Pregiudizio del look-ahead
Qual è il pregiudizio di previsione?
Il pregiudizio look-ahead si verifica utilizzando informazioni o dati in uno studio o una simulazione che non sarebbero stati conosciuti o disponibili durante il periodo analizzato. Ciò può portare a risultati imprecisi nello studio o nella simulazione. Ancora più importante, un pregiudizio di previsione può influenzare involontariamente i risultati della simulazione in linea con il risultato desiderato del test. Ciò porta economisti e analisti a riporre troppa fiducia nei loro modelli e nella capacità del modello di prevedere e mitigare eventi futuri. Gli investitori devono anche essere consapevoli del potenziale pregiudizio di previsione quando valutano particolari strategie di trading utilizzando dati passati.
Comprensione del pregiudizio previsionale
Il pregiudizio di previsione si verifica spesso in scenari "potrebbe avere", in cui un investitore o un altro professionista considera quale sia un'opportunità persa con il senno di poi. Quello che quella persona non riesce a capire è che ora sa di più guardando indietro rispetto a quando ha preso la decisione. Pertanto, potrebbe non essere saggio giudicare le loro o altre prestazioni passate troppo duramente in retrospettiva, soprattutto se mancavano informazioni chiave.
Se un investitore sta testando la performance di una strategia di trading,. è fondamentale che utilizzi solo le informazioni che sarebbero state disponibili al momento dell'operazione per evitare un pregiudizio di previsione. Ad esempio, se un'operazione viene simulata sulla base di informazioni che non erano disponibili al momento dell'operazione, ad esempio un numero di guadagni trimestrali che è stato rilasciato un mese dopo, diminuirà l'accuratezza della vera performance della strategia di trading e potenzialmente influenzerà il risultati a favore del risultato sperato.
Il pregiudizio previsionale e altri pregiudizi negli investimenti
Il pregiudizio previsionale è uno dei tanti pregiudizi che devono essere presi in considerazione durante l'esecuzione delle simulazioni. Altri bias comuni sono bias di selezione del campione, bias di periodo di tempo e bias di sopravvivenza. Tutti questi pregiudizi hanno il potenziale per influenzare i risultati della simulazione più in linea con il risultato desiderato della simulazione, poiché i parametri di input della simulazione possono essere selezionati in modo tale da favorire il risultato desiderato.
Come accennato, questi pregiudizi si vedono più chiaramente quando gli investitori guardano indietro all'anno. I titoli che hanno ottenuto buoni risultati durante l'anno possono ora essere ipercomprati partendo dal presupposto che faranno la stessa cosa l'anno successivo. Sebbene le performance passate influenzino le performance future, è importante che gli investitori esaminino attentamente i fondamentali della società poiché esiste sempre il rischio di sopravvalutazione.
Se prendessi i titoli con le migliori performance alla fine dell'anno e poi provassi a scegliere punti dati comuni che avevano all'inizio dell'anno, come l' intervallo del rapporto P/E in coda,. cadresti preda di uno sguardo- avanti perché guarderesti solo i titoli che sai hanno goduto di una crescita significativa piuttosto che tutti i titoli con un intervallo di rapporto P/E finale simile in quel momento. Non includendo l'intera gamma di azioni, finiresti con un'eccessiva fiducia nel rapporto P/E finale come misura chiave per prevedere l'apprezzamento futuro. Questo pregiudizio previsionale può essere corretto allargando il campione a tutti i titoli che soddisfano i tuoi criteri particolari all'inizio dell'anno e monitorando anche i loro risultati.
Mette in risalto
Una simulazione backtested con un bias look-ahead non mostrerà un risultato accurato. Pertanto, è necessaria un'attenta ricerca per determinare quali dati erano disponibili in quel momento.
Uno sguardo al futuro distorce i risultati e porta a un'eccessiva fiducia nei modelli e in altri framework costruiti sulla base dei risultati distorti.
Il pregiudizio look-ahead è quando i dati che non erano prontamente disponibili in quel momento vengono utilizzati in una simulazione di quel periodo di tempo.
