Clustering-Illusion bezieht sich auf eine kognitive Verzerrung Kognitive Verzerrung Eine kognitive Verzerrung ist ein Fehler in der Wahrnehmung, der in der Argumentationslinie einer Person auftritt, wenn eine Entscheidung aufgrund ihrer persönlichen Überzeugungen fehlerhaft ist. Kognitive Fehler spielen eine wichtige Rolle in der Behavioral Finance-Theorie in der Behavioural Finance, bei der ein Investor Muster in tatsächlich zufälligen Ereignissen beobachtet. Mit anderen Worten, Clustering Illusion Bias ist die Verzerrung, die sich aus dem Erkennen eines Trends bei zufälligen Ereignissen ergibt, die in Clustern auftreten, die tatsächlich zufällige Ereignisse sind.
Der Clustering-Illusions-Bias wird oft als „Hot-Hand-Trugschluss“ bezeichnet und ist häufig die Quelle von Glücksspielfehlern.
Clustering-Illusion verstehen
Menschen neigen dazu, Muster in völlig zufälligen Ergebnissen zu sehen. Mit anderen Worten, es liegt in unserer natürlichen Neigung, Ordnung aus dem Chaos zu schaffen. Obwohl es Einzelpersonen dabei hilft, einen Sinn für Zufälligkeit zu finden, hat die Tendenz zu Clustering-Illusionen drastisch nachteilige Auswirkungen auf Finanz- und Investitionsentscheidungen. Erfahren Sie mehr über verschiedene Strategien und Techniken für den Handel und über die verschiedenen Finanzmärkte, in die Sie investieren können.
Wenn ein Anleger beispielsweise eine Stichprobe von einem Zeitraum von vier Tagen nahm, in dem die Aktienmärkte nach unten, unten, oben und oben gingen, könnte der Anleger glauben, dass ein Trend gefunden werden könnte, wenn es tatsächlich keinen gab.
Beispiel für Clustering Illusion
Investmentfonds und die Clustering Illusion Bias
John ist ein Student, der das Geld, das er im Sommer verdient hat, in einen Investmentfonds investieren möchte. Investmentfonds Ein Investmentfonds ist ein Geldpool, der von vielen Anlegern gesammelt wird, um in Aktien, Anleihen oder andere Wertpapiere zu investieren. Investmentfonds gehören einer Gruppe von Anlegern und werden von Fachleuten verwaltet. Erfahren Sie mehr über die verschiedenen Arten von Fonds, ihre Funktionsweise sowie die Vorteile und Nachteile einer Investition in sie. Aus Gesprächen mit seinen Finanzfreunden hört er oft, dass die Aussage "eine große Mehrheit der Investmentfonds schlechter abschneidet als der S & P 500". Da er die Tatsache versteht, beschließt er weiterhin, sein Geld in einen Investmentfonds mit einer überdurchschnittlichen Wertentwicklung in Bezug auf den S & P 500 zu investieren, unter der Annahme, dass der Fondsmanager auch in Zukunft überdurchschnittliche Renditen erzielen wird.
In unserem Beispiel zeigt John die Tendenz zur Clustering-Illusion, indem er die frühere Performance des Fondsmanagers verwendet und davon ausgeht, dass er in Zukunft eine ähnlich gute Performance zeigen wird. Daher identifizierte John einen „Trend“, dass der Manager aufgrund seiner früheren Renditen in Zukunft eine gute Leistung erbringen wird, obwohl die Leistung des Investmentfondsmanagers tatsächlich auf eine Reihe von Faktoren wie Marktbedingungen oder sogar Glück zurückzuführen sein könnte.
Cluster Illusion und ihre Auswirkungen auf das Investieren
Der Clustering-Illusions-Bias bietet Anlegern eine Reihe von Nachteilen, da er Fallen schaffen kann. Beispielsweise kann die Verwendung kurzfristiger Leistungsrenditen:
- Überzeugen Sie einen Investor, über eine andere in eine bestimmte Anlageklasse zu investieren
- Überzeugen Sie einen Investor, einem bestimmten Anlagestil zu folgen
- Überzeugen Sie einen Anleger, bei einem bestimmten Fondsmanager zu investieren
Im Zusammenhang mit Investitionen ist es wichtig, die kurzfristige Performance nicht besonders zu betonen, um Trends zu identifizieren, da dies zu einer Cluster-Illusionsverzerrung führen kann. Wie in der Finanzwelt allgemein gesagt wird: „Die Wertentwicklung in der Vergangenheit ist kein Hinweis auf die zukünftige Wertentwicklung.“
Das Monte Carlo Casino Beispiel
Es wurde berichtet, dass der Ball 1913 während eines Roulette-Spiels im Monte Carlo Casino 26 Mal hintereinander auf Schwarz landete. Die Chance, bei einem Roulette-Spiel einen schwarzen Ball zu treffen, beträgt 47,4%. Daher betrug die Wahrscheinlichkeit, dass der Ball 26 Mal hintereinander auf Schwarz landete, ungefähr 1 zu 67 Millionen.
Das obige Event im Monte Carlo Casino ist ein perfektes Beispiel für die Häufung von Illusionsbias. Für Personen, die in dieser Nacht anwesend waren, war der Gedanke, dass der Ball, da er so oft auf Schwarz gelandet war, bald auf Rot fallen musste.
Wie wir wissen, ist das Ergebnis eines Roulette-Spiels ein unabhängiges Ereignis - ob der Ball schwarz oder rot schlägt oder nicht, zeigt nicht an, was der Ball als nächstes schlagen wird. Spieler haben eine beträchtliche Menge Geld verloren, als sie gegen Schwarz gewettet haben, weil sie sicher waren, dass die schwarzen und roten Ergebnisse „ausgeglichen werden mussten“.
Zusätzliche Ressourcen
Finance bietet die FMVA® ™ FMVA®-Zertifizierung (Financial Modeling & Valuation Analyst) an. Schließen Sie sich mehr als 350.600 Studenten an, die für Unternehmen wie Amazon, JP Morgan und Ferrari arbeiten, um ihre Karriere auf die nächste Stufe zu heben. Die folgenden Finanzressourcen sind hilfreich, um weiter zu lernen und Ihre Karriere voranzutreiben:
- Glossar zur Verhaltensfinanzierung Glossar zur Verhaltensfinanzierung Dieses Glossar zur Verhaltensfinanzierung enthält Verankerungsverzerrung, Bestätigungsverzerrung, Rahmenverzerrung, Herdingverzerrung, Rückblickverzerrung, Illusion der Kontrolle
- Glaubensausdauer Glaubensausdauer Glaubensausdauer, auch als Glaubensausdauer bezeichnet, ist die Unfähigkeit von Menschen, ihren eigenen Glauben zu ändern, selbst wenn sie neue Informationen oder Fakten erhalten
- Stichprobenauswahlverzerrung Stichprobenauswahlverzerrung Die Stichprobenauswahlverzerrung ist die Verzerrung, die sich aus dem Versagen ergibt, die ordnungsgemäße Randomisierung einer Populationsstichprobe sicherzustellen. Die Mängel der Stichprobenauswahl
- Survivorship Bias Survivorship Bias Survivorship Bias ist eine Art von Stichprobenauswahl-Bias, die auftritt, wenn ein Datensatz nur „überlebende“ oder vorhandene Beobachtungen berücksichtigt und diese nicht berücksichtigt
