La importancia de la información que no ves, y su influencia en la toma de decisiones
Abraham Wald fue un matemático húngaro experto en análisis estadístico y econométrico, geometría y teoría de la decisión. En 1931 se doctoró en Matemáticas por la Universidad de Viena bajo los auspicios de Karl Menger (el hijo del famoso economista), pero pese a su brillantez nunca le dejaron acceder a un puesto universitario: era judío, y el gobierno austríaco pro-nazi de entonces no lo permitía. En 1938, temiendo por su vida, emigró a Estados Unidos, aprovechando una invitación de la Comisión Cowles para la Investigación Económica (cuna de numerosos premios Nobel de Economía).
Survival Bias
Un día, en plena Segunda Guerra Mundial, recibió una visita inesperada de unos representantes del servicio de análisis del ministerio de Defensa para pedirle consejo. En la reunión le enseñaron un gráfico parecido a éste:
Según le contaron, el Centro de Análisis Naval había hecho un estudio de los daños sufridos por las aeronaves que habían regresado de misiones bélicas: los puntos rojos reflejaban los impactos recibidos, y el objetivo era blindar las zonas de mayor probabilidad de daño para reforzar la seguridad de los pilotos minimizando los efectos sobre la estabilidad y la rapidez de los aviones. Blindar un avión para aumentar su resistencia al fuego de los cañones antiaéreos y aviones de caza enemigos, tiene como contrapartida un incremento de su peso, lo que incide negativamente en sus prestaciones. Por ello el blindaje integro no era una solución viable, pero la cuestión era si un considerable efecto protector ya podría obtenerse solo blindando determinadas zonas de los aviones. Porque a lo mejor gran parte de los derribos se debía a impactos de proyectiles en unas zonas muy concretas.
Los militares, que le propusieron distintas alternativas de refuerzo, se quedaron estupefactos cuando Wald les dijo que el gráfico había que interpretarlo justo al revés. En efecto, el estudio de Defensa sólo había tomado en consideración la muestra de aviones que habían sobrevivido a sus misiones, obviando todos aquellos que habían sido derribados y no habían regresado. Los agujeros del fuselaje eran por tanto zonas en las que los aviones podían permitirse recibir impactos y aun así regresar a salvo a la base, mientras que las zonas que aparecían intactas en los aviones de la muestra eran precisamente aquellas más críticas y cuyo impacto resultaba letal, por lo que eran las más susceptibles de refuerzo.
El trabajo de Wald no se publicó hasta 1980, si bien sus conclusiones fueron aplicadas por el ejército ya durante la Segunda Guerra Mundial y en conflictos posteriores. Y concretamente sus conclusiones acerca de las ubicaciones apropiadas para el blindaje han adquirido cierta notoriedad más allá de los círculos científicos, transformándose en una teoría de aplicación generalizada conocida como el “survivorship bias”, “sesgo de supervivencia” o “sesgo del superviviente”; un sesgo de selección derivado de considerar en un proceso sólo a las personas o elementos supervivientes, obviando la consideración de los desaparecidos por no ser observables en una muestra (que deja de ser representativa de la población). Se trata de un brillante ejemplo sobre de qué manera la generalización a partir de unas observaciones sesgadas puede distorsionar nuestra percepción de la realidad, en este caso hasta el punto de confundir las zonas más vulnerables precisamente con las menos vulnerables.
Sesgo de supervivencia y trading
Entre muchísimas aplicaciones, el sesgo también es conocido en el sector financiero, por ejemplo en los índices bursátiles selectivos, formados por las empresas de mayor valor bursátil de un mercado. El índice se ve lastrado por las caídas en bolsa de las compañías integradas en el mismo, pero solo hasta cierto punto: Si la bajada supone que la empresa pierde posiciones en el ranking de las más valiosas hasta salir del índice selectivo, lo que suceda con ella a partir de entonces ya no afectará al índice, aunque quiebre y pierda prácticamente todo su valor bursátil. Por tanto, la evolución de un índice selectivo en el último lustro suele ser más positiva que la evolución media ponderada de las compañías que lo formaron hace 5 años, al excluir las peores evoluciones.
En el caso particular de la psicología del trading, el sesgo de supervivencia se ve reflejado entre otras cosas en el análisis que hacemos de la eficacia de los trades. Cuando evaluamos estadísticamente un determinado set up, sólo tomamos en cuenta las oportunidades en las que ejecutamos el trade, y en base a eso construimos la estadística de eficacia y determinamos el margen de ganancia y pérdida. Sin embargo, eso implica que no estamos tomando en cuenta todas las veces que el mismo set up se presenta y no lo tomamos, bien sea porque dudamos o porque directamente no lo vemos. Evidentemente es técnicamente imposible detectar todas las veces que un determinado set up se presenta y menos aún, tradearlo. Pero podríamos deducir que en la medida en que nos enfoquemos en menos set ups, las probabilidades de que nuestras estadísticas consideren un universo mayor de casos respecto a los que presenta el mercado también se incrementan, haciendo que nuestras conclusiones se aproximen mejor a la realidad.
Siendo menos técnicos, quizás la presencia más impactante del sesgo de supervivencia la observemos en los traders nuevos o indisciplinados que no llevan estadísticas de su trabajo, y conforman sus criterios en función únicamente de elementos específicos obtenidos de información sesgada que no incluye a toda la muestra. Por ejemplo el que por obtener grandes ganancias en un trade, elige desechar todas las veces que ese patrón lo hizo perder, y asume ese set up como el ideal.
Al final del día, está en cada uno el elegir la manera en que quiere enfrentar el trading – y la vida – y el trabajo y la dedicación que esté dispuesto a asumir para llegar a sus objetivos.
Day Trader Latino 
Deja un comentario