Traduttore: Ivana Krivokuća Revisore: Carlos Arturo Morales
Come prendere buone decisioni?
Se apri un libro sulla scelta razionale,
leggerete probabilmente il seguente messaggio:
guarda prima di saltare, analizza prima di agire.
Elenca tutte le alternative, tutte le conseguenze,
e stimare le utilità e fare il calcolo.
Questo è un bellissimo schema matematico,
ma non descrive come la maggior parte delle persone effettivamente prende decisioni.
E nemmeno come quelli che scrivono questi libri prendono decisioni,
come illustra la seguente storia.
Un professore della Columbia University aveva un’offerta da un’università rivale,
e non riusciva a decidere se accettare, rifiutare, andare o restare.
Un collega lo prese da parte e disse: “Qual è il problema?
Basta massimizzare la tua utilità prevista! Scrivi sempre di fare questo! “
Esasperato, il professore rispose: “Dai, questo è serio”.
(Risata)
Il metodo di elencare pro e contro e fare il calcolo è vecchio.
Benjamin Franklin, una volta in una lettera a suo nipote, ha raccomandato esattamente questo.
Elenco di tutti i pro e contro, quindi ponderazione e aggiunta.
E alla fine della sua lettera, ha scritto quanto segue:
“Se non lo impari, temo che non ti sposerai mai.”
(Risata)
Hai scelto il tuo partner con un calcolo?
Ho chiesto ai miei amici che insegnano questo metodo come unico metodo di scelta razionale
come hanno scelto il loro partner se avessero avuto scelta.
(Risata)
Tutti hanno detto “No, no, no”.
C’è stata un’eccezione.
E lui mi ha detto che ha applicato la sua teoria.
Mi ha spiegato che ha elencato tutte le alternative,
tutte le conseguenze.
Ad esempio, mi parlerà ancora dopo essere stata sposata?
Si prenderà cura dei bambini e mi permetterà di lavorare in pace?
E poi ha stimato per ognuna di queste donne
la probabilità che si verifichi effettivamente.
E lo ha moltiplicato per le utilità e fatto il calcolo.
Poi ha proposto alla donna con la più alta utilità attesa.
Lei ha accettato.
Non le ha mai detto come l’aveva scelta.
(Risata)
L’ho incontrato di recente. Ora sono divorziati.
Parlerò oggi di due modi di prendere decisioni.
Uno è quello che viene insegnato nel mondo accademico;
ha molti nomi:
Metodo di contabilità di Benjamin Franklin o teoria dell’utilità attesa.
E questo è un metodo che funziona in un mondo di rischi,
cioè, quando le probabilità,
le conseguenze e le alternative sono note.
Qui, il pensiero statistico è sufficiente.
Un esempio chiave sono le lotterie o se giochi al casinò.
Quindi puoi calcolare quanto perderai.
In un mondo diverso, il mondo dell’incertezza,
il calcolo non è abbastanza
Hai bisogno di regole empiriche intelligenti, che sono tecnicamente chiamate euristiche,
e buone intuizioni, anch’esse basate su regole empiriche intelligenti.
Parlerò oggi
sul processo decisionale in condizioni di incertezza
e anche sui pericoli
di usare sistemi che funzionano per il rischio noto
e applicandoli al mondo dell’incertezza.
Scelte tra due lavori o tra partner
sono tutti nel mondo dell’incertezza.
Non puoi calcolare tutto, non sai le conseguenze,
e ci saranno sorprese.
Farò quattro punti
e quindi illustrarli con due esempi.
Innanzitutto, la migliore decisione a rischio
non è la migliore decisione in condizioni di incertezza.
Secondo, l’euristica di cui hai bisogno
per prendere buone decisioni nell’incertezza
sono indispensabili per un buon processo decisionale.
Non sono, come è spesso sostenuto,
un segno di una sorta di ritardo mentale
o solo di pigrizia mentale.
In terzo luogo, problemi complessi
non richiedono sempre soluzioni complesse,
e questo è di nuovo nel mondo dell’incertezza.
E infine, più informazioni,
più calcolo, più tempo non è sempre meglio.
Meno può essere di più.
Andiamo al primo esempio.
Questo è lo sport
Come fa un centrocampista a prendere una palla volante?
Nel baseball, nel cricket,
o forse nel calcio, dove il portiere deve ottenerlo.
Come fa a sapere dove dirigere?
Ci sono due teorie su questo.
Uno è che è un problema complesso, hai bisogno di complessi processi mentali,
e l’altro è che è un problema complesso in condizioni di incertezza,
e devi trovare un metodo semplice per questo.
Cerchiamo il primo.
Richard Dawkins, nel suo famoso libro “The Selfish Genes”,
ha proposto il metodo complesso.
Quindi cosa fa il giocatore dell’area outfielder? Lui o lei calcola la traiettoria.
Hai mai calcolato una traiettoria?
(Risata)
Ok, questo è quello che fai?
(Risata)
E questa formula non ha nemmeno il vento o lo spin, quindi non è abbastanza.
Ma cos’altro potrebbe essere?
Quello che vedi qui è l’idea da applicare
una teoria che funziona se sai tutto,
come sotto il rischio noto, al mondo dell’incertezza.
L’idea chiave è che tu dici “Oh, si comporta come se” – “
e Dawkins mette “come se” –
il giocatore lo calcolerebbe.
Qual è l’alternativa? Come fanno i giocatori veri a prendere una palla?
Questa è la mia domanda.
E un certo numero di esperimenti mostra
che i giocatori reali usano un certo numero di euristiche semplici.
Te ne mostrerò uno
Questo funziona quando la palla è già in alto nell’aria.
Si chiama lo sguardo euristico.
Ha tre passaggi.
In primo luogo, fissi il tuo occhio sulla palla, inizia a correre,
e infine, regolare la velocità di marcia
in modo che l’angolo dello sguardo rimanga costante.
Questo giocatore qui fa esattamente questo.
Corre in modo che l’angolo di sguardo rimanga costante,
e questo lo porta là dove atterrerà la palla.
Vuoi vederlo di nuovo? Ecco qui.
Importante: il giocatore può ignorare per stimare o calcolare
ogni variabile necessaria per stimare la traiettoria.
Tutti.
È un’euristica che appartiene a una famiglia di euristiche
che guarda solo una buona ragione.
E poi ci arrivi.
Troverai la stessa euristica nella storia evolutiva,
quindi uccelli e pesci,
quando cacciano una preda o un compagno –
che a volte non è così diverso –
mantengono l’angolo ottico costante nello spazio tridimensionale,
e questo è abbastanza
Nessuna correlazione traiettoria.
Questa euristica è usata dai giocatori inconsciamente.
Se hai mai intervistato un giocatore
e gli ho chiesto come sta facendo così bene, quindi hai “intuizione”.
Ed è intuizione,
il che significa che la persona sa cosa fare, ma non sa perché.
Ma come funziona questa intuizione?
Come vedi qui, funziona con regole semplici.
La stessa regola può essere usata deliberatamente.
Ogni regola che abbiamo studiato può essere usata deliberatamente,
e questo è molto diverso da quello che potresti sentire
in alcune affermazioni sul processo decisionale
che pensano che l’euristica sia inconscia,
e il pensiero statistico è cosciente.
Non crederci.
Ecco un esempio.
Ricorda il miracolo del fiume Hudson?
Cosa era successo?
Un aereo ha colpito poco dopo il decollo
una formazione di oche canadesi.
Hanno volato su entrambi i motori e messo a tacere entrambi i motori.
I piloti si voltarono
per vedere se potevano tornare all’aeroporto La Guardia,
o avrebbero dovuto fare qualcosa di più rischioso, come il fiume Hudson.
Come hanno preso questa decisione?
Hanno fatto i calcoli? Non hanno avuto molto tempo.
Hanno usato la stessa euristica, ora deliberatamente, lo sguardo euristico.
Come funziona in questo caso?
Fissate la torre attraverso il parabrezza –
questo è quello che hanno fatto i piloti –
e se la torre si sta lentamente spostando verso l’alto, non ce la farai.
E questo è esattamente quello che dice Jeffrey Skiles, il co-pilota, in altre parole.
Ecco un’altra istanza in cui l’euristica può aiutarci a creare un mondo più sicuro,
e le decisioni sono fatte molto velocemente.
La mia seconda illustrazione è il mondo della finanza.
Sappiamo ora che la teoria della finanza
è parte del problema,
o faceva parte del problema della crisi finanziaria, non la sua soluzione.
Perché? Perché è una teoria sul rischio noto,
ed è applicato al mondo dell’incertezza,
e suggerisce certezze illusorie.
Calcoli di valore, di rischio e quel genere di cose.
Ti darò un esempio.
Supponi di voler investire denaro,
e tu non vuoi mettere tutto in un paniere,
ma tu vuoi diversificare.
Ma come?
Harry Markowitz, dell’Università di Chicago,
ha ottenuto il suo premio Nobel per aver trovato la soluzione.
Quando Harry Markowitz ha fatto i suoi investimenti
per il tempo dopo il suo ritiro,
ha usato il suo metodo di ottimizzazione vincente del premio Nobel.
Quindi potremmo pensare. No non l’ha fatto.
Ha fatto affidamento su una semplice euristica che chiamiamo 1 / N.
Dividi le tue risorse allo stesso modo.
Ad esempio, se hai solo due alternative,
dividi i tuoi soldi 50-50 e così via.
La domanda interessante è quanto è buona questa semplice euristica
che non ha bisogno di molti calcoli nel mondo reale degli investimenti,
al contrario della teoria dell’investimento?
Uno studio di DeMiguel et al. guardato quello
e ha dato il complesso metodo vincente del premio Nobel
10 anni di dati per stimare i suoi parametri,
e poi per stimare cosa sta succedendo nei mesi successivi.
La finestra non è stata spostata finché non sono rimasti dati.
Qual’era il risultato?
Secondo le misure comuni, 1 / N ha fatto più soldi
rispetto al modello di varianza media vincitore del premio Nobel.
La domanda interessante è ora
non solo per mostrare che qualcosa di più semplice fa qualcosa di meglio,
ma la vera domanda è, possiamo identificare il mondo
dove la semplicità paga o dove paga il calcolo complesso?
Ti mostrerò qui tre caratteristiche di questo mondo
dove 1 / N supera la media-varianza,
o almeno molto probabilmente supera la media-varianza.
Una caratteristica è l’incertezza predittiva è grande – questo è il caso con le scorte.
Il secondo è il numero di alternative è grande,
e puoi vedere questo perché i metodi complessi
bisogno di stimare più parametri,
1 / N non,
e quindi generare più errori.
E infine, il campione di apprendimento è piccolo; erano 10 anni.
Ora si può fare la seguente domanda:
se avessi 50 alternative, quanti anni di dati ho bisogno
quindi la varianza media in realtà migliora di 1 / N?
Cosa ne pensi?
Dieci anni sono troppo piccoli. Undici? Dodici?
La stima migliore è di 500 anni.
Quindi nell’anno 2500,
possiamo passare dalle nostre intuizioni, 1 / N,
fare i calcoli,
a condizione che le stesse azioni siano ancora presenti nel mercato azionario
innanzitutto.
Le nostre banche lo capiscono? No.
Recentemente ho ricevuto una lettera dalla mia banca internet che diceva:
“Con la strategia vincitrice del premio Nobel per il successo negli investimenti”.
E poi ho letto,
“Conosci Harry Markowitz? No? Dovresti conoscerlo.”
E poi è stata raccontata una storia
che ha vinto il premio Nobel per risolvere il problema
e la banca ha ora adottato il suo metodo,
e c’era un avvertimento sulle intuizioni della gente.
Quello che questa banca non ha capito è
che hanno mandato la lettera 500 anni troppo presto.
(Risata)
Questa è la mia seconda illustrazione
sul potere delle semplici regole in un mondo incerto,
e anche sul danno che può accadere
quando ti affidi a metodi che funzionano molto bene a rischio,
ma applicali ciecamente al mondo reale.
Chiedi alla tua banca cosa usano.
Questo non è solo un one-shot è mostrato da questa diapositiva.
Ci sono 20 studi e quello che vedi qui –
abbiamo un modello di ottimizzazione che è ampiamente utilizzato regressione multipla,
e abbiamo tre euristiche.
Il minimalista è troppo semplice. Seleziona qualcosa a caso.
Le altre due euristiche hanno una filosofia diversa.
Sai già 1 / N, butti via i pesi e lo fai ugualmente.
Una buona ragione
è un euristico che va con la prima buona ragione che può trovare,
e poi è lì.
Non entrerò nei dettagli, sono tutti studiati matematicamente,
e quello che vedi qui è qualcosa di importante.
Quando conosci già tutti i dati,
questo si chiama fitting,
allora il modello complesso è il migliore.
Quindi puoi, sei abbastanza flessibile e spieghi il senno di poi.
Quando devi pronosticare, succede qualcosa di interessante;
è un crossover.
Ognuna delle semplificazioni è più accurata,
non solo più frugale e più veloce.
Questa condizione è come il senno di poi.
Ad esempio, sento spesso alla radio
viene chiesto un consulente finanziario
perché Microsoft è andato giù ieri,
e ha sempre una risposta.
Questo è il senno di poi.
Se ti venisse chiesto se Microsoft andrà su o giù domani,
quella sarebbe predizione.
E la previsione è difficile.
Questa è un’illustrazione.
Fammi avere il quadro generale.
Quello che stiamo studiando al Max Planck Institute
è come fanno le persone e dovrebbero le persone prendere decisioni in condizioni di incertezza,
e la prima domanda è descrittiva:
cosa c’è nella toolbox adattiva?
Ci sono molte altre euristiche che non posso dirti oggi,
e molta euristica sociale.
Quindi, le persone si fidano del loro medico,
e lo studio della razionalità ecologica pone la domanda:
in che situazione è questa una buona idea e quando no?
Se il tuo medico conosce le prove mediche,
non ha conflitti di interesse e non prende decisioni difensive –
ha paura che tu possa trasformarti in querelante
questa è una buona idea.
Ma questo non è il caso nella maggior parte dei paesi.
La maggior parte dei medici – abbiamo studi – non conosce le prove,
hanno conflitti di interesse e fanno un processo decisionale difensivo.
E infine, come creare situazioni, ambienti e anche strategie
sono intuitivi e aiutano le persone a prendere decisioni migliori?
Lasciami finire.
Il processo decisionale in condizioni di incertezza è diverso
dal processo decisionale a rischio,
e l’euristica non sono le seconde strategie migliori, che spesso ascoltiamo.
Possono fare meglio delle strategie di ottimizzazione
in un mondo di incertezza, non in un mondo di rischi.
E infine, più informazioni, più tempo e più calcoli
non è sempre meglio
Meno può essere di più.
Grazie per l’attenzione.
(Applausi)
Come prendere buone decisioni?
Se apri un libro sulla scelta razionale,
leggerete probabilmente il seguente messaggio:
guarda prima di saltare, analizza prima di agire.
Elenca tutte le alternative, tutte le conseguenze,
e stimare le utilità e fare il calcolo.
Questo è un bellissimo schema matematico,
ma non descrive come la maggior parte delle persone effettivamente prende decisioni.
E nemmeno come quelli che scrivono questi libri prendono decisioni,
come illustra la seguente storia.
Un professore della Columbia University aveva un’offerta da un’università rivale,
e non riusciva a decidere se accettare, rifiutare, andare o restare.
Un collega lo prese da parte e disse: “Qual è il problema?
Basta massimizzare la tua utilità prevista! Scrivi sempre di fare questo! “
Esasperato, il professore rispose: “Dai, questo è serio”.
(Risata)
Il metodo di elencare pro e contro e fare il calcolo è vecchio.
Benjamin Franklin, una volta in una lettera a suo nipote, ha raccomandato esattamente questo.
Elenco di tutti i pro e contro, quindi ponderazione e aggiunta.
E alla fine della sua lettera, ha scritto quanto segue:
“Se non lo impari, temo che non ti sposerai mai.”
(Risata)
Hai scelto il tuo partner con un calcolo?
Ho chiesto ai miei amici che insegnano questo metodo come unico metodo di scelta razionale
come hanno scelto il loro partner se avessero avuto scelta.
(Risata)
Tutti hanno detto “No, no, no”.
C’è stata un’eccezione.
E lui mi ha detto che ha applicato la sua teoria.
Mi ha spiegato che ha elencato tutte le alternative,
tutte le conseguenze.
Ad esempio, mi parlerà ancora dopo essere stata sposata?
Si prenderà cura dei bambini e mi permetterà di lavorare in pace?
E poi ha stimato per ognuna di queste donne
la probabilità che si verifichi effettivamente.
E lo ha moltiplicato per le utilità e fatto il calcolo.
Poi ha proposto alla donna con la più alta utilità attesa.
Lei ha accettato.
Non le ha mai detto come l’aveva scelta.
(Risata)
L’ho incontrato di recente. Ora sono divorziati.
Parlerò oggi di due modi di prendere decisioni.
Uno è quello che viene insegnato nel mondo accademico;
ha molti nomi:
Metodo di contabilità di Benjamin Franklin o teoria dell’utilità attesa.
E questo è un metodo che funziona in un mondo di rischi,
cioè, quando le probabilità,
le conseguenze e le alternative sono note.
Qui, il pensiero statistico è sufficiente.
Un esempio chiave sono le lotterie o se giochi al casinò.
Quindi puoi calcolare quanto perderai.
In un mondo diverso, il mondo dell’incertezza,
il calcolo non è abbastanza
Hai bisogno di regole empiriche intelligenti, che sono tecnicamente chiamate euristiche,
e buone intuizioni, anch’esse basate su regole empiriche intelligenti.
Parlerò oggi
sul processo decisionale in condizioni di incertezza
e anche sui pericoli
di usare sistemi che funzionano per il rischio noto
e applicandoli al mondo dell’incertezza.
Scelte tra due lavori o tra partner
sono tutti nel mondo dell’incertezza.
Non puoi calcolare tutto, non sai le conseguenze,
e ci saranno sorprese.
Farò quattro punti
e quindi illustrarli con due esempi.
Innanzitutto, la migliore decisione a rischio
non è la migliore decisione in condizioni di incertezza.
Secondo, l’euristica di cui hai bisogno
per prendere buone decisioni nell’incertezza
sono indispensabili per un buon processo decisionale.
Non sono, come è spesso sostenuto,
un segno di una sorta di ritardo mentale
o solo di pigrizia mentale.
In terzo luogo, problemi complessi
non richiedono sempre soluzioni complesse,
e questo è di nuovo nel mondo dell’incertezza.
E infine, più informazioni,
più calcolo, più tempo non è sempre meglio.
Meno può essere di più.
Andiamo al primo esempio.
Questo è lo sport
Come fa un centrocampista a prendere una palla volante?
Nel baseball, nel cricket,
o forse nel calcio, dove il portiere deve ottenerlo.
Come fa a sapere dove dirigere?
Ci sono due teorie su questo.
Uno è che è un problema complesso, hai bisogno di complessi processi mentali,
e l’altro è che è un problema complesso in condizioni di incertezza,
e devi trovare un metodo semplice per questo.
Cerchiamo il primo.
Richard Dawkins, nel suo famoso libro “The Selfish Genes”,
ha proposto il metodo complesso.
Quindi cosa fa il giocatore dell’area outfielder? Lui o lei calcola la traiettoria.
Hai mai calcolato una traiettoria?
(Risata)
Ok, questo è quello che fai?
(Risata)
E questa formula non ha nemmeno il vento o lo spin, quindi non è abbastanza.
Ma cos’altro potrebbe essere?
Quello che vedi qui è l’idea da applicare
una teoria che funziona se sai tutto,
come sotto il rischio noto, al mondo dell’incertezza.
L’idea chiave è che tu dici “Oh, si comporta come se” – “
e Dawkins mette “come se” –
il giocatore lo calcolerebbe.
Qual è l’alternativa? Come fanno i giocatori veri a prendere una palla?
Questa è la mia domanda.
E un certo numero di esperimenti mostra
che i giocatori reali usano un certo numero di euristiche semplici.
Te ne mostrerò uno
Questo funziona quando la palla è già in alto nell’aria.
Si chiama lo sguardo euristico.
Ha tre passaggi.
In primo luogo, fissi il tuo occhio sulla palla, inizia a correre,
e infine, regolare la velocità di marcia
in modo che l’angolo dello sguardo rimanga costante.
Questo giocatore qui fa esattamente questo.
Corre in modo che l’angolo di sguardo rimanga costante,
e questo lo porta là dove atterrerà la palla.
Vuoi vederlo di nuovo? Ecco qui.
Importante: il giocatore può ignorare per stimare o calcolare
ogni variabile necessaria per stimare la traiettoria.
Tutti.
È un’euristica che appartiene a una famiglia di euristiche
che guarda solo una buona ragione.
E poi ci arrivi.
Troverai la stessa euristica nella storia evolutiva,
quindi uccelli e pesci,
quando cacciano una preda o un compagno –
che a volte non è così diverso –
mantengono l’angolo ottico costante nello spazio tridimensionale,
e questo è abbastanza
Nessuna correlazione traiettoria.
Questa euristica è usata dai giocatori inconsciamente.
Se hai mai intervistato un giocatore
e gli ho chiesto come sta facendo così bene, quindi hai “intuizione”.
Ed è intuizione,
il che significa che la persona sa cosa fare, ma non sa perché.
Ma come funziona questa intuizione?
Come vedi qui, funziona con regole semplici.
La stessa regola può essere usata deliberatamente.
Ogni regola che abbiamo studiato può essere usata deliberatamente,
e questo è molto diverso da quello che potresti sentire
in alcune affermazioni sul processo decisionale
che pensano che l’euristica sia inconscia,
e il pensiero statistico è cosciente.
Non crederci.
Ecco un esempio.
Ricorda il miracolo del fiume Hudson?
Cosa era successo?
Un aereo ha colpito poco dopo il decollo
una formazione di oche canadesi.
Hanno volato su entrambi i motori e messo a tacere entrambi i motori.
I piloti si voltarono
per vedere se potevano tornare all’aeroporto La Guardia,
o avrebbero dovuto fare qualcosa di più rischioso, come il fiume Hudson.
Come hanno preso questa decisione?
Hanno fatto i calcoli? Non hanno avuto molto tempo.
Hanno usato la stessa euristica, ora deliberatamente, lo sguardo euristico.
Come funziona in questo caso?
Fissate la torre attraverso il parabrezza –
questo è quello che hanno fatto i piloti –
e se la torre si sta lentamente spostando verso l’alto, non ce la farai.
E questo è esattamente quello che dice Jeffrey Skiles, il co-pilota, in altre parole.
Ecco un’altra istanza in cui l’euristica può aiutarci a creare un mondo più sicuro,
e le decisioni sono fatte molto velocemente.
La mia seconda illustrazione è il mondo della finanza.
Sappiamo ora che la teoria della finanza
è parte del problema,
o faceva parte del problema della crisi finanziaria, non la sua soluzione.
Perché? Perché è una teoria sul rischio noto,
ed è applicato al mondo dell’incertezza,
e suggerisce certezze illusorie.
Calcoli di valore, di rischio e quel genere di cose.
Ti darò un esempio.
Supponi di voler investire denaro,
e tu non vuoi mettere tutto in un paniere,
ma tu vuoi diversificare.
Ma come?
Harry Markowitz, dell’Università di Chicago,
ha ottenuto il suo premio Nobel per aver trovato la soluzione.
Quando Harry Markowitz ha fatto i suoi investimenti
per il tempo dopo il suo ritiro,
ha usato il suo metodo di ottimizzazione vincente del premio Nobel.
Quindi potremmo pensare. No non l’ha fatto.
Ha fatto affidamento su una semplice euristica che chiamiamo 1 / N.
Dividi le tue risorse allo stesso modo.
Ad esempio, se hai solo due alternative,
dividi i tuoi soldi 50-50 e così via.
La domanda interessante è quanto è buona questa semplice euristica
che non ha bisogno di molti calcoli nel mondo reale degli investimenti,
al contrario della teoria dell’investimento?
Uno studio di DeMiguel et al. guardato quello
e ha dato il complesso metodo vincente del premio Nobel
10 anni di dati per stimare i suoi parametri,
e poi per stimare cosa sta succedendo nei mesi successivi.
La finestra non è stata spostata finché non sono rimasti dati.
Qual’era il risultato?
Secondo le misure comuni, 1 / N ha fatto più soldi
rispetto al modello di varianza media vincitore del premio Nobel.
La domanda interessante è ora
non solo per mostrare che qualcosa di più semplice fa qualcosa di meglio,
ma la vera domanda è, possiamo identificare il mondo
dove la semplicità paga o dove paga il calcolo complesso?
Ti mostrerò qui tre caratteristiche di questo mondo
dove 1 / N supera la media-varianza,
o almeno molto probabilmente supera la media-varianza.
Una caratteristica è l’incertezza predittiva è grande – questo è il caso con le scorte.
Il secondo è il numero di alternative è grande,
e puoi vedere questo perché i metodi complessi
bisogno di stimare più parametri,
1 / N non,
e quindi generare più errori.
E infine, il campione di apprendimento è piccolo; erano 10 anni.
Ora si può fare la seguente domanda:
se avessi 50 alternative, quanti anni di dati ho bisogno
quindi la varianza media in realtà migliora di 1 / N?
Cosa ne pensi?
Dieci anni sono troppo piccoli. Undici? Dodici?
La stima migliore è di 500 anni.
Quindi nell’anno 2500,
possiamo passare dalle nostre intuizioni, 1 / N,
fare i calcoli,
a condizione che le stesse azioni siano ancora presenti nel mercato azionario
innanzitutto.
Le nostre banche lo capiscono? No.
Recentemente ho ricevuto una lettera dalla mia banca internet che diceva:
“Con la strategia vincitrice del premio Nobel per il successo negli investimenti”.
E poi ho letto,
“Conosci Harry Markowitz? No? Dovresti conoscerlo.”
E poi è stata raccontata una storia
che ha vinto il premio Nobel per risolvere il problema
e la banca ha ora adottato il suo metodo,
e c’era un avvertimento sulle intuizioni della gente.
Quello che questa banca non ha capito è
che hanno mandato la lettera 500 anni troppo presto.
(Risata)
Questa è la mia seconda illustrazione
sul potere delle semplici regole in un mondo incerto,
e anche sul danno che può accadere
quando ti affidi a metodi che funzionano molto bene a rischio,
ma applicali ciecamente al mondo reale.
Chiedi alla tua banca cosa usano.
Questo non è solo un one-shot è mostrato da questa diapositiva.
Ci sono 20 studi e quello che vedi qui –
abbiamo un modello di ottimizzazione che è ampiamente utilizzato regressione multipla,
e abbiamo tre euristiche.
Il minimalista è troppo semplice. Seleziona qualcosa a caso.
Le altre due euristiche hanno una filosofia diversa.
Sai già 1 / N, butti via i pesi e lo fai ugualmente.
Una buona ragione
è un euristico che va con la prima buona ragione che può trovare,
e poi è lì.
Non entrerò nei dettagli, sono tutti studiati matematicamente,
e quello che vedi qui è qualcosa di importante.
Quando conosci già tutti i dati,
questo si chiama fitting,
allora il modello complesso è il migliore.
Quindi puoi, sei abbastanza flessibile e spieghi il senno di poi.
Quando devi pronosticare, succede qualcosa di interessante;
è un crossover.
Ognuna delle semplificazioni è più accurata,
non solo più frugale e più veloce.
Questa condizione è come il senno di poi.
Ad esempio, sento spesso alla radio
viene chiesto un consulente finanziario
perché Microsoft è andato giù ieri,
e ha sempre una risposta.
Questo è il senno di poi.
Se ti venisse chiesto se Microsoft andrà su o giù domani,
quella sarebbe predizione.
E la previsione è difficile.
Questa è un’illustrazione.
Fammi avere il quadro generale.
Quello che stiamo studiando al Max Planck Institute
è come fanno le persone e dovrebbero le persone prendere decisioni in condizioni di incertezza,
e la prima domanda è descrittiva:
cosa c’è nella toolbox adattiva?
Ci sono molte altre euristiche che non posso dirti oggi,
e molta euristica sociale.
Quindi, le persone si fidano del loro medico,
e lo studio della razionalità ecologica pone la domanda:
in che situazione è questa una buona idea e quando no?
Se il tuo medico conosce le prove mediche,
non ha conflitti di interesse e non prende decisioni difensive –
ha paura che tu possa trasformarti in querelante
questa è una buona idea.
Ma questo non è il caso nella maggior parte dei paesi.
La maggior parte dei medici – abbiamo studi – non conosce le prove,
hanno conflitti di interesse e fanno un processo decisionale difensivo.
E infine, come creare situazioni, ambienti e anche strategie
sono intuitivi e aiutano le persone a prendere decisioni migliori?
Lasciami finire.
Il processo decisionale in condizioni di incertezza è diverso
dal processo decisionale a rischio,
e l’euristica non sono le seconde strategie migliori, che spesso ascoltiamo.
Possono fare meglio delle strategie di ottimizzazione
in un mondo di incertezza, non in un mondo di rischi.
E infine, più informazioni, più tempo e più calcoli
non è sempre meglio
Meno può essere di più.
Grazie per l’attenzione.
(Applausi)
Please follow and like us:
Be First to Comment