Research · Post-trade analytics

Outcome vs Decision Quality

Perché risultato economico e qualità della decisione devono essere misurati separatamente per evitare di premiare fortuna e punire buon processo.

La distinzione fondamentale

Un trade può chiudere in profitto pur essendo nato da una tesi incoerente, da un rischio eccessivo o da un’entry tardiva. Allo stesso modo, una decisione corretta può produrre una perdita perché l’esito di un singolo evento contiene sempre una componente casuale.

Cosa viene valutato

  • Qualità del Strategic Bias.
  • Coerenza del Tactical Bias e gestione dei conflitti H1.
  • Qualità del trigger e del timing.
  • Validità dell’invalidazione.
  • Sizing e rispetto del rischio.
  • Disciplina nell’uscita e assenza di modifiche opportunistiche.

Matrice outcome/processo

Il framework distingue quattro casi: buona decisione + profitto; buona decisione + perdita; cattiva decisione + profitto; cattiva decisione + perdita. Il terzo caso è particolarmente pericoloso perché può rinforzare comportamenti errati se viene giudicato solo dal PnL.

Impatto sulla ricerca

Separare outcome e decision quality rende più pulita l’attribution. Una perdita dovuta a un conflitto H1 ignorato richiede una correzione diversa da una perdita su una tesi corretta che semplicemente non ha funzionato.

Impatto sulla governance

La stessa separazione impedisce di cambiare framework in risposta a pochi risultati negativi o di promuovere regole nate da trade fortunati. Il sistema evolve sulla base del processo, non dell’emotività del risultato.

Esempi di classificazione

Buona decisione + profitto è il caso più semplice: il processo e l’outcome convergono. Buona decisione + perdita richiede di accettare la varianza senza cambiare immediatamente regola. Cattiva decisione + perdita evidenzia un errore visibile e spesso correggibile. Cattiva decisione + profitto è il caso più pericoloso perché il risultato positivo può rinforzare la violazione del processo.

La review deve quindi partire dalla decisione e soltanto dopo guardare il PnL. Invertire l’ordine aumenta il rischio di hindsight bias: ciò che ha guadagnato viene ricordato come “ovviamente corretto”, ciò che ha perso come “ovviamente sbagliato”.

Uso nelle statistiche

Aggregando decision quality e outcome si possono costruire statistiche più utili del solo win rate. Per esempio: percentuale di buone decisioni, rendimento medio delle buone decisioni, costo delle violazioni, frequenza dei profitti ottenuti fuori processo e performance dei setup con score elevato rispetto a quelli degradati.

Questi dati aiutano a capire se l’edge deriva realmente dal framework o da pochi risultati eccezionali. Inoltre rendono più facile separare un problema strategico da un problema comportamentale.

Scope. Questo contenuto descrive il framework decisionale e di controllo di FTSDynamicFund. Non costituisce una raccomandazione operativa, una promessa di rendimento o un invito all'investimento.