Recency Bias trong trading: Khi dữ liệu mới nhất lấn át baseline #16

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch.

Trả lời ngắn: Recency Bias, hay thiên kiến gần đây, xuất hiện khi thông tin mới nhất nhận trọng lượng lớn hơn mức độ liên quan và tính đại diện của nó biện minh. Trong trading, dữ liệu mới có thể quan trọng; bias chỉ đáng nghi khi recent window lấn át baseline mà chưa có bằng chứng process thật sự đổi.

Đọc xong, bạn sẽ hiểu:

• Vì sao “mới nhất” không đồng nghĩa “đại diện nhất”.
• Cách tách recency memory, order effect và extrapolation.
• Cách giữ baseline 10 lần và recent window 3 lần song song.

1. Recency Bias là gì?

Hãy hình dung một dịch vụ giao hàng: bảy lần đầu đúng giờ, ba lần gần nhất đều trễ. Ba lần trễ đáng được chú ý. Nhưng nếu bạn quên luôn bảy lần trước và nói “dịch vụ này lúc nào cũng trễ”, dữ liệu mới đang chiếm trọng lượng quá lớn.

Recent window là nhóm lần gần nhất được xem riêng. Baseline là mẫu nền được khóa trước để làm mốc so. Weight, hay trọng lượng, là mức một dữ kiện ảnh hưởng tới phán đoán. Một mẫu đại diện cần phản ánh đủ process, tức cơ chế tạo outcome mà câu hỏi đang quan tâm.

Recency Bias không có nghĩa:

• Dữ liệu mới luôn kém giá trị.
• Baseline dài hơn luôn đúng.
• Mọi lần cập nhật forecast sau tin mới đều là bias.
• Ba outcome giống nhau tự chứng minh process đã đổi.
• Chuỗi gần đây tạo ra tín hiệu giao dịch.

Nếu đơn vị vận chuyển vừa đổi tuyến, kho hoặc chính sách, ba lần trễ có thể là dấu hiệu sớm của thay đổi thật. Khi ấy, tăng weight cho recent window có lý. Câu hỏi cần hỏi không phải “mới hay cũ?”, mà là “weight này có evidence nào hỗ trợ?”.

Bài Overconfidence #15 kiểm độ chắc chắn có lớn hơn evidence hay không. Recency Bias kiểm một lớp trước đó: evidence mới nhất có đang được cho nhiều weight hơn mức nó đại diện hay không?

2. Vì sao “mới nhất” dễ lấn át?

Hình 1 — Dữ liệu mới cần được cân bằng với baseline và bằng chứng về thay đổi thật.

Một lý do đơn giản là thông tin mới còn rõ trong đầu. Murdock nghiên cứu vị trí của item trong các bài free recall — nhớ lại tự do — và ghi nhận lợi thế cho những item ở cuối danh sách. Đây là nghiên cứu về memory list, không trực tiếp chứng minh trader sẽ ra quyết định theo dữ liệu mới nhất (Murdock, 1962).

Khung dạy học có thể viết:

DỮ LIỆU MỚI → TRỌNG LƯỢNG → PHÁN ĐOÁN

Hai lớp kiểm nằm bên dưới là baseline và evidence process change. Nếu recent data khác baseline nhưng chưa tìm được thay đổi cơ chế, trạng thái hợp lý là “tín hiệu gần đây, chưa đủ kết luận”.

Hogarth và Einhorn cho thấy order effects trong belief updating phụ thuộc vào độ phức tạp của thông tin, chiều dài chuỗi và cách người tham gia phản hồi từng bước hay cuối chuỗi. Tùy task, recency, primacy hoặc không có order effect đều có thể xuất hiện (Hogarth & Einhorn, 1992).

Vì thế, không nên biến câu “con người luôn thiên về cái mới” thành quy luật universal. Có task người ta bám thông tin đầu tiên; có task thứ tự không tạo khác biệt rõ. Muốn audit, phải nhìn đúng task, đúng cách cập nhật và đúng outcome.

3. Ba khái niệm không nên gộp

Hình 2 — Recent window là tín hiệu riêng, không được xóa baseline hoặc quyết định lần kế.

Recency memory

Recency memory là việc item cuối dễ được nhớ lại hơn trong một số task. Đây là chuyện “thông tin nào hiện lên trong đầu”, chưa tự nói thông tin ấy nhận bao nhiêu weight trong judgment.

Order effect

Order effect là phán đoán thay đổi khi cùng một tập evidence được trình bày theo thứ tự khác. Nếu đọc ba review tốt rồi một review xấu, cảm nhận có thể khác khi review xấu xuất hiện đầu tiên. Nhưng review cuối cũng có thể chứa thông tin mới thật, nên thứ tự không phải lời giải duy nhất.

Extrapolation

Extrapolation là kéo pattern đã thấy sang lần chưa xảy ra. Câu “ba lần gần nhất đều trễ, nên lần 11 chắc chắn trễ” đã đi từ mô tả quá khứ sang dự báo tương lai mà chưa có model hoặc evidence process change.

Greenwood và Shleifer phân tích sáu chuỗi kỳ vọng lợi suất của nhà đầu tư giai đoạn 1963–2011. Các thước đo kỳ vọng tương quan dương với past returns và mức thị trường. Đây là kết quả aggregate theo thời gian; nó không chẩn đoán một cá nhân và không tạo contrarian rule (Greenwood & Shleifer, 2014).

De Bondt và Thaler nghiên cứu portfolio “winner” và “loser” lịch sử; kết quả nhất quán với market-overreaction hypothesis trong thiết kế đó. Nó không có nghĩa mọi đợt tăng gần đây sẽ đảo chiều, cũng không cho xác suất outcome kế tiếp (De Bondt & Thaler, 1985).

Ba khái niệm liên quan nhưng không đồng nhất: nhớ cái cuối, bị ảnh hưởng bởi thứ tự và kéo chuỗi gần sang tương lai là ba bước cần kiểm riêng.

4. Checklist giữ hai cửa sổ

Bước 1: Khóa câu hỏi

Viết outcome, unit và deadline trước khi xem chuỗi. “Gần đây có tệ không?” quá mơ hồ. “Trong 10 lần giao gần nhất, bao nhiêu lần quá deadline đã định?” có mẫu số và rule chấm.

Bước 2: Khóa baseline window

Chọn cửa sổ dài theo rule có trước, không chọn sau khi đã thấy kết quả đẹp hoặc xấu. Ghi lý do dùng 10, 30 hay 100 lần.

Bước 3: Tính recent window riêng

Recent window dùng cùng outcome và rule chấm với baseline. Không lấy ba lần gần nhất thay thế toàn bộ lịch sử; cũng không giấu ba lần gần nhất trong một con số dài.

Bước 4: Ghi chênh lệch

Viết cả hai tỷ lệ và hiệu theo điểm phần trăm. Từ 30% lên 100% là chênh +70 điểm phần trăm, không gọi là “tăng 70%”.

Bước 5: Kiểm process change

Process change là cơ chế tạo outcome thật sự đổi, như thay nhà vận chuyển, tuyến đường, rule hoặc nguồn dữ liệu. Liệt kê evidence có thể kiểm, không chỉ kể một câu chuyện hợp tai.

Bước 6: Ghi trạng thái

Chọn một trong ba: process đổi, recent signal hoặc chưa đủ dữ liệu. Đứng ngoài kết luận khi window được chọn sau kết quả, denominator quá nhỏ, outcome không comparable hoặc cơ chế chưa kiểm.

Ngược lại, nếu policy hoặc system thật sự đổi, baseline cũ có thể mất relevance. Chống Recency Bias không có nghĩa bám dữ liệu cũ bằng mọi giá.

5. Bài tập 15 phút: 10 lần và 3 lần gần nhất

Hình 3 — Không có evidence process đổi thì trạng thái đúng là tín hiệu gần đây, chưa kết luận.

Dùng giấy, Notes, Google Docs hoặc Google Sheets miễn phí. Đây là chuỗi giao hàng giả lập, không dùng tiền thật và không dự báo thị trường.

Mẫu đối chiếu tham khảo

Tách phép tính:

• Baseline: 3 ÷ 10 = 30%.
• Recent: 3 ÷ 3 = 100%.
• Gap: 100% − 30% = +70 điểm phần trăm.

Recent window đang báo một cụm trễ đáng xem. Nhưng demo không cho biết có đổi đơn vị vận chuyển, tuyến, policy hoặc cách chấm hay không. Vì thiếu evidence này, ta giữ hai cửa sổ song song và không phán lần 11.

Một chuỗi 10 lần vẫn nhỏ. Bài tập chỉ dạy cách chống việc “ba lần mới xóa bảy lần cũ”; nó không phải psychometric test và không chẩn đoán người học có Recency Bias.

6. Tổng kết và đường sang Gambler's Fallacy

a. Năm ý chính

• Recency Bias là weight của dữ liệu mới vượt mức relevance và tính đại diện biện minh.
• Recent data có thể rất quan trọng khi process thật sự đổi.
• Recency memory, order effect và extrapolation là ba khái niệm khác nhau.
• Baseline window và recent window cần được giữ riêng bằng cùng rule chấm.
• Một chuỗi ngắn không cho phép chẩn đoán cá nhân hoặc dự báo chắc outcome kế.

Muốn xem lại cách confidence được kiểm với kết quả lặp, quay về Overconfidence #15. Bài sau là Gambler's Fallacy #17: từ việc cho chuỗi gần weight quá lớn sang niềm tin outcome ngược lại “đã đến lượt”.

b. Câu hỏi tự kiểm tra

• Khi nào recent data đáng nhận weight cao?
• Recency memory khác extrapolation thế nào?
• Chuỗi 3/3 trễ cho phép kết luận gì về lần 11?

c. Gợi ý đáp án

Xem gợi ý câu 1

Khi có evidence process thật sự đổi hoặc recent data có relevance cao hơn. → xem mục 1–2.

Xem gợi ý câu 2

Recency memory nói item nào dễ nhớ; extrapolation kéo pattern đã thấy sang tương lai. → xem mục 3.

Xem gợi ý câu 3

Chỉ kết luận recent window có 100% trễ trong ba lần; chưa thể nói lần 11 chắc trễ hoặc chắc đúng giờ. → xem mục 4–5.

d. Thuật ngữ cần nhớ

e. Nguồn tham khảo

• Murdock, The Serial Position Effect of Free Recall: https://doi.org/10.1037/h0045106
• Hogarth & Einhorn, Order Effects in Belief Updating: https://doi.org/10.1016/0010-0285(92)90002-J
• Greenwood & Shleifer, Expectations of Returns and Expected Returns: https://doi.org/10.1093/rfs/hht082
• De Bondt & Thaler, Does the Stock Market Overreact?: https://doi.org/10.1111/j.1540-6261.1985.tb05004.x

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch. Mọi thị trường đều có rủi ro mất vốn.