Research Bias #48

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

Trả lời ngắn: Research Bias là độ lệch có tính lặp lại trong cách researcher chú ý, chọn, diễn giải hoặc cập nhật evidence — bằng chứng dùng để kiểm một nhận định. Bias không đồng nghĩa người viết thiếu thông minh; nó khiến dữ liệu thuận thesis thường được xử dễ dãi hơn dữ liệu nghịch thesis.

Đọc xong, bạn sẽ hiểu:

• Sáu bias hay chen vào quy trình research ở bước nào.
• Dấu hiệu phân biệt bias với một bất đồng bình thường.
• Cách chạy Bias Check 15 phút trước khi chốt hoặc cập nhật thesis.

1. Research Bias là gì và vì sao người giỏi vẫn mắc?

Não không thể tính mọi thứ từ số 0. Nó dùng heuristic — lối tắt suy nghĩ giúp ra quyết định nhanh. Chẳng hạn, khi chọn quán ăn, ta nhớ ngay quán vừa được bạn bè khen thay vì lập bảng thống kê 30 quán. Lối tắt ấy thường hữu ích. Vấn đề xuất hiện khi lối tắt tạo ra cùng một kiểu sai trong nhiều lần đánh giá.

Research cũng vậy. Một headline, target cũ hoặc ý kiến có uy tín tạo trigger — tín hiệu khởi động. Não chọn shortcut, chú ý vài mẩu evidence rồi gắn mình vào kết luận. Từ lúc công khai “Company L có CFO bền”, dữ liệu mới dễ bị lọc theo câu chuyện cũ.

Đây là vòng lặp:

TRIGGER → SHORTCUT → SELECT → CONCLUDE → COMMIT → FILTER NEXT EVIDENCE

Bạn đã thích một chiếc điện thoại nên tìm review “pin tốt”, còn bài test nhiệt thì tự nhủ “người ta dùng quá nặng”. Dữ liệu không biến mất; tiêu chuẩn xét dữ liệu đã đổi.

Debiasing là thiết kế quy trình để giảm ảnh hưởng của bias, không phải lời hứa khách quan tuyệt đối. Tversky và Kahneman mô tả cách heuristic hữu ích vẫn có thể tạo sai lệch hệ thống khi ta phán đoán dưới bất định (Science, 1974).

Hình 1 — Vòng bias tự củng cố cho tới khi quy trình ép người viết dừng, xem evidence hai chiều và đặt update rule.

2. Sáu bias phổ biến làm méo research như thế nào?

a. Confirmation bias: chỉ kiểm phía mình muốn đúng

Confirmation bias là xu hướng diễn giải evidence theo hướng ủng hộ niềm tin sẵn có. Company L có retention cũ 91% nhưng cohort mới chỉ 87%. Nếu 91% là “signal mạnh” còn 87% là “noise”, hai số đang bị xử bằng hai luật.

Dấu hiệu: mục “risks” toàn câu chung chung, còn mục “catalysts” có số và ngày rõ. Control: trước khi tìm support thứ hai, phải viết một câu Điều gì xuất hiện sẽ khiến tôi đổi ý?

b. Anchoring: mốc cũ kéo mô hình mới

Anchoring xảy ra khi mốc đầu tiên kéo các ước lượng sau, dù mốc đó không còn phù hợp. Target cũ là 120. Dữ liệu mới cho range 78–96, nhưng researcher chỉnh midpoint lên 108 vì “120 từng hợp lý”. 108 đang gần anchor cũ hơn evidence mới.

Giống biển “giá gốc 2 triệu, nay 1,2 triệu”: nếu chưa so sản phẩm tương đương, 2 triệu chỉ là mốc. Control: ẩn target cũ, dựng range từ driver rồi mới so chênh lệch.

c. Availability và recency: cái dễ nhớ trông có vẻ quan trọng hơn

Availability bias là đánh giá xác suất theo thông tin dễ nhớ; recency bias là cho dữ liệu mới trọng lượng quá lớn. Một tháng CPI hạ có thể lấn át chuỗi 12 tháng. Một scandal vừa lên báo có thể làm ta tưởng toàn ngành đang hỏng.

Control là base rate — tỷ lệ nền từ nhóm trường hợp tương tự — và một cửa sổ thời gian cố định trước khi mở dữ liệu. Nếu câu hỏi là xu hướng 12 tháng, không đổi thành “tháng gần nhất” chỉ vì con số mới hợp narrative.

d. Overconfidence: độ chắc lớn hơn chất lượng evidence

Overconfidence là tin độ chính xác của mình cao hơn căn cứ thực có. Nó lộ qua câu “chắc chắn”, forecast một điểm thay vì range, hoặc không ghi điều kiện khiến estimate hỏng.

Control: dùng range, ghi confidence thấp/vừa/cao và nêu lý do. Confidence không tăng chỉ vì bài viết dài hơn.

e. Narrative và group bias: câu chuyện trơn tru thắng dữ liệu rời rạc

Narrative bias ưu tiên câu chuyện dễ kể hơn lời giải thích lộn xộn nhưng đúng dữ liệu. Group bias xuất hiện khi cả nhóm ngại đưa quan điểm trái chiều. Năm người nhắc “AI adoption” không biến adoption thành doanh thu, margin hay cash flow.

Control: tách Fact / Opinion / Narrative; nếu có thể, để reviewer chưa thấy tên tác giả. CFA Institute yêu cầu research có diligence, independence, thoroughness và căn cứ hợp lý; khi dùng research bên ngoài còn phải xét assumptions, timeliness và objectivity (Standard V(A)).

f. Sunk-cost bias: giữ thesis vì đã bỏ quá nhiều công

Sunk cost là chi phí đã bỏ ra và không lấy lại được. Researcher có thể giữ thesis vì đã dành 40 giờ làm model. Nhưng 40 giờ cũ không làm cohort 87% thành 91%.

Control: verdict chỉ có KEEP / REVISE / DROP, dựa trên evidence và invalidation hiện tại. Thời gian đã bỏ ra nằm trong nhật ký, không nằm trong cột support.

Hình 2 — Mỗi bias cần một control cụ thể; chỉ biết tên bias không tự động làm kết luận tốt hơn.

3. Sai lầm, giới hạn và rủi ro khi “chống bias”

Sai lầm thứ nhất là gắn nhãn đối phương. “Bạn đang confirmation bias” không phản biện claim. Có thể người kia có evidence tốt hơn, khác time horizon hoặc dùng assumption khác. Hãy chỉ đúng dòng dữ liệu, tiêu chuẩn và update rule đang bất nhất.

Sai lầm thứ hai là làm checklist theatre: tick đủ ô nhưng không đổi hành vi. Nếu cột disconfirm luôn trống, hoặc mọi bad news đều được ghi “temporary”, bảng đẹp chỉ che bias tốt hơn.

Sai lầm thứ ba là cân hai phía bằng số lượng. Annual report kiểm toán không ngang bài đăng ẩn danh. Chấm evidence theo nguồn, độ mới, mức liên quan và khả năng kiểm chứng; không phải 3 support thắng 2 disconfirm.

Control tạo friction — độ chậm có chủ đích — chứ không bảo đảm kết luận đúng. Khi dữ liệu thiếu hoặc lĩnh vực ngoài chuyên môn, chọn WAIT hay giảm confidence thay vì ép KEEP.

Áp lực từ issuer, team, compensation hoặc quyền tiếp cận management có thể làm objectivity yếu đi. CFA Standard I(B) yêu cầu độc lập, khách quan, phân biệt fact với opinion và công khai conflict thích hợp (Standard I(B)). Bias Check cá nhân không thay governance tổ chức.

4. Checklist Bias Check trước khi chốt kết luận

Chạy checklist theo thứ tự; viết câu hỏi trước khi đọc đáp án.

1. Freeze claim: Viết đúng một câu có đối tượng, cơ chế, horizon và metric.
2. Ghi anchor: Mốc đầu tiên đến từ đâu? Target cũ, giá hiện tại hay ý kiến người nổi tiếng?
3. Reset estimate: Tạm ẩn anchor; dựng range mới từ driver hoặc comparable độc lập.
4. Evidence hai chiều: Ghi ít nhất một support và một disconfirming evidence — bằng chứng có thể làm thesis yếu đi.
5. Kiểm base rate: Nhóm trường hợp tương tự thường có kết quả gì? Case hiện tại khác ở đâu?
6. Pre-mortem: Giả sử thesis sai sau 12 tháng; ba nguyên nhân cụ thể là gì?
7. Source check: Nguồn sơ cấp hay thứ cấp? Mới tới đâu? Có conflict hoặc selection không?
8. Sensitivity: Driver thay đổi hợp lý thì verdict đổi không? Company L từ CFO 10% về normalized CFO 6% là ví dụ.
9. Update rule: Ghi Nếu X xảy ra trước ngày Y, đổi KEEP thành REVISE/DROP.
10. Decision log: Lưu conclusion, confidence và evidence tại thời điểm chốt.

Đứng ngoài khi claim không đo được, nguồn số không rõ, evidence hai chiều khác kỳ hoặc không có điều kiện đổi ý.

Dừng xem lại khi estimate đổi mạnh mà verdict giữ nguyên, hoặc cùng evidence được gọi là “signal” khi thuận và “noise” khi nghịch thesis.

Hình 3 — Filled card biến lời nhắc “hãy khách quan” thành các ô evidence, anchor reset, sensitivity và update rule có thể kiểm.

5. Bài tập 15 phút: audit một mini-thesis

Dùng Google Sheets miễn phí hoặc một tờ giấy. Đây là dữ liệu giả lập; chưa dùng tiền thật.

Trong bài tập, CFO margin là CFO chia doanh thu; retention là tỷ lệ khách tiếp tục sử dụng; capex là tiền đầu tư tài sản dài hạn.

Mini-thesis: “Company L sẽ giữ CFO margin 10% trong 12 tháng vì retention cao và capex giảm.”

Chia 15 phút:

• Phút 0–3: freeze claim và ghi anchor.
• Phút 3–7: điền support/disconfirm.
• Phút 7–10: reset estimate và base rate.
• Phút 10–13: chạy sensitivity.
• Phút 13–15: ghi verdict, confidence, update rule.

Mẫu đối chiếu đã điền

Kết quả mong đợi không phải “đoán đúng Company L”. Output đạt là một card trong đó support và disconfirm dùng cùng horizon, anchor đã được reset, verdict có lý do và update rule có ngày hoặc sự kiện kiểm được.

Nếu bạn vẫn giữ KEEP, hãy viết một câu nhận sai: “Tôi có thể đang đánh giá thấp maintenance capex vì model ban đầu dùng management guidance.” Câu này không làm thesis yếu; nó cho reviewer biết chỗ cần kiểm trước.

6. Tổng kết

a. Năm ý chính

• Research Bias là lệch có tính lặp lại trong cách chọn, diễn giải hoặc cập nhật evidence.
• Sáu nhóm hay gặp là confirmation, anchoring, availability/recency, overconfidence, narrative/group và sunk cost.
• Biết tên bias chưa đủ; mỗi bias cần một control làm chậm đúng chỗ.
• Evidence hai chiều phải được cân theo chất lượng, không đếm số mẩu.
• Một research process tốt kết thúc bằng verdict, confidence và update rule có thể kiểm.

b. Câu hỏi tự kiểm tra

• Vì sao một bất đồng không tự động chứng minh người kia có bias?
• Anchor reset khác với chỉnh target cũ như thế nào?
• Khi nào verdict nên là WAIT thay vì KEEP?

c. Gợi ý đáp án

Xem gợi ý câu 1

Hai người có thể khác horizon, assumption hoặc evidence. Muốn chỉ ra bias phải chứng minh tiêu chuẩn xử lý evidence bị lệch. Xem mục 3.

Xem gợi ý câu 2

Anchor reset dựng estimate từ driver độc lập trước rồi mới so với mốc cũ; chỉnh target bắt đầu từ mốc cũ. Xem mục 2 và 4.

Xem gợi ý câu 3

Chọn WAIT khi claim chưa đo được, nguồn không rõ hoặc thiếu base rate quan trọng. Xem mục 3 và 4.

d. Thuật ngữ cần nhớ

e. Nguồn tham khảo

• Tversky & Kahneman — Judgment under Uncertainty: Heuristics and Biases
• CFA Institute — Standard V(A): Diligence and Reasonable Basis
• CFA Institute — Standard I(B): Independence and Objectivity

Bài trước: Cách phản biện một Thesis #47
Bài tiếp theo: Quy trình cập nhật Research liên tục #49

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.