Temel fikir
Bayes düşüncesi üç parçadan oluşuyor.
Öncel inanç. Yeni bilgiyi görmeden önceki görüşünüz.
Kanıt. Yeni gelen bilgi ve o bilginin ne kadar güçlü olduğu.
Ardıl inanç. İkisini birleştirdikten sonraki güncellenmiş görüşünüz.
Kritik nokta şu: yeni kanıt, öncel inancınızı silmiyor, güncelliyor. Ne kadar güncellediği, kanıtın gücüne bağlı.
Borsada nasıl çalışıyor
Bu çerçeve gündelik yatırım kararlarında doğrudan işe yarıyor.
Öncel: şirket hakkında ne biliyorsunuz. Uzun yıllardır izlediğiniz, iş modelini anladığınız bir şirket mi, yoksa ilk kez duyduğunuz bir isim mi?
Kanıt: yeni gelen bilgi ne kadar güçlü? Tek bir çeyreklik bilanço mu, yoksa üst üste üç çeyreklik bir trend mi?
Güncelleme: ikisine göre görüşünüzü ne kadar değiştirmelisiniz?
Güçlü öncel, zayıf kanıt: az değişim. “Bir çeyrek kötü geldi ama bu şirketi tanıyorum, tezimi bozacak bir şey değil.”
Zayıf öncel, güçlü kanıt: çok değişim. “Şirketi tanımıyordum ama art arda üç çeyrek bozulmuş, bu ciddi.”
En yaygın iki hata
Öncel inancı hiç güncellememek. Onay arayışının ta kendisi. Tezinize uyan haberleri görüyor, uymayanları önemsizleştiriyorsunuz.
Çaresi: pozisyon almadan önce “bu tezin yanlış olması için ne olması gerekir” sorusunu yazmak. Sonra o maddeleri takip etmek. Biri gerçekleştiğinde güncelleme yapmak zorunda kalıyorsunuz.
Her habere aşırı tepki vermek. Öncel inancı tamamen silip son habere göre pozisyon almak.
Bu, tek bir çeyreklik veriye bakıp uzun vadeli bir tezi çöpe atmak demek. Gürültü baskın olan bir ortamda, tek bir gözlem nadiren bu kadar bilgi taşıyor.
Taban oranı: en sık atlanan parça
Bayes düşüncesinin en çok ihmal edilen kısmı, başlangıç olasılığı yani taban oranı.
Bir örnek: “Bu şirket ikinci Amazon olabilir.”
Kanıtlarınız ikna edici olabilir. Ama taban oranı nedir? Kaç şirket ikinci Amazon oluyor? Binde bir bile değil.
O kadar düşük bir taban oranından başlıyorsanız, kanıtınızın son derece güçlü olması gerekiyor ki sonuç anlamlı hale gelsin.
Bu, hikayeye kapılmayı önleyen en güçlü düşünsel araç. Hikaye ne kadar ikna edici olursa olsun, “bu tür şeyler ne sıklıkla oluyor” sorusu sizi gerçeğe döndürüyor.
Modelimizle bağlantısı
Bizim yaklaşımımız aslında bir çeşit öncel kullanımı.
Faktör ağırlıklarını veriden öğrenmiyoruz, teoriden alıyoruz. Bu, güçlü bir öncel inanca sahip olmak demek: “düşük volatilite iyidir” diyoruz ve veriye o inancı değiştirtmiyoruz, sadece doğrulatıyoruz.
Neden? Çünkü verimiz zayıf. Zayıf kanıtla güçlü öncelinizi değiştirmemelisiniz.
Elimizde çok daha fazla bağımsız gözlem olsaydı, ağırlıkları veriden öğrenmek makul olurdu. Bayes mantığı bunu da söylüyor: kanıt güçlendikçe öncelin ağırlığı azalır.
Pratik uygulama
Formül kullanmadan da bu düşünceyi uygulayabilirsiniz.
Bir karar öncesi kendinize sorun: bu görüşe ne kadar güveniyorum ve neye dayanarak?
Yeni bilgi geldiğinde: bu bilgi ne kadar güçlü ve görüşümü ne kadar değiştirmeli?
Ve düzenli olarak: geçen ay yazdığım tez hâlâ geçerli mi, yoksa gelen bilgiler onu zayıflattı mı?
Kararlarınızı yazmak bu süreci mümkün kılıyor. Yazılı bir tez olmadan, güncelleme yaptığınızı bile fark edemezsiniz. Hafıza, geçmiş görüşünüzü bugünküne uyduruyor.
Sıradaki
Bir sonraki yazıda koşullu olasılığı ve taban oranı yanılgısını ayrıntılı ele alıyoruz. “Bu gösterge yükselişlerin yüzde 80’inde çalıştı” cümlesinin neden yanıltıcı olduğunu göreceğiz.
Bu yazı bilgilendirme amaçlıdır, yatırım tavsiyesi değildir.