan jika penilaian Anda tampak akurat sebelumnya, ia dapat gagal ketika kondisi berubah. Hubungan historis tidak menetapkan hasil masa depan.

Keterbatasan material yang perlu diingat

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