EL INMENSO VALOR DE LA SIMPLICIDAD PARA EL INVERSOR
Quiet Investment
in Cultura Financiera, Finanzas, Opinión y Actualidad, Principios de Inversión
05/03/2021
EL INMENSO VALOR DE LA SIMPLICIDAD PARA EL INVERSOR
El inversor vive ahogado en un océano de información. No obstante, recordemos del post anterior que existía una interesante tendencia general a que más información llevara a una mayor confianza y, finalmente, a un exceso de confianza, pero no necesariamente a una mayor precisión. Es decir, la cantidad de información disponible afecta a nuestra confianza más que a nuestra precisión. Dicho de otra manera, paradójicamente más información simplemente conduce a un exceso de confianza.
Aquí entran en juego varios factores. El primero es el sesgo de confirmación. Esto hace que recopilemos inconscientemente información que esté de acuerdo con nuestra decisión original y descartemos la información que no esté de acuerdo con esa decisión. Cuando se nos presentan nuevos datos, tendemos a no cambiar de opinión incluso si los datos adicionales lo justifican. Otro factor es la falacia narrativa de Taleb. Ponderamos la información adicional en el grado en que la percibimos como coherente en la narrativa que hemos construido. Si encaja en la historia, está incluido. Si no es así, se ignora. La nueva evidencia incluida en la historia existente tiende a corroborar la historia, por lo que tenemos cada vez más confianza en que la historia es precisa.
Las implicaciones de todo lo anterior para los inversores son obvias. La decisión de comprar una acción o no es una decisión sobre un evento futuro incierto. Recopilar cada vez más información sobre una acción no mejorará la precisión de nuestra decisión de compra o no tanto como, en cambio, aumentará nuestra confianza en la decisión. Acumular datos adicionales nos hace sentir bien, pero no mejora los resultados de nuestras inversiones. El mejor enfoque es mantener una estrategia austera, esto es, vigilar solo los datos más importantes. Pero esto es más difícil de lo que parece.
Como inversores, deberíamos favorecer la simplicidad sobre la complejidad, pero como seres humanos parecemos destinados a preferir la complejidad desde el punto de vista del comportamiento. En su libro de 1977, How Real Is Real?, Paul Watzlawick, un psicólogo y filósofo austriaco-estadounidense, realizó un estudio en el que se pide a dos sujetos, A y B, que formulen, mediante ensayo y error, reglas para distinguir entre células sanas y enfermas, según se las iban mostrando. Ambos estaban sentados frente a una pantalla de proyección, pero no se podían ver ni comunicarse. Se les mostraban imágenes de células, algunas sanas y otras enfermas, y se les pedía que determinaran cuál era cuál. Delante de cada sujeto había dos botones marcados como “Sano” y “Enfermo” y dos luces marcadas como “Correcto” e “Incorrecto.” Cada vez que se mostraba una célula, debían presionar un botón y una de las luces parpadeaba para indicar si la suposición era correcta o no.
El sujeto A recibía retroalimentación real, pero el sujeto B no. Las luces de A le decían si su suposición era correcta o incorrecta. La retroalimentación del sujeto B no se basaba, en cambio, en sus propias conjeturas, sino en las de A. No importaba lo que decidía sobre una diapositiva en particular; se le decía que tenía “razón” si A adivinaba bien, y que estaba “equivocado” si A adivinaba mal. B no lo sabía. Se le había instruido acerca de que existía una manera de hacer la distinción entre las dos células, que tenía que descubrir ese método y que podía hacerlo haciendo conjeturas y averiguando si tenía razón o no. En realidad, estaba buscando patrones y reglas donde no había ninguno que pudiera descubrir.
A los sujetos A y B se les pedía finalmente que discutieran sus reglas para distinguir entre células sanas y enfermas. Las explicaciones del sujeto A eran simples y concretas, pero las de B son sutiles y complejas porque B se había visto obligado a basar sus reglas en conjeturas débiles e inconsistentes. Lo sorprendente es que A no consideraba que las explicaciones de B eran demasiado complejas o ilógicas, sino que estaba impresionado por su sofisticación. El sujeto A tendía a sentir que sus reglas eran inferiores porque eran muy simples. Y cuanto más complejo era el método de B, más probable es que convenciera a A. En el transcurso del primer experimento, la mayoría de los sujetos A aprendían a distinguir las células sanas de las enfermas con buena precisión, acertando aproximadamente el 80% de las veces. Aún más sorprendente fue lo siguiente: después de escuchar las explicaciones excesivamente complicadas de B, la precisión de A caía significativamente porque trataba de incorporar las reglas más complejas de B en sus propias reglas. La moraleja de la historia es que deberíamos preferir modelos más simples a modelos más complejos, pero no podemos evitarlo. De hecho, preferimos la complejidad.
Esto también es válido para los expertos. Existen abundantes investigaciones que muestran que los modelos simples superan los juicios de los expertos, incluso cuando esos expertos tienen acceso a los modelos. Esto significa que los expertos, al ejercer su experiencia, en realidad están restando valor a la precisión del modelo. La razón es que los modelos tienen una tasa de error histórica conocida y, en cambio, los expertos sufren los mismos sesgos de comportamiento que el resto de nosotros. Jugar con salirse del modelo da a esos sesgos la oportunidad de expresarse en los resultados. Estudio tras estudio encuentra que el modelo es el techo de rendimiento al cual la discrecionalidad el experto resta, en lugar del suelo al cual el experto suma. Dicen, no sin razón, que un poco de conocimiento puede ser peligroso. Es curioso cómo a menudo son las acciones más controvertidas, las más odiadas por los inversores, las que generan los mejores rendimientos.
Sabiendo todo esto debemos abordar un punto clave en la puesta en práctica de una estrategia cuantitativa de valor: los problemas asociados a los back testing que confirmen o no que esa estrategia funcionó en el pasado y que puede seguir funcionando en el futuro.
@mellizonomics & @quietinvestment
Fuente original: Quantitative Value, Tobias E. Carlisle & Wesley R. Gray
