Cos’è l’analisi degli errori e perché le persone la sbagliano?
L’analisi degli errori è una revisione strutturata di ciò che hai fatto, di ciò che ti aspettavi, di ciò che è accaduto davvero e di ciò che puoi cambiare la prossima volta. Si concentra su decisioni e processi, non sul tentare di prevedere il futuro usando il passato. Gli errori comuni accadono quando la parte “analisi” diventa vaga, emotiva o basata solo sull’esito.
Un fraintendimento frequente è equiparare l’analisi degli errori a “trovare la ragione per cui è andata male” senza definire la decisione e la misurazione. Un altro è analizzare i risultati come se fossero conseguenze garantite di un singolo errore. Mercati, esecuzione, commissioni e condizioni che cambiano fanno sì che un esito raramente abbia una sola causa.
Errori comuni e come influenzano l’apprendimento
1) Confondere l’errore con l’esito
Una neutral mistake analysis separa l’azione (la decisione o il processo) dal risultato (profitto o perdita, o un altro esito osservato). Se etichetti solo l’esito come “negativo” e poi ricostruisci una storia a posteriori, potresti non imparare nulla di utilizzabile.
Controllo neutrale: scrivi l’esatto passaggio che cambieresti—poi verifica se quel passaggio fosse davvero il fattore causale, date le tue condizioni e assunzioni.
2) Saltare le assunzioni dietro ogni esempio
Quando mostri un esempio—ad esempio “se lo spread fosse stato più basso, il trade avrebbe funzionato”—il calcolo dipende da assunzioni (costi, tempistiche, qualità dell’esecuzione e cosa significa “funzionato”). Senza assunzioni dichiarate, l’esempio non può essere verificato.
Controllo neutrale: elenca ogni assunzione in modo esplicito, includendo cosa stai trattando come fisso e cosa come variabile.
3) Trattare le meccaniche stabili come se fossero esiti stabili
Alcune relazioni sono strutturali (per esempio, come i costi riducono i rendimenti), ma il percorso futuro del prezzo è variabile. L’analisi degli errori va storta quando si usano meccaniche stabili per sostenere che eventi futuri simili produrranno esiti simili.
Controllo neutrale: separa “le meccaniche che puoi controllare” (qualità del processo, documentazione, coerenza) da “le condizioni che non puoi controllare pienamente” (movimento del mercato, dettagli di esecuzione, eventi esterni).
4) Modalità di fallimento: bias di conferma durante la revisione
Una revisione può diventare un modo per proteggere una convinzione precedente—cercando solo spiegazioni che supportano la tua tesi. Questo può nascondere altri contributori come timing, dimensionamento o impatto dei costi.
Red flags (rode vlaggen): la revisione trova solo una spiegazione; evita evidenze che la smentiscono; non aggiorna il modello nemmeno quando le evidenze lo contraddicono.
5) Usare la revisione come “fix” in un solo passaggio
L’analisi degli errori spesso fallisce quando si conclude con una singola modifica proposta, senza verificare se quella modifica affronta davvero la modalità di fallimento definita. Se il cambiamento del tuo processo non è collegato all’errore definito, potresti ripetere lo stesso schema in condizioni diverse.
Klaarcriterium (ready criterion): dovresti essere in grado di dire cosa farai in modo diverso la prossima volta e quale evidenza mostrerebbe che il cambiamento sta funzionando.
Evidenze e un esempio pratico di controlli neutri (senza rivendicare previsioni)
Considera una revisione in cui una decisione ha portato a un risultato netto sfavorevole dopo i costi. Un errore comune è concludere “il mercato si è mosso contro di me” ignorando se il processo ha permesso che l’impatto dei costi fosse troppo grande rispetto al vantaggio atteso.
Un approccio più neutrale:
- Definisci il momento della decisione: su cosa hai basato la decisione e cosa avevi pianificato.
- Definisci la misurazione: cosa intendi per “sfavorevole” (netto dopo i costi, rispetto a un benchmark, ecc.).
- Elenca le assunzioni: stime dei costi, assunzioni sulle tempistiche e quale qualità dell’esecuzione stai assumendo.
- Controlla spiegazioni alternative: il problema potrebbe essere timing, dimensionamento, sensibilità ai costi o un’incoerenza con le tue regole?
- Registra un singolo cambiamento controllabile che miri alla modalità di fallimento definita.
Questo non rivendica accuratezza futura. Migliora la tua capacità di verificare il ragionamento che hai usato.
Limiti e rischi dell’analisi degli errori
L’analisi degli errori è valida solo quanto lo sono i suoi input e la sua disponibilità a essere specifica. Può fuorviare quando:
- tratti la causalità storica come una garanzia per il futuro;
- ometti costi e assunzioni sull’esecuzione dagli esempi;
- confondi certezza emotiva con evidenze;
- non separi le meccaniche dalle condizioni variabili.
Gli esiti variano anche con le condizioni di mercato, i costi, l’esecuzione e la giurisdizione, quindi anche revisioni attente non possono garantire che il prossimo risultato sarà migliore. La cosa migliore che puoi fare è creare un processo di revisione che sia verificabile e migliorabile.