Een andere valkuil die onze waarneming van de feiten soms vertekend is de ’confirmation bias’. Confirmation bias is de neiging die we van nature hebben om onze verwachtingen op een dusdanige manier te toetsen dat ze worden bevestigd. Dus als we een hypothese (veronderstelling) over iets hebben, zijn we vooral geneigd om te kijken naar de feiten die onze mening bevestigd.

Wetenschappers daarentegen gaan, of behoren, juist op zoek te gaan naar het ontkrachten van hun hypothese, en geven de ander het voordeel van de twijfel. Leken daarentegen gaan juist op zoek naar de bevestiging van hun verwachtingen. Als we de invloed van de confirmation bias op onze beslissingen willen verminderen, kunnen we misschien iets leren van hoe wetenschappers ermee omgaan in vergelijking met leken.

Voorbeeld
Laten we als voorbeeld een contraire strategie nemen waarbij we een AEX tracker kopen als de call/put ratio laag staat, en dat we de AEX tracker verkopen als de call/put ratio hoog staat*. We zouden hier nog specifieke waarden aan kunnen verbinden, zoals wat we verstaan onder een hoog/laag rendement, wat een hoge of lage call/put ratio is, en over welke horizon we dit bepalen, maar om het voorbeeld eenvoudig te houden luid de hypothese als volgt: Een lage call/put ratio leid tot een hoog rendement op de AEX.

Dit is dus onze aanname, en we willen onderzoeken of dit een terechte aanname is of niet. Om dat te doen kunnen we de hypothese opdelen in 4 stukken, wat we schematisch kunnen weergeven:

• ‘Positive hit’; dit is wanneer onze aanname wordt bevestigd. In dit voorbeeld is er dan sprake van een lage ratio die gepaard gaat met hoog rendement op de AEX.
• ‘Negative hit’; hierbij wordt onze aanname ook bevestigd, alleen nu doordat er geen hoog rendement is bij een hoge call/put ratio is. Dit spreekt namelijk ook voor onze hypothese.

Naast deze twee mogelijke gebeurtenissen zijn er nog twee andere gebeurtenissen die plaats kunnen vinden:

• ‘False negative’; hierbij hebben we ten onrechte een negatieve uitslag. Voor onze hypothese zijn dit de situaties waarin er een combinatie is van een hoog rendement en een hoge call/put ratio.
• ‘False positive’; de situaties waarbij er ten onrechte een positieve uitkomst is, in dit geval is dat een laag rendement in combinatie met een lage call/put ratio.

Zoals gezegd, verschillen ‘leken’ en wetenschappers in de manier waarop ze hun aannames testen. Wetenschappers zullen alle 4 de mogelijkheden bekijken, terwijl ‘leken’ vooral neigen naar het onthouden van situaties waarin hun aanname óf helemaal uit kwam (positive hit) óf juist helemaal niet uit kwam (negative hit). Hiermee vallen ze in de valkuil van de ‘confirmation bias’, omdat ze niet de situaties meenemen waar de gebeurtenissen tegenstrijdig zijn met hun aanname. Soms worden deze tegenstrijdige situaties wel bekeken, maar dan afgedaan als ‘toevalligheden’, en daarom niet belangrijk. Je zou wat dat betreft dus het beste, als je een strategie ontwerpt, simpelweg kunnen bijhouden hoe vaak elk van de 4 mogelijkheden voorkomt.

Wil je dus voorkomen dat je in de valkuil ‘confirmation bias’ valt, dan zul je vooral moeten kijken naar de data die in strijd is met je aanname.

*: Dit is enkel een (incomplete) voorbeeld strategie welke ik heb gekozen omdat deze strategie duidelijk herkenbare elementen heeft (tracker, call/put-ratio) en daarnaast ook niet te onoverzichtelijk is.