Giả sử bạn đang cố gắng đưa ra một quyết định khó khăn, ai rồi cũng có lúc trải qua việc đưa ra quyết định khó khăn. Bạn có vô vàn thông tin trong tầm tay, nhưng làm sao để biết điều gì quan trọng nhất? Bạn có nên dành hàng giờ để phân tích từng chi tiết, sử dụng tất cả thông tin, nhồi nhét thông tin vào đầu óc hay chỉ cần tin vào trực giác của mình và và thế là quyết định?
Đây là một vấn đề cổ điển mà các chuyên gia đã nghiên cứu trong nhiều năm. Phát hiện của họ có thể khiến bạn ngạc nhiên.
Bạn có thể nghĩ rằng thông tin càng nhiều càng tốt, tôi cũng đã từng cảm thấy như vậy. Nhưng điều đó chưa chắc đúng. Trên thực tế, có quá nhiều thông tin thực sự có thể dẫn đến những quyết định tồi tệ hơn, quá tự tin vào khả năng của bạn, hoặc đơn giản chỉ khiến bạn đau đầu.
Hãy xem xét một nghiên cứu trong đó 25 nhà cái có kinh nghiệm được yêu cầu dự đoán năm con ngựa hàng đầu trong 45 cuộc đua. Các nhà cái được cung cấp một danh sách gồm 88 biến số thường thấy trên biểu đồ hoạt động trong quá khứ của một con ngựa đua và họ phải xếp hạng mức độ quan trọng của từng biến số. Sau đó, họ được cung cấp dữ liệu trong quá khứ về các cuộc đua với số lượng biến là 5, 10, 20 và 40 biến mà trước đó họ đã chọn là quan trọng nhất.
Nghiên cứu đã tìm ra điều gì? Thật ngạc nhiên, khi các nhà cái chỉ có năm mẩu thông tin, độ chính xác và độ tin cậy của họ có liên quan chặt chẽ với nhau. Nhưng khi họ nhận được nhiều thông tin hơn, độ chính xác của họ giảm xuống và sự tự tin của họ tăng vọt.
Với 40 mẩu thông tin, độ tin cậy của nhà cái tăng lên hơn 30%, mặc dù độ chính xác của họ không thay đổi. Nói cách khác, nhiều thông tin hơn không dẫn đến độ chính xác cao hơn; nó chỉ dẫn đến sự tự tin thái quá cao hơn.
Một nghiên cứu tương tự đã xem xét khả năng dự đoán kết quả của 15 trận đấu NCAA của những người hâm mộ bóng đá đại học. Những người tham gia phải thể hiện kiến thức của họ về bóng đá trước khi nghiên cứu, và họ được cung cấp một loạt số liệu thống kê, chẳng hạn như số lần đánh tài xỉu, tỷ lệ doanh thu và số yard đạt được, để giúp họ đưa ra dự đoán của mình.
Mô hình máy tính cũng được cung cấp cùng một dữ liệu để kiểm tra liệu nhiều thông tin hơn có dẫn đến dự đoán tốt hơn hay không.
Vậy kết quả ra sao? Độ chính xác của mô hình máy tính tăng lên khi có thêm thông tin, nhưng độ chính xác của các chuyên gia con người không cải thiện khi có thêm thông tin. Trên thực tế, độ chính xác của họ vẫn như nhau, bất kể họ có sáu hay 30 mẩu thông tin. Nhưng cũng giống như các nhà cái, sự tự tin của họ tăng lên cùng với lượng thông tin có được, mặc dù điều đó không thực sự khiến họ trở nên chính xác hơn.
Liên quan đến phân tích chứng khoán, một nghiên cứu đã được thực hiện trong đó các nhà phân tích tài chính được giao nhiệm vụ dự báo thu nhập quý IV trong 45 trường hợp. Các thông tin đã được trình bày trong ba định dạng khác nhau.
Định dạng đầu tiên bao gồm ba quý vừa qua của EPS, doanh thu thuần và giá cổ phiếu, đây là dữ liệu cơ bản. Định dạng thứ hai bao gồm dữ liệu cơ sở cộng với thông tin dư thừa hoặc không liên quan. Định dạng thứ ba bao gồm dữ liệu cơ sở cộng với thông tin không dư thừa đáng lẽ phải cải thiện khả năng dự báo, chẳng hạn như thực tế là cổ tức đã được tăng lên.
Các nhà phân tích được yêu cầu đưa ra dự báo của họ và sự tin tưởng của họ vào dự báo của họ.
Thật thú vị, cả thông tin dư thừa và không dư thừa đều làm tăng đáng kể sai số dự báo, nghĩa là nhiều thông tin hơn không dẫn đến độ chính xác cao hơn.
Tuy nhiên, xếp hạng độ tin cậy tự báo cáo của các nhà phân tích đối với mỗi dự báo của họ tăng lên đáng kể với lượng thông tin có sẵn. Điều này cho thấy rằng nhiều thông tin hơn không giúp các nhà phân tích đưa ra dự báo tốt hơn, mà nó khiến họ quá tự tin vào dự đoán của mình.
Vậy, tất cả điều này có ý nghĩa gì? Chà, nó gợi ý rằng đôi khi, ít hơn lại nhiều hơn. Khi nói đến việc ra quyết định trong giao dịch hoặc đầu tư, điều quan trọng là phải xem xét chất lượng thông tin bạn có chứ không chỉ số lượng.
Điều này làm tôi nhớ đến Joel Greenblatt, một nhà đầu tư và quản lý quỹ phòng hộ nổi tiếng người Mỹ, người đã chỉ ra rằng khi lựa chọn cổ phiếu, càng ít càng tốt.
Quả thực, chiến lược của Greenblatt rất đơn giản: ông chỉ tập trung vào hai chỉ số – lợi tức trên vốn sử dụng (ROCE) và lợi tức thu nhập – để xác định các công ty bị định giá thấp có tiềm năng mang lại lợi nhuận cao. Mặc dù điều này có vẻ giống như một cách tiếp cận quá đơn giản trong thế giới dữ liệu lớn và các thuật toán phức tạp ngày nay, nhưng thành tích của Greenblatt đã nói lên điều đó.
Công ty đầu tư của ông, Gotham Capital, được cho là đã tạo ra lợi nhuận trung bình hàng năm là 40% từ năm 1985 đến năm 2005, một kỳ tích đáng chú ý mà nhiều người cho rằng ông đã sử dụng hai chỉ số chính này một cách có kỷ luật.
Trong một thế giới nơi chúng ta bị tấn công bởi vô số dữ liệu và thông tin, thật sảng khoái khi thấy rằng đôi khi cách tiếp cận đơn giản nhất lại có thể hiệu quả nhất. Điều này cho thấy rằng đôi khi chúng ta không cần phải thông minh quá mức, mà chỉ cần tìm ra những nguyên tắc cơ bản và tuân theo chúng một cách nhất quán để đạt được thành công trong đầu tư và giao dịch.
Bài học trong các dự án crypto là gì?
- Có phải là dự án đó đưa ra rất nhiều cái mà họ sắp làm, sẽ làm được, hướng tới không? -> Nhưng mà cái mà nhà đầu tư cần quan tâm duy nhất đó là họ có bao nhiêu người, năng lực thực hiện của họ ra sao, và họ thực sự đã và đang làm cái gì.
- Họ hướng tới dự án của họ là tỷ $ đúng không? -> Nhưng mà phải nhìn nhận đối thủ của họ so với họ như thế nào, đám đông có thể mù quáng fomo tỷ $ nhưng dự án không có gì đặc biệt, họ còn không mạnh bằng nhiều đối thủ, founder không đủ tầm bằng thì chắc chắn đường giá đó chỉ là fomo.
- Họ nói cho bạn biết tầm nhìn của họ rất là xa đúng không? -> Phải xem tuổi đời của họ, trước đó lực lượng fouder làm gì để biết họ là đội có tầm nhìn xa hay là gần, đôi khi chỉ 1 vài tháng sau họ đã làm việc khác rồi.
- Họ nói rằng họ đang làm những cái rất phù hợp với trend hiện tại -> Trend hiện tại qua đi thì họ sẽ lại làm một cái trend mới thôi.
- Họ nói rằng họ sẽ giúp thay đổi thế giới, làm cái gì lớn lao cho cộng đồng -> Phải xem dự án của họ có bao nhiêu user hoạt động, cộng đồng ủng hộ thực của họ có bao nhiêu người có trình độ nhận thức.
- Cái biểu đồ mà bạn đọc được gồm vô vàn chỉ số để bảo vệ cái biểu đồ đó đúng -> Hẳn là tác giả cố mang nhiều chỉ số để thuyết phục hơn, nhưng càng nhiều chỉ số thì nó chỉ đúng ở lúc này thôi, chạy 1 chút các chỉ số đó nó chạy loạn thế là tác giả chắc chắn sẽ dao động.
