Trả lời ngắn: Probabilistic Thinking, hay tư duy xác suất, là cách diễn đạt điều chưa chắc chắn bằng một event rõ và mức probability có thể cập nhật, kiểm chứng, chấm điểm. Nó không hứa đoán đúng từng lần; mục tiêu là tạo quy trình forecast minh bạch, biết mình tin bao nhiêu và học từ nhiều kết quả.

Đọc xong, bạn sẽ hiểu:

  • Vì sao 70% không phải lời hứa event sẽ xảy ra.
  • Cách đi từ base rate tới probability có thể audit.
  • Cách dùng calibration, Brier score và Forecast Log.

Lưu ý giáo dục: Mọi event, xác suất và payoff trong bài là demo. Đây không phải dự báo thị trường, hướng dẫn quy mô vị thế hay khuyến nghị mua/bán; quyết định tài chính có thể gây mất vốn.

1. Probabilistic Thinking là gì và không phải là gì

a. Probability phải gắn với một event

Event là mệnh đề có kết quả, deadline và quy tắc phân giải rõ. Outcome là kết quả sau deadline. Probability là mức tin từ 0% tới 100% dành cho event đó.

“A-demo sẽ tăng trưởng tốt” không phải event tốt. Câu có thể kiểm:

“Revenue của A-demo tăng trên 10% trong báo cáo năm demo, theo dòng Revenue, công bố trước 31/03 năm sau.”

Resolution criteria là quy tắc phân giải quyết định event được ghi yes hay no. Ở đây, nguồn là báo cáo năm, chỉ số là Revenue, ngưỡng là 10%, deadline đã khóa.

b. 70% không phải lời hứa

Forecast 70% có thể resolve no mà vẫn hợp lý. Nếu một hộp có 7 bi xanh và 3 bi đỏ, rút một lần vẫn có thể trúng đỏ. Probability mô tả uncertainty trước outcome, không sửa outcome sau đó.

50% cũng không có nghĩa “không biết gì”. Nó chỉ hợp lý khi evidence cân bằng hoặc model thực sự cho mức đó. Gắn 50% vào mọi câu hỏi khó không tạo thêm thông tin.

Một outcome đúng cũng chưa chứng minh quy trình tốt. Người đoán 1% cho event rồi event xảy ra vẫn “đoán đúng” theo yes/no, nhưng probability đã thể hiện niềm tin rất thấp.

Hình 1 — Probability chỉ hữu ích khi event rõ, có mốc ban đầu, quy tắc cập nhật và cách chấm sau khi resolve.

c. Forecast quality khác decision quality

Forecast quality hỏi probability có được định nghĩa, cập nhật và calibrated hay không. Decision quality hỏi action có phù hợp với probability, payoff, ràng buộc và mục tiêu hay không.

Cùng 40% khả năng mưa, người đi bộ 5 phút có thể không mang ô; người tổ chức đám cưới ngoài trời có thể thuê mái che. Probability giống nhau, cost sai khác nhau.

2. Từ base rate tới probability có thể audit

a. Bắt đầu bằng outside view

Base rate là tần suất event trong một nhóm case tương tự. Reference class là nhóm đủ giống để làm mốc. Outside view là nhìn nhóm đó trước khi kể câu chuyện riêng.

Demo: trong 100 doanh nghiệp cùng quy mô/ngành/giai đoạn, 20 doanh nghiệp đạt revenue growth trên 10%. Base rate là 20%.

Nếu chọn reference class quá rộng, mốc không hữu ích. Nếu chọn quá hẹp sau khi đã biết outcome, ta dễ “may đo” base rate. Phải ghi tiêu chí nhóm trước.

b. Sau đó mới thêm inside view

Inside view là evidence riêng của case hiện tại: phần doanh thu đã có hợp đồng bao phủ, năng lực sản xuất, giá bán, dự báo của ban lãnh đạo hoặc chi phí đầu vào.

A-demo có base rate 20%. Contract coverage tốt hơn nhóm tương tự là evidence thuận; input cost cao là evidence nghịch. Researcher điều chỉnh estimate demo lên 35%.

Con số 35% không phải kết quả Bayes chính xác. Đây là estimate có audit trail:

  • Base: 20%.
  • Evidence thuận: phần doanh thu có hợp đồng bao phủ.
  • Evidence nghịch: chi phí đầu vào.
  • p hiện tại: 35%.
  • Điều kiện giảm p: mức bao phủ dưới 60%.

Bayesian Thinking #8 sẽ giải thích cách prior và likelihood cập nhật về mặt công thức. Bài này chỉ khóa thói quen bắt đầu từ mốc rồi ghi lý do đổi.

c. Dùng range khi evidence thô

Nếu dữ liệu chỉ nói “cao hơn base nhưng chưa nhiều”, 30–40% trung thực hơn 36,7%. False precision là mức chi tiết số vượt quá chất lượng evidence.

Probability vẫn cần một ước lượng đơn khi chấm Brier. Forecast Log có thể giữ cả khoảng 30–40% và p dùng để chấm là 35%, miễn nói rõ mục đích.

3. Calibration, Brier score và expected value

a. Calibration cần nhiều forecast

Calibration là độ khớp giữa xác suất đã báo và tần suất outcome trên nhiều forecast tương tự. Trong nhóm forecast 70%, khoảng 70 trên 100 event resolve yes là hình ảnh đơn giản của calibration.

Một event 70% resolve no không chứng minh người dự báo thiếu calibration. Cần mẫu đủ lớn, nhóm xác suất tương tự và quy tắc resolve nhất quán. NOAA trình bày calibration qua bảng tần suất chung giữa forecast và event đã quan sát. NOAA/NSSL

Forecast luôn 50% có thể đạt calibration trong một bộ dữ liệu cân bằng nhưng không hữu ích để phân biệt case. Vì vậy calibration cần đi cùng khả năng phân loại mức tin, không đứng một mình.

Hình 2 — Calibration được kiểm trên nhiều forecast trong cùng bucket, không bằng một outcome riêng lẻ.

b. Brier score cho event yes/no

Brier score là bình phương sai số giữa probability p và outcome o, trong đó yes=1, no=0:

Brier = (p - o)²

Với p=0,7:

  • Outcome yes: (0,7 - 1)² = 0,09.
  • Outcome no: (0,7 - 0)² = 0,49.

Điểm càng thấp càng tốt khi so trong cùng phạm vi. Brier phạt forecast vừa sai vừa quá chắc mạnh hơn. Nhưng Brier không đo calibration trực tiếp; nó còn phụ thuộc phân bố outcome và cách resolve.

Proper scoring rule, hay quy tắc chấm đúng động cơ, khuyến khích người dự báo báo mức tin thật thay vì “chơi” điểm. Gneiting & Raftery

c. Expected value không quyết định thay bạn

Expected value (EV) là tổng payoff nhân probability:

EV = 30% × 40 + 70% × (-10) = 12 - 7 = 5

EV demo dương 5, nhưng hành động vẫn có thể không phù hợp. Nếu ngưỡng lỗ là -5, payoff -10 phá ngưỡng. Thanh khoản, mức hữu dụng, rủi ro đuôi và khả năng sống sót không biến mất vì EV dương.

Hình 3 — Score đánh giá forecast còn expected value tóm tắt payoff; cả hai chưa đủ để quyết định.

4. Sai lầm, giới hạn và checklist

a. Năm lỗi phổ biến

  1. Base-rate neglect: bỏ tần suất nhóm vì câu chuyện case nghe hấp dẫn.
  2. Event mơ hồ, không deadline/source, nên không resolve được.
  3. False precision: ghi 63,27% từ evidence định tính.
  4. Outcome bias: đánh giá process chỉ bằng outcome một lần.
  5. Hindsight: sau kết quả, nhớ mình từng “biết chắc” dù log không ghi vậy.

Nghiên cứu forecast còn chịu thay đổi chế độ, dữ liệu bị điều chỉnh và sai số cùng chiều. Mười câu hỏi gần như giống nhau không phải mười quan sát độc lập.

Nghiên cứu trong cuộc thi dự báo địa chính trị cho thấy đào tạo, tương tác nhóm và cách tổng hợp liên quan tới độ chính xác forecast trong bối cảnh đó. Mellers et al., 2014, Mellers et al., 2015 Không được suy rằng vài mẹo sẽ biến mọi lĩnh vực thành forecast chính xác.

b. Checklist bảy bước

  1. Viết event yes/no, deadline và resolution criteria.
  2. Chọn reference class và base rate.
  3. Ghi evidence for/against của inside view.
  4. Ghi khoảng xác suất và probability dùng để chấm.
  5. Đặt decision threshold, tức mức probability/payoff làm action đổi.
  6. Ghi trigger update trước khi có outcome.
  7. Resolve, chấm điểm và xem lại quy trình.

c. Khi nên đứng ngoài

Không gán p nếu event không thể resolve, nguồn dễ bị đổi hoặc hoàn toàn thiếu reference class. Có thể ghi “bất định chưa thể chấm” và mô tả bằng scenario.

Dừng decision nếu một tail loss phá survival threshold mà data không đủ ước lượng. Probability thấp không tự làm tail an toàn.

5. Bài tập 15 phút: Forecast Log

a. Công cụ miễn phí

Dùng Google Sheets hoặc giấy. Tạo cột: event, deadline, source, base rate, evidence, p, trigger, outcome, Brier. Chỉ dùng A-demo; không đặt lệnh và chưa dùng tiền thật.

b. Mẫu đối chiếu đã điền

Event demo Base rate Inside evidence p Trigger update Resolution
Revenue growth >10% 20% Contract coverage tốt hơn 35% Coverage <60% Annual filing
Margin >12% 40% Input cost còn cao 30% Cost index giảm 5% Annual filing
Refinance trước deadline 60% Term sheet chưa ký 50% Signed agreement Company filing

Mỗi event phải bổ sung deadline thật trong worksheet. Khi evidence đổi, không xóa p cũ: thêm p mới, timestamp và reason.

Hình 4 — Forecast Log giữ lại đường đi của probability để review process sau khi outcome xuất hiện.

c. Kết quả mong đợi

Sau 15 phút, bạn có ba forecast resolve được, mỗi dòng có base rate, evidence hai chiều, p và trigger. Chưa cần outcome ngay. Khi event resolve, ghi 0/1, tính Brier và review cả bucket sau khi đủ sample.

6. Tổng kết

a. Năm ý chính

  • Probability chỉ có nghĩa khi event, deadline và resolution criteria rõ.
  • Base rate/outside view đi trước evidence riêng/inside view.
  • 70% không phải lời hứa; một outcome không đủ kiểm calibration.
  • Brier score chấm probability error; EV không thay risk threshold.
  • Forecast Log giữ lịch sử update để giảm hindsight và outcome bias.

b. Câu hỏi tự kiểm tra

  • Vì sao 70% resolve no chưa chứng minh forecast tệ?
  • Base rate khác inside evidence ở đâu?
  • Brier của p=0,7, outcome yes bằng bao nhiêu?
  • Vì sao EV dương chưa đủ để action?

c. Gợi ý đáp án

Xem gợi ý câu 1Một event 70% vẫn có 30% khả năng no; calibration cần nhiều forecast cùng nhóm xác suất. → Xem mục 1 và 3.
Xem gợi ý câu 2Base rate đến từ nhóm tương tự; inside evidence thuộc case hiện tại. → Xem mục 2.
Xem gợi ý câu 3`(0,7-1)²=0,09`. → Xem mục 3.
Xem gợi ý câu 4Lỗ đuôi, thanh khoản, mức hữu dụng hoặc ngưỡng sống sót có thể làm hành động không phù hợp. → Xem mục 3–4.

d. Thuật ngữ cần nhớ

Thuật ngữ Giải thích ngắn
Event Mệnh đề có outcome, deadline và rule resolve.
Probability Mức tin 0–100% dành cho event.
Base rate Tần suất event trong nhóm tương tự.
Reference class Nhóm case dùng làm mốc.
Outside view Bắt đầu từ nhóm tương tự.
Inside view Evidence riêng của case hiện tại.
Calibration Độ khớp probability với tần suất outcome.
Brier score Bình phương sai số giữa p và outcome 0/1.
Expected value Tổng payoff nhân probability.
Outcome bias Đánh giá process bằng outcome một lần.

e. Nguồn tham khảo

f. Học tiếp gì?

Bài trước: Scenario Analysis nâng cao #6. Tiếp theo: Bayesian Thinking là gì? #8 — cách dùng prior, likelihood và evidence để cập nhật probability có cấu trúc.

Nhắc lại: Đây là nội dung giáo dục. Forecast demo, probability và payoff không phải tín hiệu giao dịch hay cam kết lợi nhuận.