Iluzoryczna korelacja w inwestowaniu - jak odróżnić szum od sygnału

W inwestowaniu najwięcej szkód robią nie tylko złe dane, ale też błędne wnioski wyciągane z poprawnych obserwacji. Iluzoryczna korelacja pojawia się wtedy, gdy łączymy dwa zdarzenia, które wcale nie muszą być ze sobą związane, a mimo to zaczynamy traktować je jak regułę. W tym tekście pokazuję, jak ten błąd działa w analizie rynku, jak go rozpoznać i jak nie pomylić przypadku z prawdziwą zależnością, zwłaszcza przy budowie portfela nastawionego na długi horyzont.

Dlaczego mózg tak łatwo widzi związek tam, gdzie go nie ma

Mózg jest z natury maszyną do wykrywania wzorców. Gdy dwa zdarzenia występują blisko siebie, szybko dopisujemy im wspólną przyczynę, nawet jeśli łączy je tylko przypadek albo trzeci czynnik. Właśnie tak działa iluzoryczna korelacja: zamiast sprawdzić, czy relacja jest powtarzalna i logiczna, ufamy temu, co pierwsze rzuca się w oczy. W finansach to szczególnie zdradliwe, bo rynek dostarcza mnóstwo hałaśliwych sygnałów, a część z nich wygląda sensownie tylko po fakcie.

W praktyce najłatwiej wpaść w taką pułapkę, gdy dane są niepełne, a narracja brzmi przekonująco. Dlatego zanim zaczynam szukać dowodu, patrzę najpierw na to, czy zjawisko w ogóle ma szansę być stabilne w czasie. To prowadzi do pytania, skąd biorą się te złudne zależności u samych inwestorów.

Skąd bierze się ten błąd u inwestorów

Najczęściej problem nie bierze się z braku inteligencji, tylko z tego, że umysł oszczędza energię. Kilka szybkich sukcesów wystarczy, żeby uznać, że przyczyna została znaleziona. W inwestowaniu widzę to szczególnie często po serii zyskownych transakcji, po mocnym ruchu jednej branży albo po głośnym komentarzu w mediach społecznościowych.

• Efekt świeżości - ostatnie zdarzenie wydaje się ważniejsze niż cały wcześniejszy kontekst. Jeśli spółka po ogłoszeniu wyników spadła, łatwo uznać, że winny jest jeden słaby wskaźnik, choć rynek mógł już wcześniej wycenić gorszy scenariusz.
• Efekt potwierdzenia - wybieramy dane, które wspierają naszą tezę, i ignorujemy resztę. To klasyczny mechanizm, przez który inwestor „widzi” zależność, zanim ją naprawdę sprawdzi.
• Oszczędna próbka - pięć albo dziesięć przypadków to za mało, by budować regułę. W analizie giełdowej to jedna z najdroższych pułapek, bo mała próba niemal zawsze produkuje atrakcyjne historie.
• Survivorship bias - patrzymy tylko na zwycięzców. Jeśli analizuję spółki dywidendowe, nie wolno mi kończyć na tych, które przetrwały i wypłacają regularnie. Trzeba jeszcze zobaczyć, ile firm w tym samym czasie obcięło dywidendę albo zniknęło z rynku.
• Narracja zamiast testu - zbyt łatwo zaakceptować historię, która ładnie się klei. Problem w tym, że dobra opowieść nie jest jeszcze dowodem.

W portfelach nastawionych na dochód pasywny ta pułapka bywa szczególnie kosztowna. Wysoka stopa dywidendy potrafi wyglądać atrakcyjnie tylko dlatego, że kurs mocno spadł, a nie dlatego, że biznes naprawdę jest zdrowy. Żeby nie mylić sygnału z szumem, przechodzę dalej do konkretnych przykładów z rynku.

Jak wygląda to na rynku i w analizie spółek

Na giełdzie iluzoryczne zależności lubią udawać sensowne reguły. Jedna dobra transakcja, dwa trafione sygnały albo kilka podobnych wykresów i człowiek zaczyna wierzyć, że znalazł przewagę. Problem w tym, że rynek bardzo chętnie nagradza taką pewność siebie tylko do momentu, w którym statystyka przypomina o sobie w najbardziej bolesny sposób.

• „Po dobrym newsie kurs rośnie, więc to news uruchomił wzrost” - czasem tak, ale często ruch zaczął się wcześniej, bo rynek dyskontował oczekiwania. Jedno wydarzenie tylko dopisało wygodną historię.
• „Ta strategia działa, bo trzy razy z rzędu zadziałała” - trzy trafienia niczego jeszcze nie przesądzają. Dla mnie to sygnał, że hipoteza jest wstępna, nie że jest gotowa do dużego kapitału.
• „Spółki dywidendowe zawsze są bezpieczne” - bezpieczne bywają te z trwałymi przepływami pieniężnymi, niskim zadłużeniem i rozsądnym payout ratio, nie każda firma z wysokim yieldem.
• „Styczeń jest lepszy niż inne miesiące, więc wystarczy kupić w styczniu” - sezonowość może istnieć, ale bez sprawdzenia kosztów, kraju, sektora i okresu łatwo wziąć jednorazowy zbieg okoliczności za regułę.

Najcenniejsza lekcja z takich przykładów jest prosta: gdy widzę wzór, od razu pytam, czy nie działa tu drugi mechanizm albo czynnik trzeci. W rynku często jednym wspólnym źródłem są stopy procentowe, inflacja, płynność albo sentyment do całego sektora, więc dwa aktywa mogą poruszać się podobnie bez bezpośredniego związku między sobą. To właśnie odróżnia sensowną analizę od opowieści dopisanej po fakcie.

Skoro sam wzór na wykresie nie wystarcza, trzeba go jeszcze przetestować na danych, które nie pomagają nam na siłę uwierzyć w własną tezę.

Jak sprawdzić, czy korelacja naprawdę coś znaczy

Ja zwykle zaczynam od prostego testu: czy związek da się opisać, zmierzyć i odtworzyć w innym okresie. Jeśli odpowiedź brzmi nie, traktuję go jako ciekawostkę, nie jako przewagę inwestycyjną. Pomaga mi też patrzenie na zależność z kilku stron naraz: wykres rozrzutu, długość próby, wpływ kosztów transakcyjnych i to, czy po drodze nie pojawia się trzeci czynnik.

Jeśli korzystam z narzędzi statystycznych, patrzę też na współczynnik korelacji r. Wartość bliska 0 mówi, że związek liniowy jest słaby, a dopiero wartości bliższe -1 lub 1 sugerują silniejszą relację. Nawet wtedy nie uznaję tego za dowód przyczynowości, bo ten sam wynik może powstać przez dobór okresu, selekcję danych albo zwykły przypadek. Dobrze znanym błędem jest też nadmierne dopasowanie historii do wyniku, czyli sytuacja, w której strategia świetnie wygląda w przeszłości tylko dlatego, że była pod nią „przesiana” sama historia.

1. Najpierw zapisuję hipotezę, zanim spojrzę na wynik.
2. Potem sprawdzam, czy efekt utrzymuje się w innym okresie i na innym rynku.
3. Na końcu odejmuję koszty i podatki, bo to one często zabijają pozornie dobre zależności.

Dopiero takie sito pozwala zdecydować, co zostaje w procesie inwestycyjnym, a co trzeba odrzucić. Następny krok to przełożenie tego na codzienną praktykę, bez zbędnej teorii.

Jak ograniczyć ten błąd w codziennej analizie

Najlepsza obrona nie polega na tym, żeby przestać widzieć wzorce. Chodzi o to, by nie ufać im od razu. W praktyce stosuję kilka prostych zasad, które ograniczają ryzyko błędnych wniosków i pomagają zachować dyscyplinę, zwłaszcza gdy emocje podpowiadają coś zupełnie innego.

• Oddzielam tezę od danych - zanim zobaczę wynik, zapisuję, czego dokładnie szukam i po czym poznaję, że się mylę.
• Skaluję ostrożnie - jeśli zależność nie przeszła testu na kilku okresach, nie opieram na niej dużej części kapitału.
• Porównuję z alternatywami - sprawdzam, czy ten sam efekt nie wynika po prostu z ekspozycji na sektor, indeks albo stopy procentowe.
• Liczą się przepływy, nie tylko narracja - w analizie spółek patrzę na cash flow, zadłużenie, wypłatę dywidendy i jakość zarządu, a nie wyłącznie na ładny wykres.
• Zapisuję błędy - krótki dziennik decyzji bardzo szybko pokazuje, czy wciąż gonię za historyjkami zamiast za przewagą.

Tu szczególnie pomaga jedno proste pytanie: czy tę samą decyzję podjąłbym, gdybym nie znał ostatniego ruchu kursu? Jeśli odpowiedź jest niepewna, to zwykle znak, że to jeszcze nie analiza, tylko interpretacja po fakcie. Właśnie dlatego warto domknąć temat spojrzeniem z poziomu całego portfela.

Co inwestor długoterminowy powinien z tego zapamiętać

W portfelu budowanym pod przyszłość najgroźniejsze są nie tyle pojedyncze błędy, ile powtarzane schematy myślenia. Jednorazowa pomyłka kosztuje, ale iluzja powtarzalnego wzoru potrafi kosztować znacznie więcej, bo zachęca do nadmiernego handlu, gonienia za wynikiem i przeceniania świeżych informacji.

• Jeśli zależność wygląda zbyt dobrze, sprawdzam ją drugi raz, najlepiej na innym okresie.
• Jeśli opiera się na kilku przypadkach, traktuję ją jako hipotezę, nie przewagę.
• Jeśli nie umiem wskazać sensownego mechanizmu ekonomicznego, nie zwiększam stawki.
• Jeśli w grę wchodzą dywidendy, patrzę na trwałość wypłat, a nie tylko na sam procent.

Dla mnie zdrowa analiza zaczyna się tam, gdzie kończy się wygodna historia. Gdy wzór wytrzymuje test danych, kosztów i chłodnego sceptycyzmu, dopiero wtedy ma szansę stać się czymś więcej niż kolejnym złudzeniem.