.png)
¿Existe una cura para los sesgos humanos?
Las finanza del comportamiento ha aumentado la conciencia sobre cómo los sesgos humanos pueden llevar a decisiones de inversión ineficaces. Hoy en día, los sesgos más comunes que resultan en resultados desfavorables son ampliamente reconocidos.
Estos sesgos incluyen la aversión a las pérdidas (que lleva a los inversores a vender sus activos ganadores demasiado pronto mientras mantienen a los perdedores durante demasiado tiempo). También está el exceso de confianza (donde un 70% de los conductores se considera mejor que el promedio, lo que fomenta la toma de riesgos excesivos y decisiones apresuradas). El enfoque a corto plazo y el efecto de recencia (que impulsan a vender en momentos de crisis y a comprar en períodos de euforia) son igualmente relevantes. El sesgo de confirmación (que nos lleva a buscar información que respalde nuestras creencias en lugar de considerar la posibilidad de estar equivocados) es otro factor. El anclaje (que ocurre cuando nos aferramos a un precio anterior, como cuando una acción que estaba por encima de $100 hace un año parece incapaz de mantenerse por debajo de cierto umbral) también influye. El sesgo de autoridad (que hace que raramente cuestionemos a expertos con apariencia de autoridad, como aquellos que usan trajes y gafas) y el sesgo narrativo (que nos permite convencernos fácilmente a través de historias coherentes, en lugar de basar nuestras decisiones en hechos aislados) son igualmente significativos. Estos son solo algunos ejemplos de los muchos sesgos que pueden afectar nuestras decisiones de inversión.
Sin embargo, solo un número limitado de personas integra este conocimiento en su proceso de inversión. Esto puede no ser sorprendente, ya que las mentes más brillantes en este campo a menudo se han centrado más en identificar las fallas en nuestro juicio que en ofrecer soluciones para corregirlas. Como señaló el ganador del Premio Nobel Daniel Kahneman, la conciencia de los sesgos debería contribuir a mejorar nuestras decisiones..
En una entrevista diferente, Kahneman admitió sorprendentemente que sus estudios podrían ayudar a las organizaciones, pero tienen poco impacto en los individuos. Aquí tienes un extracto:
P: En esta sala hay personas que toman decisiones importantes y trascendentales a diario. Ahora, haremos un ejercicio de autoayuda. ¿Cómo podrían mejorar sus propias decisiones?
Kahneman: Cuando hablas como ayudaría a un individuo, me niego a responder esa pregunta. Debido a lo poco que ha contribuido el estudio de este problema a la calidad de mis decisiones.
P: ¿No crees que en los últimos treinta años as tomado mejores decisiones?
Kahneman: No.
En una serie de conferencias durante 1992-95, la leyenda de la inversión Charlie Munger resumió 25 sesgos que afectan a los juicios humanos. Muchos inversores se refieren a su resumen como la fuente para tomar mejores decisiones.
Sin embargo, se requiere más que simplemente conocer los sesgos para aplicar este conocimiento en la vida real. Además, no es del todo evidente qué pasos prácticos debes tomar para lograr mejores resultados en las inversiones.
Un ejemplo de la vida real
Hace algunos años, empecé a reflexionar sobre que, además de contar con los principios y herramientas "correctos" para tener éxito en la inversión, es fundamental saber cómo aplicarlos en un mundo incierto. Un ejemplo sencillo ilustra esto: imagina un negocio que ha crecido a un ritmo del 25% anual durante los últimos 30 años, con márgenes y retornos sobre capital superiores al promedio. Sin embargo, por primera vez, la empresa incumple sus proyecciones y ajusta a la baja sus expectativas para el próximo año. Como resultado, la acción, que cotiza a 27 veces sus beneficios por acción (P/E), cae un 20%. Aunque la estimación de ganancias para el próximo año también se ha reducido, su múltiplo de valoración solo desciende a 25 veces (P/E).
¿Cómo incorporas la nueva información? ¿Es la mala noticia simplemente un bache inevitable en un camino largo y finalmente exitoso, o es una señal de problemas más significativos? ¿Es la estrategia correcta esperar a ver cómo se desempeña el negocio en los próximos trimestres, o es mejor salir de la posición de inmediato? ¿Cómo cambiaría tu plan si, tres meses después, la empresa anunciara que su CEO, quien había dirigido el negocio durante los últimos 20 años, decide renunciar? Y para complicar aún más las cosas, la acción ha caído otro 30%. Ahora cotiza a 17.5 veces beneficios.
La forma en que los inversores manejan situaciones como esta—los factores que observan, el peso que les asignan y el proceso que utilizan para llegar a una conclusión—es lo que distingue a los buenos inversores de los excepcionales, ese 5% que realmente puede superar al índice.
No hay una fórmula simple para ganar en inversión. Pero ¿existe un enfoque ganador para lidiar con la incertidumbre y tomar mejores decisiones?
Algunas herramientas prácticas para tomar decisiones mejores.
He resumido algunos pasos prácticos que puedes tomar para mejorar tu toma de decisiones. Estos pasos son para los individuos. Hay puntos separados para organizaciones que he dejado fuera por ahora. La lista no es definitiva, pero espero que encuentres algo útil. Definitivamente, me ha ayudado.
1. Caso Base
Supongamos que necesitas determinar si la Empresa A es una buena inversión. Como parte de tu análisis, deseas estimar el posible margen operativo en el año 5 y aplicar un múltiplo de valoración promedio de la industria. La empresa ha estado en funcionamiento durante 15 años, reportando un margen EBIT del 20% en la última década, mientras que sus competidores han logrado un margen del 10%. ¿Qué margen deberías considerar para el año 5?
El caso base es el indicador promedio para eventos u objetos similares, en este caso, el margen operativo de empresas en el mismo sector. Esto se conoce como adoptar una Perspectiva Externa. En lugar de enfocarte en detalles específicos de la situación, observas casos similares del pasado para estimar el resultado probable.
Por ejemplo, si alguien te pregunta qué tan probable es que Harry y Meghan se divorcien, el primer paso debería ser consultar las estadísticas de divorcios. Muchas personas suelen pensar en los sentimientos de la pareja, la evolución de su relación y su situación actual. Sin embargo, la Perspectiva Externa sugiere que, en promedio, el 45% de los matrimonios termina en divorcio (y la tasa es aún mayor para los segundos matrimonios). Por lo tanto, tu estimación inicial debería rondar el 50%, reconociendo que las parejas reales pueden tener una tasa incluso más alta.
Regresando a nuestro ejemplo, podemos usar un margen del 10%, el promedio de la industria, como punto de partida.
2. Características individuales (evidencia)
El segundo paso consiste en analizar las circunstancias individuales de nuestra empresa, adoptando la Perspectiva Interna. En esta etapa, es fundamental examinar sus operaciones con mayor detalle para entender en qué aspectos se diferencia de sus competidores. Debemos considerar factores como el suministro de materias primas, la ubicación geográfica, la estrategia de marketing, el perfil de sus clientes y si están dispuestos a pagar un precio premium por sus productos. También es crucial evaluar al equipo directivo. ¿Existen características en su liderazgo que te generen confianza en que la empresa podrá mantener sus excepcionales márgenes a mediano plazo?
Supongamos que identificas varias cualidades únicas que te llevan a creer que la empresa podría alcanzar márgenes más altos en el futuro que los que actualmente tienen sus competidores (10%). ¿Cómo deberías incorporar esto en tu estimación?
3. Fórmulas de Bayes y Kahneman
Hay dos formas de incorporar factores específicos en tu estimación final.
La primera opción es utilizar la fórmula de Bayes:
P(A|B) = P(A) x P(B|A) / P(B)
P(A|B) es la probabilidad de que A sea verdadero dado que B es verdadero.
P(A) es la probabilidad de que A sea verdadero.
P(B|A) es la probabilidad de que B sea verdadero dado que A es verdadero.
P(B) es la probabilidad de que B sea verdadero.
A representa el parámetro que estamos tratando de estimar (margen operativo del 20% en el año 5).
B representa una condición o evidencia adicional, por ejemplo, la cuota de mercado. Supongamos que la Empresa A ha sido líder del mercado con una participación del 30%.
P(A|B) denota la probabilidad de que la Empresa A obtenga un margen operativo del 20%, dado que su cuota de mercado es del 30%. En otras palabras, si tomamos todas las empresas con una participación del 30%, ¿cuántas de ellas obtendrían un margen del 20%?
El último parámetro, P(B), representa la probabilidad de tener una cuota de mercado del 30% (cuán común es la evidencia). ¿Cuántas empresas tienen una cuota de mercado del 30% entre todas las empresas existentes?
En un ejemplo más sencillo, supongamos que debes decidir si un hombre calvo con gafas es un científico. Muchas personas asignan erróneamente una alta probabilidad debido a un estereotipo sobre la apariencia de los científicos. Y podría ser cierto. Sería razonable esperar que uno de cada 4 hombres científicos sea calvo y use gafas.
Sin embargo, es una respuesta a una pregunta diferente. Esta alta probabilidad muestra cuántos científicos son calvos y usan gafas (P (B | A), no si un hombre que ves en la calle es un científico.
Entonces, en este ejemplo, la probabilidad de que un hombre calvo use gafas es P (B). Muestra cuán común es la evidencia. Supongamos que el 30% de todos los hombres que viven en nuestro planeta son calvos o están perdiendo cabello, mientras que aproximadamente el 64% de los adultos usan gafas (resultados sorprendentes, pero esto es lo que encontré usando Google, tal vez debería haber usado ChapGPT en su lugar). Los hombres calvos que usan gafas deberían representar aproximadamente el 19% de todos los hombres (aproximadamente uno de cada cinco hombres que te encuentras en la calle es calvo y usa gafas).
El último parámetro que necesitamos para responder la pregunta original es estimar qué proporción de los hombres son científicos (independientemente de su apariencia) - el caso base. La búsqueda en Google arroja la respuesta de que hay 8.8 millones de científicos, de los cuales el 59% son hombres (5.2 millones). Suponiendo una población masculina de 4 mil millones, de los cuales 2.8 mil millones son adultos, ¡la probabilidad de encontrar científicos entre ellos es solo del 0.2%.
Así que utilizando la fórmula de Bayes, la probabilidad de que un hombre calvo con gafas sea un científico es solo del 0.26% (0.2% x 25% / 19%). En otras palabras, menos de 1 de cada 100, o en un grupo de 10,000 hombres, solo 26 probables que sean científicos.
Volviendo a nuestra pregunta sobre el margen operativo de la empresa que estamos estudiando, supongamos los siguientes valores para los parámetros que necesitamos (hice algunas búsquedas en Google para obtener estas suposiciones):
P (A), la probabilidad de tener un margen operativo del 20% es del 20% (la proporción de empresas que ganan esa cantidad).
P (B), la probabilidad de tener una participación en el mercado del 30% es del 13%.
P (B | A), la proporción de empresas con un margen operativo del 20% entre aquellas con una participación en el mercado del 30% es del 40%.
En este caso, podemos estimar P (A | B) como 20% x 40% / 13% = 61.5%, lo cual es relativamente alto. La tasa base inicialmente baja (20%) se ve impulsada por la baja probabilidad de la evidencia (empresas con una participación de mercado del 30% - 13%) y una relación razonablemente fuerte entre la participación en el mercado y el margen operativo (el 40% de las empresas con una participación del 30% disfrutan de un margen operativo del 20%). Para ser conservador, en lugar de usar el 20%, asumiría algo entre el 15-17% de margen (todavía por encima de un margen operativo típico del 10%), pero no el 20%, dado que no es una probabilidad del 100%.
Daniel Kahneman propuso la segunda forma de incorporar información adicional en tus cálculos en su último libro, "Ruido".
Es también un proceso de tres pasos que comienza con una suposición intuitiva (A), seguida por una estimación de la media para casos similares (B, o Caso Base) y, finalmente, por la estimación del valor de la información adicional que tienes (C). El último punto es la correlación entre la evidencia y el punto que estás tratando de predecir. Es importante destacar que es raro que las ciencias sociales tengan un valor de C superior al 50%, mientras que muchas correlaciones que consideramos significativas están en el 20%.
La fórmula que propone Kahneman es la siguiente:
Estimación final = B + (A - B) x C
Si inicialmente pensaste que un margen del 20% podría lograrse con una probabilidad del 75% (A), tendrías que corregirlo por la tasa base (B) del 20% y el valor de la información adicional (C) (posición de liderazgo en el mercado con una participación del 30%). Siguiendo la orientación de Kahneman de que 0.5 es extraordinariamente alto y 0.2 es significativo, probablemente podríamos usar algo así como 0.3.
En este caso, la probabilidad final debería ser del 36.5%, calculada como 20% + (75% - 20%) x 0.3.
Hay bastante diferencia entre los resultados de los dos métodos. En el primer caso, puedes asumir con seguridad que el margen está cerca del 20%, mientras que en el segundo, deberías ser más conservador, apuntando más cerca del Caso base del 10% (quizás, 12-13%).
Creo que ambos métodos tienen sus fortalezas y debilidades. El primer método utiliza estimaciones más precisas. Sin embargo, a menudo es imposible obtener datos de calidad. Además, solo consideré un parámetro adicional (cuota de mercado), que puede que no sea el más útil para predecir los márgenes futuros. El segundo método siempre te acercaría a la tasa base, obligándote a prestar poca atención a las características individuales de una empresa o situación.
Recomiendo usar la fórmula de Kahneman cuando los datos son difíciles de encontrar, mientras que utilizas la fórmula de Bayes en todos los demás casos, conociendo sus limitaciones.
4. Redacta una tesis
Es fundamental plasmar los argumentos clave para tomar una decisión específica por escrito. Esto ayuda a minimizar el sesgo retrospectivo. Como resultado, sufrirás menos del problema de la sobreconfianza. Además, es posible que tengas mucha menos convicción o te pierdas ciertos datos vitales para llegar a una conclusión. Por otro lado, si tu tesis está bien elaborada y se basa en una investigación profunda, la próxima vez que la situación parezca completamente diferente (una gran empresa emite una advertencia de beneficios), evitarás entrar en pánico. De hecho, puedes aprovechar un precio más bajo comprando más.
5. Redacta un pre-mortem
Un pre-mortem es aún más crítico que una tesis, ya que subconscientemente buscamos hechos que respalden nuestro punto al escribir una tesis. A menudo, tomamos atajos y pasamos por alto argumentos en contra para que la historia sea más coherente. Al notar cómo ha fallado una decisión (antes de tomar esa decisión), nos enfocamos en puntos que no hemos considerado. En inversiones, redactar una tesis sobre por qué una acción sería una excelente opción para vender en corto podría ser un buen ejercicio. Si es fácil, probablemente no deberías considerar comprar la acción.
6. Busca contraargumentos
Como parte de la redacción de un pre-mortem, vale la pena buscar contraargumentos. Escuchar a personas con opiniones opuestas generalmente es beneficioso, aunque a veces pueda resultar desagradable. No significa que debas estar de acuerdo, pero al menos deberías entender de dónde proviene la diferencia y qué te hace tener confianza en tu punto de vista.
7. No te apresures. Haz dos valoraciones y toma el promedio
Este consejo proviene del libro "Noise" de Kahneman. Hay muchos ejemplos en los que la misma persona hace una estimación diferente la segunda vez. Los sommeliers, entrenados expertos en vinos, que deben calificar vinos, son uno de los casos más notorios. El mismo experto a menudo percibe el mismo vino de manera diferente en momentos distintos. Este método sigue la lógica de que una predicción de la multitud es, en promedio, mejor que una predicción individual (porque los errores en la multitud tienden a cancelarse entre sí, como una opinión demasiado pesimista y otra demasiado optimista producirían una evaluación más equilibrada si se combinan).
Kahneman aconseja pedir la opinión de una persona independiente (que no esté influenciada por tus puntos de vista) como segunda opinión. Pero si eso es imposible, su consejo es hacer una segunda estimación tú mismo y tomar el promedio de tus dos estimaciones. Lo he intentado un par de veces con pruebas de conocimientos generales, y el 60% de las veces, la media de mis dos respuestas fue mejor que la estimación original.
La ventaja de no ir con la primera estimación de inmediato también tiene que ver con la diferencia entre el Sistema 1 y el Sistema 2 (para tomar prestadas las definiciones de Kahneman y Tversky). Para recordar, el Sistema 1 es un pensamiento más intuitivo, sin esfuerzo desarrollado hace miles de años (un sonido en el arbusto se interpreta rápidamente como la señal de un animal que se acerca y nos hace huir cuando podría ser simplemente el viento soplando entre los árboles). A menudo, optamos por la respuesta más destacada y fácil, sin querer poner más esfuerzo en pensar más profundamente. Así que al posponer tu decisión inmediata, reduces el riesgo de actuar impulsivamente y le das una oportunidad a tu Sistema 2.
8. Considera las predicciones de la multitud siempre y cuando sean independientes (no hay muchas hoy en día, dada la influencia de las redes sociales).
Hay una amplia evidencia de que las predicciones de la multitud a menudo son más correctas que las prediiciones individuales. Pero una condición esencial para ello es que los miembros del grupo hagan estimaciones de manera independiente entre sí. Supongamos que un miembro con estatus de autoridad hace su estimación primero y luego invita a otros a compartir sus opiniones. En ese caso, será difícil para los miembros menos experimentados discrepar con el jefe, y el resultado final coincidirá con la estimación original.
Esta idea sugiere que los mercados financieros (previsiones de la multitud) con frecuencia hacen predicciones sólidas sobre los rendimientos futuros. Sin embargo, los mercados se vuelven menos eficientes cuando los inversores dejan de pensar de manera independiente y surge una nueva manía.
9. Presta atención a cuánto tiempo falta para el evento que estás pronosticando
La mayoría de las personas no son sensibles al plazo tiempo del evento que están prediciendo. A menudo asignan una probabilidad similar cuando se les pregunta: "¿Cuál es la probabilidad de que un país detone un dispositivo nuclear antes del 31 de julio de 2023?" y "¿Cuál es la probabilidad de que un país detone un dispositivo nuclear antes del 31 de diciembre de 2026?". Aunque la probabilidad es muy baja en ambos casos, definitivamente es más alta en el segundo caso.
Además, a menudo las personas ni siquiera consideran el horizonte temporal. Al agregar la referencia temporal a la pregunta, puedes obtener una respuesta completamente diferente, pero poca gente presta atención a eso. Considera estas dos preguntas: "¿Quebrará Vodafone?" y "¿Quebrará Vodafone en los próximos dos años?". ¿Asignarías la misma probabilidad al evento en ambas preguntas?
La implicación práctica es que los inversores sobreestiman la probabilidad de que ocurran eventos a corto plazo y subestiman su probabilidad a largo plazo. En realidad, las cosas no cambian mucho a corto plazo. Mañana probablemente será igual que hoy. Sin embargo, las cosas pueden ser muy diferentes en diez o incluso cinco años.
10. Encuentra a tus superpronosticadores
Los expertos raros hacen predicciones consistentemente mejores. Un grupo de estos, llamados Superforecasters, superaron a los mejores analistas de inteligencia que tenían acceso a información clasificada durante una competición en un torneo descrito en el libro del profesor de Wharton, Philip Tetlock.
Se ha hablado mucho sobre el excepcional historial de un pequeño grupo de "Superinversores" y los beneficios de copiar sus ideas. Vale más la pena buscar inversiones menos conocidas que los "Superinversores" pasan por alto porque sus carteras son demasiado grandes y tienen que invertir en acciones más grandes y líquidas. Pero crear una lista de ideas basada en las carteras de inversores con el mejor historial y luego buscar una o dos ideas destacadas en esa lista es mucho mejor que buscar en un universo de decenas de miles de acciones cotizadas a nivel mundial.
11. Está listo para cambiar, no hagas públicas tus predicciones
Muchos expertos caen víctimas de su propio éxito, centrándose más en la atención de los medios que en los resultados reales. Tales expertos tienden a aferrarse a sus puntos de vista, enfatizando la lógica de sus argumentos más que el resultado final. Temen ser vistos como poco profesionales e indignos de confianza si cambian sus opiniones. Es esencial luchar contra el ego. Si no hay demasiado en juego y no haces públicas tus predicciones, puede ser más fácil cambiar tus puntos de vista a medida que se dispone de nueva información.
Stanley Druckenmiller, un asociado de mucho tiempo de George Soros y fundador de Duquesne Capital, enfatiza la importancia de permanecer con la mente abierta y estar listo para cambiar de opinión rápidamente. Es famoso por tener un lema: "fuertes convicciones, sostenidas ligeramente".
12. Utiliza listas de verificación y reglas
Los seres humanos tienden a carecer de consistencia en su juicio. La misma información puede ser interpretada de manera diferente por la misma persona según su experiencia más reciente, conversación reciente (que puede llevar al anclaje, por ejemplo), estado de ánimo (cuando estás de mal humor, tiendes a ser más escéptico y asignar una probabilidad más baja de éxito).
Las reglas no son perfectas y a menudo no funcionan. Pero porque conducen a un resultado más consistente, tienden a producir mejores resultados, en promedio, que sin seguir ninguna regla.
Una lista de verificación es imprescindible para los inversores. Creo que Warren Buffett también la utiliza, aunque puede que no la llame así. Algunas de las preguntas en su lista incluyen el número de años que la empresa ha estado operando (excluye todo con una historia corta), niveles de rentabilidad, deuda, sostenibilidad de la ventaja competitiva y calidad de la gestión. Las listas de verificación no pueden reemplazar el juicio humano, pero pueden ayudar a reducir el universo de acciones en el que enfocarse. Ocasionalmente, pueden recordarte un elemento importante que podrías haber olvidado.
Hablando de reglas, Morgan Housel, el autor de "The Psychology of Money", compartió una historia interesante sobre un inversor poco conocido en su último artículo.
"En 1981, Forbes se dio cuenta de que el inversor mejor clasificado de la década anterior era un hombre de 72 años llamado Edgerton Welch. Prácticamente nadie había oído hablar de él.
Forbes lo visitó. Welch dijo que nunca había oído hablar de Benjamin Graham y que no tenía educación formal en inversiones. Cuando le preguntaron cómo logró su éxito, Welch sacó una copia de ValueLine, una publicación que clasifica las acciones según su precio, y dijo que compraba las que estaban clasificadas como "1" (las más baratas) y que también eran del gusto de Merrill Lynch o E.F. Hutton. Cuando alguna de esas tres cambiaba de opinión, él vendía.
Forbes escribió: 'Su secreto no es el sistema, sino su propia consistencia'.
Muchas cosas funcionan de esa manera: la consistencia vence a la inteligencia, si solo fuera porque elimina la emoción de la ecuación."
13. Clasificación, no calificación
Estudios sugieren que los humanos son malos asignando valores/probabilidades precisos. Las personas utilizan diferentes escalas. Diferenciar entre una probabilidad del 60% y 70% es difícil para la mayoría. Clasificar eventos es más fácil (qué es más probable que suceda en lugar de cuál es la probabilidad de que este evento ocurra). Por esa razón, al considerar invertir en una empresa, es útil tener un grupo de comparación para evaluar su atractivo relativo. Esto podría explicar por qué muchos inversores exitosos son generalistas. Además, determinar un valor justo preciso para una acción puede no ser tan útil como identificar la empresa que se destaca del resto. Naturalmente, cuantas más empresas puedas comparar, más confiable será tu conclusión final.
Preguntas pendientes
Como mencioné anteriormente, esta no es la lista final. Hay algunas cuestiones en las que estoy pensando.
Atípicos. Incluir la tasa base en tu evaluación de probabilidad te llevará casi automáticamente a rechazar el próximo Google o Amazon. Según las estadísticas para startups, la mayoría fracasa, y menos del 0.1% se convierte en un negocio de billones de dólares. Sin embargo, como muestran varios estudios, los rendimientos de las acciones tienen una distribución sesgada negativamente, lo que significa que el rendimiento promedio del mercado de valores (7-10%) está desproporcionadamente influenciado por un pequeño grupo de atípicos que ofrecen rendimientos del 20% o más. Una empresa típica, por otro lado, logra rendimientos más cercanos al 2%.
Efecto Lindy. No he encontrado una prueba matemática real de este concepto, aunque algunos matemáticos hacen referencia a él. El efecto Lindy sugiere que un objeto no perecedero vivirá tantos años en el futuro como ha vivido hasta hoy. Por ejemplo, la mejor manera de prever cuánto tiempo seguirá siendo popular un libro es verificar cuántos años han pasado desde que se publicó. Un libro publicado hace solo un año es poco probable que siga siendo popular en cinco o incluso dos años, mientras que las historias de Agatha Christie o Arthur Conan Doyle seguirán siendo populares durante al menos otros 100-140 años.
El efecto Lindy favorece a las acciones de empresas antiguas como Coca-Cola. El riesgo de su muerte temprana (y pérdida de capital permanente) es bajo.
Más sobre el caso base. ¿Qué tan grande debería ser el conjunto de datos? ¿Deberíamos dar más peso a eventos más recientes (por ejemplo, en el último siglo, solo hubo cuatro pandemias, pero en los primeros 21 años del nuevo siglo, ya hemos experimentado cuatro pandemias, lo que implica una probabilidad aproximadamente 5 veces mayor)?
También creo que uno debe ser extremadamente cauteloso al tratar con eventos raros (casos base bajos) que pueden tener consecuencias enormes (por ejemplo, la invasión de Rusia a Ucrania). Si bien muchos Superforecasters asignaron una baja probabilidad a este evento basándose en datos pasados, las consecuencias de tal acción fueron dramáticas. La gran crisis financiera (2008) también fue estadísticamente un evento de baja probabilidad, pero tuvo un impacto masivo en los precios de los activos en todo el mundo.
Para abordar tales riesgos, he comenzado a evitar empresas apalancadas e intento mantener aproximadamente el 10% de mi cartera en efectivo. Un nivel de efectivo más alto arrastrará los rendimientos de la cartera a la baja durante un mercado fuerte; puedo tener un rendimiento inferior en 9 de cada 10 años. Sin embargo, cuando las cosas no van como se esperaba, el efectivo adicional no solo debería proteger la cartera de pérdidas pronunciadas, sino también proporcionar el polvo seco necesario para comprar grandes empresas a precios de ganga.
Distribución no normal. La predicción tiene muchas preguntas no resueltas, incluyendo eventos que no siguen una distribución normal. Aplicar casos base para predecir tales eventos en el futuro es equivocado.
Entender qué está incluido en el precio de las acciones. Hacer una predicción correcta es difícil, pero incluso si logras acertar, no puedes beneficiarte completamente de tu pronóstico preciso a menos que sepas qué está incluido en el precio de las acciones. Es probable que aciertes si apuestas que Coca-Cola es un negocio excelente y de alto rendimiento que continuará vendiendo sus productos en el siglo XXI. Pero ¿cuántos otros inversores piensan lo mismo, y si el precio de las acciones ya lo refleja? ¿Cuánto dinero ganarás con este pronóstico?
