Почему мы часто ошибаемся, когда ищем причины происходящего?

В книге «Решение проблемы неопределенности» Джон Дженнингс рассказывает о ментальных моделях, позволяющих принимать лучшие инвестиционные решения. Ментальные модели — это структурированные рамки, которые помогают ориентироваться в неопределенности и не реагировать на рыночный шум. 

Человеческий мозг устроен так, что мы не любим неопределённость. Нам хочется видеть мир предсказуемым, а события — логичными и поддающимися объяснению. Именно поэтому так привлекательны теории заговора: они дают ощущение контроля. Но не только приверженцы конспирологии попадают в ловушку ложных причинно-следственных связей. Один из самых известных примеров — эффект Хоторна. В 1920–1930-х годах профессор Гарварда Элтон Мэйо проводил исследования на фабрике Hawthorne Works. Он менял условия труда (освещение, перерывы, порядок на рабочих местах) и видел рост производительности. Однако она также повышалась, когда условия возвращались к прежним! Оказалось, что работники лучше работали просто из-за самого факта наблюдения за ними.

📚 Корреляция — не значит причинность
Иногда нам кажется, что две взаимосвязанные вещи имеют причинную связь, но это не так. Например, доходность S&P 500 коррелирует с производством сливочного масла в Бангладеш.
В медицине, чтобы доказать, что одно явление вызывает другое, используют рандомизированные клинические испытания. Но в экономике, инвестициях и других сложных сферах столько переменных, что установить истинную причинность крайне сложно. Именно поэтому важно избегать упрощённых интерпретаций.

📚 Регрессия к среднему — ещё один эффект, который обманывает нашу способность обнаруживать тенденции. Это статистический феномен, который объясняет, как за экстремальными показателями естественным образом следуют более типичные. Его можно наблюдать в различных контекстах. Например, у высоких родителей в среднем рождаются более низкие дети, а результаты спортсменов ухудшаются после пиковых достижений. В контексте инвестирования непонимание регрессии к среднему может привести к дорогостоящим ошибкам. Инвесторы часто гонятся за высокоэффективными фондами или активами, полагая, что они и дальше будут демонстрировать высокие результаты. Исследования, проведенные Йельской школой менеджмента и газетой The Wall Street Journal, показали, что высокие результаты деятельности фондов в прошлом не позволяют достоверно предсказать их успех в будущем.

📚 Осторожнее с маленькими выборками!
Чем меньше размер выборки, тем больше изменчивость данных. Например, среди сельских округов можно найти как самые высокие, так и самые низкие показатели заболеваемости раком почки. Почему? Просто потому, что там меньше людей, и статистика более вариативна. Поэтому, анализируя данные, важно учитывать их масштаб.

📚 Почему невероятное — не такое уж невероятное?
Допустим, вы приехали в отпуск в другой город и случайно встретили там своего соседа. Кажется невероятным совпадением? На самом деле — нет. По Закону чудес Литтлвуда, каждый человек сталкивается с чем-то «один на миллион» примерно раз в месяц. Мы просто не замечаем все обычные события, зато выделяем «чудеса». Этот эффект важен и в финансах. Например, крахи рынков или стихийные бедствия кажутся редкими, но на самом деле они происходят регулярно. Поэтому разумная стратегия — готовиться к неожиданностям: диверсифицировать инвестиции, учитывать риски, создавать финансовую подушку безопасности.

Больше идей — в нашем спринте