Considerazioni Avanzate sull’Eccesso di Fiducia

Cos’è l’eccesso di fiducia, in termini pratici

L’eccesso di fiducia è un modello di giudizio in cui la certezza dichiarata di una persona, la performance attesa o il controllo percepito sono più alti di quanto le evidenze successive supportino davvero. Nel processo decisionale, spesso si manifesta come:

• Sovrastima dell’accuratezza (la convinzione che previsioni o valutazioni siano più probabilmente corrette di quanto lo siano realmente).
• Sovrastima dell’abilità o del controllo (la convinzione che gli esiti dipendano soprattutto dalle azioni della persona, anche quando la variazione casuale è sostanziale).
• Sovrastima della velocità o dell’inevitabilità (l’aspettativa di risultati prima o in modo più lineare di quanto il processo possa ragionevolmente offrire).

Un modo utile per inquadrare l’eccesso di fiducia è come un problema di calibrazione: se la confidenza corrisponde alla realtà. Se qualcuno è “80% sicuro” ma è corretto solo circa nel 50–60% dei casi, la confidenza è sistematicamente troppo alta. Questa definizione resta stabile tra mercati, provider e periodi di tempo.

Un modello semplice per capire come funziona

Un modello meccanico semplice può aiutare a spiegare le considerazioni avanzate senza assumere alcun comportamento specifico del mercato:

1. Segnali e convinzioni a priori Ricevi informazioni (osservazioni, notizie, un log di trade passato o una narrazione sul perché qualcosa si muoverà). Hai anche convinzioni a priori sulla tua competenza.

2. Compressione in una variabile decisionale Traduci le informazioni in una singola variabile decisionale come “funzionerà”, “il rischio è gestibile” oppure “so cosa sta succedendo”. Questo passaggio riduce la complessità, cosa normale—tuttavia può anche ridurre la tua consapevolezza dell’incertezza.

3. Assegnazione della confidenza Assegni confidenza alla variabile decisionale. L’eccesso di fiducia significa che questa confidenza è più alta di quanto giustificato dalla distribuzione reale degli esiti.

4. Azione in condizioni di incertezza Agisci (dimensionamento, timing, perseveranza o affidamento a un metodo). Se la confidenza è gonfiata, potresti aumentare l’esposizione, restare coinvolto più a lungo o liquidare le evidenze che smentiscono.

5. Feedback e aggiornamento delle convinzioni Aggiorni le tue convinzioni in base ai risultati. L’eccesso di fiducia diventa persistente quando il feedback viene interpretato in modo selettivo (ad esempio, trattare le perdite come “rumore” ma i guadagni come “prova”).

Questo modello evidenzia anche le dipendenze: l’eccesso di fiducia non è solo un tratto personale; è modellato da ciò che il feedback ti mostra, da come lo interpreti e dai costi o vincoli presenti.

Dipendenze avanzate e casi limite

L’eccesso di fiducia può apparire in modo diverso a seconda dell’ambiente decisionale. Le dipendenze chiave e i casi limite includono:

1) Trascurare la frequenza di base (base-rate neglect)

Se ti concentri su esempi recenti che supportano la tua narrazione e ignori la frequenza complessiva degli esiti, la confidenza può aumentare. Questo può accadere anche senza “intenzioni cattive”, perché le persone cercano naturalmente storie che confermano le proprie idee.

Caso limite: Supponi che un metodo funzioni a volte. Senza confrontarlo con una base di riferimento significativa (quanto spesso riuscirebbe sotto casualità o con assunzioni alternative?), potresti interpretare il successo come abilità invece che come parte della normale variazione.

2) Visibilità non uniforme delle informazioni

Potresti non osservare ogni esito rilevante. Log incompleti, costi nascosti, survivorship bias o il fatto di rivedere solo i trade che ti ricordi possono far apparire il tuo modello interno più accurato di quanto non sia davvero.

Caso limite: Se tracci solo “i momenti buoni”, il dataset diventa non rappresentativo. La confidenza allora riflette un campione distorto, non la performance generale.

3) Miscalibrazione in condizioni che cambiano

L’eccesso di fiducia è più difficile da rilevare quando le condizioni cambiano. Anche se eri ben calibrato in un regime, la calibrazione può peggiorare quando volatilità, attriti di esecuzione o vincoli differiscono.

Caso limite: Un approccio “simile a una strategia” può sembrare funzionare durante un periodo favorevole, ma la convinzione “continuerà a funzionare” potrebbe non trasferirsi. Le relazioni storiche non garantiscono risultati futuri.

4) Inseguimento della performance e impegno crescente

Quando gli esiti non corrispondono alle aspettative, i decisori eccessivamente fiduciosi possono aumentare l’impegno per “dimostrare” la convinzione. Questo può creare una modalità di fallimento in cui le perdite vengono estese invece di essere riconosciute.

Caso limite: Se tratti le deviazioni dai progressi attesi come un problema temporaneo invece che come evidenza che la confidenza originale era sbagliata, l’aggiornamento diventa più lento.

5) Interazione con vincoli esterni

Costi e limiti influenzano gli esiti, ma possono essere mentalmente minimizzati. L’eccesso di fiducia aumenta il rischio che tu dia troppo poco peso a vincoli come l’incertezza dell’esecuzione, i ritardi di timing o gli effetti di attrito.

Caso limite: Due persone possono avere la stessa qualità grezza del giudizio, ma diversa consapevolezza dei costi. Quella che sottovaluta i costi potrebbe finire sistematicamente meno accurata nei risultati realizzati.

Evidenze e un esempio concreto (con assunzioni esplicite)

Di seguito c’è un esempio pensato per isolare il problema di calibrazione senza assumere prezzi in tempo reale o alcun mercato specifico.

Esempio: confidenza vs. correttezza

Assunzioni:

• Fai 100 previsioni indipendenti.
• Assegni il 70% di confidenza a ogni previsione.
• La vera probabilità di essere corretto è in realtà il 55%.

Cosa succede se sei eccessivamente fiducioso?

• Se fossi calibrato correttamente al 70%, ti aspetteresti circa 70 previsioni corrette.
• Con una probabilità di successo reale del 55%, ti aspetteresti circa 55 previsioni corrette.

In altre parole, il pattern “di solito mi sento al 70% sicuro” può coesistere con un’accuratezza realizzata sostanzialmente più bassa. La considerazione avanzata non è solo che sei sbagliato; è che il tuo segnale di confidenza diventa inaffidabile e qualsiasi regola decisionale che dipende dalla confidenza (ad esempio, aumentare l’esposizione quando la confidenza è alta) probabilmente amplificherà lo scostamento.

Esempio: interpretazione selettiva

Assunzioni:

• Continui a rivedere gli esiti che si allineano con la tua spiegazione.
• Le perdite vengono attribuite a fattori esterni; i guadagni vengono attribuiti all’abilità.

Anche se il processo sottostante non cambia, questa interpretazione può mantenere la tua confidenza elevata perché il feedback è asimmetrico. Le “evidenze” che usi per aggiornare non sono le stesse evidenze che determinano davvero la performance futura.

Limiti e modalità di fallimento materiali da tenere d’occhio

L’eccesso di fiducia viene spesso discusso come un’emozione, ma ha conseguenze computazionali concrete: distorce come pesi l’incertezza e quanto aggressivamente agisci.

Modalità di fallimento 1: esposizione eccessiva a una convinzione sbagliata

Se la confidenza è gonfiata, potresti aumentare l’esposizione, la perseveranza o l’affidamento a una singola narrazione. Quando la varianza è alta, lo scarto tra convinzione e realtà può ampliarsi rapidamente.

Modalità di fallimento 2: distorsione del feedback

Revisione selettiva, spiegazioni a posteriori e “preservazione della storia” possono impedire l’apprendimento correttivo. Se le perdite vengono trattate come eccezioni e i successi come prova generale, la calibrazione non migliora.

Modalità di fallimento 3: confondere correlazione con trasferibilità

Una relazione che valeva in un periodo potrebbe non valere più in seguito. Anche se il tuo giudizio sembrava accurato prima, può fallire quando le condizioni cambiano. Le relazioni storiche non stabiliscono risultati futuri.

Limite materiale da tenere a mente

Gli esiti variano con le condizioni di mercato, i costi, la qualità dell’esecuzione e la giurisdizione. Se ti mancano dati su queste dipendenze, non puoi separare in modo affidabile l’abilità dal rumore.

DOCUMENT END