Apa itu Contoh Kerja dari Terlalu Percaya Diri?

Apa itu terlalu percaya diri?

Terlalu percaya diri adalah kecenderungan sistematis untuk melebih-lebihkan seberapa akurat penilaian, prediksi, atau keterampilan Anda. Dalam konteks pengambilan keputusan, hal ini sering muncul sebagai keyakinan yang berlebihan pada hasil (misalnya, meyakini hasil masa depan “mungkin” terjadi ketika tingkat dasar dan ketidakpastian tidak begitu mendukung).

Poin kuncinya adalah bahwa terlalu percaya diri tidak sama dengan “terlalu optimis.” Secara khusus, ini adalah ketidaksesuaian antara seberapa percaya diri Anda merasa (atau bagaimana Anda menetapkan probabilitas) dan bagaimana hasil sebenarnya berperilaku.

Bagaimana contoh kerja dari terlalu percaya diri bekerja?

Contoh kerja harus memisahkan dua bagian:

1. Mekanisme yang stabil: matematika probabilitas, nilai ekspektasi, dan bagaimana keyakinan diterjemahkan ke dalam ambang keputusan.
2. Kondisi yang bervariasi: volatilitas pasar, kualitas eksekusi, biaya, dan faktor dunia nyata lainnya yang mengubah hasil.

Karena prompt meminta contoh yang transparan, tujuannya adalah membuat setiap asumsi menjadi eksplisit, kemudian menunjukkan bagaimana kesalahan kecil dalam probabilitas dapat secara material mengubah keputusan.

Bukti atau contoh: skenario numerik yang transparan

Asumsikan Anda mempertimbangkan keputusan hasil biner (Hasil A atau Hasil B) dengan probabilitas yang tidak pasti. Anda harus memilih apakah akan “mengambil taruhan” (Lanjutkan) atau tidak (Hindari).

Asumsi (dinyatakan di awal)

• Anda memilih hasil target: Hasil A terjadi dengan probabilitas sebenarnya (p).
• Anda secara pribadi memperkirakan (\hat{p}) berdasarkan keyakinan Anda.
• Jika Anda melanjutkan dan A terjadi, Anda memperoleh +10 unit.
• Jika Anda melanjutkan dan B terjadi, Anda kehilangan -10 unit.
• Menghindari memiliki imbal hasil 0.
• Tidak ada biaya lain dalam model mainan ini (ini adalah keterbatasan).

Mekanisme yang stabil: nilai ekspektasi

Jika Anda melanjutkan, imbal hasil yang diharapkan berdasarkan perkiraan Anda (\hat{p}) adalah: [ EV_{\text{perkiraan Anda}} = \hat{p}(+10) + (1-\hat{p})(-10) = 20\hat{p} - 10. ] Anda akan memilih untuk melanjutkan jika (EV_{\text{perkiraan Anda}} > 0), yang berarti: [ 20\hat{p} - 10 > 0 \Rightarrow \hat{p} > 0.5. ]

Dua dunia probabilitas (di mana terlalu percaya diri penting)

• Probabilitas sebenarnya (realitas): (p = 0.45). Hasil A sebenarnya kurang mungkin daripada “lempar koin ditambah sedikit.”
• Perkiraan Anda yang terlalu percaya diri: (\hat{p} = 0.65). Anda percaya penilaian Anda sangat menguntungkan.

Keputusan yang Anda buat (berdasarkan (\hat{p})): [ EV_{\text{perkiraan Anda}} = 20(0.65) - 10 = 3. ] Jadi Anda melanjutkan.

Tetapi nilai ekspektasi yang terealisasi (berdasarkan (p) sebenarnya) adalah: [ EV_{\text{sebenarnya}} = 20(0.45) - 10 = -1. ] Jadi secara ekspektasi, melanjutkan berbahaya.

Ini adalah contoh kerja dari terlalu percaya diri: Anda menggunakan probabilitas yang terlalu tinggi, yang membalikkan aturan keputusan Anda dari “hindari” menjadi “lanjutkan.”

Keterbatasan dan risiko (mode kegagalan material)

1. Ketidakpastian diabaikan atau diremehkan: Terlalu percaya diri sering mempersempit rentang hasil yang luas menjadi keyakinan sempit tentang “bagaimana kemungkinan akan berjalan.” Dalam istilah probabilitas, Anda mengganti (\hat{p}) untuk (p) tanpa pembenaran.

2. Biaya dan efek eksekusi dikecualikan: Keputusan nyata biasanya mencakup spread, biaya, selip, dan perbedaan waktu. Hal-hal tersebut mengubah angka imbal hasil (dalam contoh mainan, ±10) dan dapat mengubah logika yang menguntungkan secara marginal menjadi tidak menguntungkan.

3. Kondisi berubah: Bahkan jika Anda akurat di masa lalu, “tingkat dasar” (p) dapat bergeser. Hubungan historis tidak menjamin probabilitas masa depan.

4. Kegagalan verifikasi: Seseorang yang terlalu percaya diri mungkin tidak menguji kalibrasi (misalnya, apakah peristiwa yang Anda tetapkan 65% benar-benar terjadi sekitar 65% dari waktu).

Verifikasi dan apa yang harus dilakukan selanjutnya (tanpa menjanjikan hasil)

Untuk memverifikasi secara independen logika contoh kerja, pembaca dapat:

• Menghitung ulang rumus nilai ekspektasi (EV = 20p - 10) dari imbal hasil yang dinyatakan.
• Memeriksa ambang keputusan: melanjutkan memerlukan (p > 0.5) di bawah asumsi ini.
• Menguji stres asumsi dengan mengubah (p), (\hat{p}), atau besaran imbal hasil dan mengamati kapan keputusan berbalik.

Pertanyaan lanjutan yang berguna adalah: “Bukti apa yang akan memperbarui (\hat{p}) menuju perkiraan (p) yang terkalibrasi?” Itu berfokus pada pengukuran daripada prediksi.

Jika Anda mau, Anda dapat menerapkan kerangka kerja yang sama ke model mainan yang berbeda (misalnya, imbal hasil asimetris atau menambahkan biaya tetap) sambil menjaga setiap asumsi tetap eksplisit.