O que é análise de erros e por que as pessoas erram nisso?
A análise de erros é uma revisão estruturada do que você fez, do que esperava, do que realmente aconteceu e do que você pode mudar na próxima vez. Ela se concentra em decisões e processos, não em tentar prever o futuro usando o passado. Erros comuns acontecem quando a parte “análise” fica vaga, emocional ou baseada apenas no resultado.
Um mal-entendido frequente é equiparar análise de erros a “encontrar o motivo de ter dado errado” sem definir a decisão e a medição. Outro é analisar resultados como se fossem consequências garantidas de um único erro. Mercados, execução, taxas e condições em mudança significam que um resultado raramente tem uma única causa.
Erros comuns e como eles afetam o aprendizado
1) Misturar o erro com o resultado
Uma análise neutra de erros separa a ação (a decisão ou o processo) do resultado (lucro ou prejuízo, ou outro resultado observado). Se você só rotula o resultado como “ruim” e depois adapta uma história, você pode não aprender nada acionável.
Verificação neutra: escreva exatamente a etapa que você mudaria — então teste se essa etapa foi realmente o fator causal, dadas suas condições e pressupostos.
2) Pular pressupostos por trás de qualquer exemplo
Quando você mostra um exemplo — como “se o spread fosse menor, a operação teria funcionado” — o cálculo depende de pressupostos (custos, timing, qualidade da execução e o que significa “ter funcionado”). Sem pressupostos declarados, o exemplo não pode ser verificado.
Verificação neutra: liste explicitamente cada pressuposto, incluindo o que você está tratando como fixo versus variável.
3) Tratar mecânicas estáveis como se fossem resultados estáveis
Algumas relações são estruturais (por exemplo, como os custos reduzem os retornos), mas o caminho futuro do preço é variável. A análise de erros dá errado quando mecânicas estáveis são usadas para argumentar que eventos futuros semelhantes produzirão resultados semelhantes.
Verificação neutra: separe “mecânicas que você pode controlar” (qualidade do processo, documentação, consistência) de “condições que você não consegue controlar totalmente” (movimento do mercado, detalhes de execução, eventos externos).
4) Modo de falha: viés de confirmação durante a revisão
Uma revisão pode se tornar uma forma de proteger uma crença anterior — buscando apenas explicações que sustentem sua tese. Isso pode ocultar outros contribuidores como timing, tamanho da posição ou impacto de custos.
Sinais de alerta (rode vlaggen): a revisão encontra apenas uma explicação; evita evidências que a contradigam; e nunca atualiza o modelo mesmo quando a evidência contradiz.
5) Usar a revisão como um “conserto” de uma única etapa
A análise de erros muitas vezes falha quando termina com uma única mudança proposta, sem verificar se essa mudança aborda o modo de falha real. Se a sua mudança de processo não estiver conectada ao erro definido, você pode repetir o mesmo padrão em condições diferentes.
Critério claro (ready criterion): você deve conseguir afirmar o que fará diferente na próxima vez e qual evidência mostraria que a mudança está funcionando.
Evidência e um exemplo prático de verificações neutras (sem alegar previsão)
Considere uma revisão em que uma decisão levou a um resultado líquido desfavorável após custos. Um erro comum é concluir “o mercado foi contra mim” enquanto ignora se o processo permitiu que o impacto dos custos fosse grande demais para a vantagem esperada.
Uma abordagem mais neutra:
- Defina o momento da decisão: em que você baseou a decisão e o que você planejou.
- Defina a medição: o que você quer dizer com “desfavorável” (líquido após custos, em relação a um benchmark, etc.).
- Liste pressupostos: estimativas de custos, pressupostos de timing e o que você está assumindo sobre a qualidade da execução.
- Verifique explicações concorrentes: o problema poderia ser timing, tamanho da posição, sensibilidade a custos ou uma inconsistência com suas próprias regras?
- Registre uma mudança controlável que atinja o modo de falha definido.
Isso não afirma precisão futura. Isso melhora sua capacidade de verificar o raciocínio que você usou.
Limitações e riscos da análise de erros
A análise de erros é tão boa quanto suas entradas e sua disposição de ser específico. Ela pode induzir ao erro quando:
- você trata causa e efeito históricos como garantia para o futuro;
- você omite custos e pressupostos de execução dos exemplos;
- você confunde certeza emocional com evidência;
- você não separa mecânicas de condições variáveis.
Os resultados também variam com as condições do mercado, custos, execução e jurisdição, então mesmo revisões cuidadosas não podem garantir que o próximo resultado será melhor. O melhor que você pode fazer é criar um processo de revisão que possa ser verificado e melhorado.
DOCUMENT END