Cosa significa analisi degli errori
L’analisi degli errori è un modo strutturato per esaminare una decisione passata per capire cosa è andato storto e perché, con l’obiettivo di migliorare le decisioni future. Nella pratica, di solito include: (1) descrivere la situazione, (2) identificare cosa è stato fatto, (3) indicare l’esito atteso al momento e (4) confrontare quell’aspettativa con ciò che è accaduto realmente.
Poiché è retrospettiva, il metodo non può osservare direttamente tutte le variabili nascoste. Si basa sugli input che raccogli (ad esempio, il ragionamento che hai scritto, il momento in cui hai agito e le condizioni che il tuo sistema ha sperimentato). Questa dipendenza dagli input crea la prima grande limitazione.
Come funziona nella pratica
Un flusso di lavoro tipico tratta la decisione come un insieme di assunzioni. Ricostruisci le condizioni come le hai comprese, poi valuti se l’esito è stato incoerente con quelle assunzioni.
Due parti contano per l’accuratezza:
-
Meccaniche stabili vs. condizioni variabili Alcuni elementi sono relativamente stabili—come se hai seguito una regola, se il tuo ragionamento era internamente coerente o se hai valutato le informazioni prima di agire. Altri elementi variano—come la liquidità del mercato, la volatilità, la qualità dell’esecuzione, gli spread e qualsiasi vincolo procedurale nell’ambiente in cui il trade è stato eseguito.
-
Assunzioni dietro qualsiasi calcolo Se confronti “atteso” vs. “reale”, stai implicitamente assumendo qualcosa su cosa avresti ottenuto nelle stesse condizioni. Quando quell’assunzione è sbagliata o incompleta, l’analisi può attribuire la colpa alla causa errata.
Anche senza dati in tempo reale, l’analisi può comunque essere utile per comprendere il processo decisionale. La limitazione è che potrebbe non spiegare i risultati in modo sufficientemente accurato da prevedere o prevenire fallimenti simili.
Evidenze ed esempio: perché gli esiti possono fuorviare
Considera uno scenario semplificato: una decisione eseguita male. L’analisi degli errori potrebbe concludere che il problema fosse “un cattivo giudizio al momento”. Ma un risultato scadente può anche derivare da condizioni che non facevano parte del ragionamento originale, come lo slippage di esecuzione o costi di transazione diversi da quelli che avevi modellato.
Questo crea una modalità di fallimento comune: errore di attribuzione. L’analisi assegna una singola causa che si adatta all’esito, anche se potrebbero aver contribuito più fattori. Quando non puoi separare le cause (perché i dati mancanti non sono recuperabili), la conclusione su “cosa fare la prossima volta” diventa incerta.
Una seconda modalità di fallimento è bias di selezione. Se analizzi solo le decisioni che sono andate male, puoi sovrastimare quanto spesso lo stesso “errore” causa perdite. Se analizzi solo quelle che puoi ricostruire facilmente, potresti perdere l’intera gamma di contesti decisionali.
Limiti e rischi
1) Incertezza sulla vera causa
L’analisi degli errori può chiarire cosa è successo, ma potrebbe non dimostrare perché è successo. I fattori nascosti possono includere differenze di esecuzione, effetti temporali o limitazioni nelle informazioni disponibili per te al momento. Di conseguenza, il metodo può produrre spiegazioni plausibili che non sono verificabili.
2) I risultati storici non stabiliscono relazioni future
Anche se trovi un pattern—come “le decisioni prese in condizioni X hanno performato peggio”—la relazione non è garantito che persista. Le condizioni di mercato, il comportamento dei partecipanti e i costi possono cambiare. Pertanto, un legame passato tra uno stile decisionale e gli esiti potrebbe non valere in seguito.
3) Condizioni e costi possono cambiare il significato della stessa decisione
Due decisioni che sembrano identiche nel ragionamento possono portare a esiti diversi se l’ambiente circostante è differente. I costi di transazione, la qualità dell’esecuzione e le regole operative possono rendere lo stesso “errore” più o meno dannoso. Se la tua analisi non tiene conto di queste differenze, potrebbe sovrastimare le conclusioni.
4) Overfitting su una singola narrazione
L’analisi degli errori può diventare un tentativo di far combaciare una singola storia con esiti complessi. Questo può portare a lezioni ristrette che non si generalizzano. Quando non puoi testare spiegazioni alternative, potresti scambiare una spiegazione comoda per quella corretta.
Verifica e domande successive
Per verificare un’analisi degli errori, tratta le sue conclusioni come ipotesi, non come fatti. Un controllo pratico è chiedersi se la spiegazione rimane coerente in casi simili, usando le stesse assunzioni su condizioni e input.
Se vuoi essere più indipendente e accurato, chiarisci queste domande:
- Quali informazioni erano effettivamente disponibili al momento della decisione? - Quali parti dell’ambiente variavano e queste variazioni sono state registrate?
DOCUMENT END