Tester les plans sous stress au-delà de la fourchette historique
Demandez comment votre plan tient si le pire résultat est deux fois pire que tout cas historiquement observé.
Why it works
Les modèles de risque du sophisme ludique utilisent les distributions historiques pour fixer les scénarios du pire cas — mais dans les domaines du monde réel, le maximum historique n'est pas le maximum. Parce que les modèles sont ajustés aux données observées, ils sous-estimeront toujours la queue si celle-ci est déterminée par des processus qui n'étaient pas actifs pendant la période d'observation. Tester sous stress au-delà de la fourchette historique force le plan à affronter des résultats qu'un modèle ne peut pas générer par construction.
How to do it
- Prenez votre scénario du pire cas issu de votre modèle de risque.
- Doublez-le ou triplez-le : « Et si les pertes étaient 2 à 3 fois notre pire cas observé ? »
- Vérifiez si le plan survit à cette échelle, et construisez le plan pour y survivre si possible.
Données probantes
L'analyse post-crise trouve systématiquement que les modèles de risque pré-crise ont sous-estimé les résultats de queue, souvent parce que les modèles étaient construits à partir de données n'incluant pas le régime de crise. La crise financière de 2008 est l'exemple canonique de Taleb. (observational)
Le test de stress au-delà de la fourchette historique est maintenant standard dans la réglementation financière (tests de résistance réglementaires) mais l'adoption dans la planification quotidienne est limitée. La pratique est fondée mais le multiplicateur spécifique (2x, 3x) est une heuristique.
Erreur fréquente
Choisir un niveau de test de stress légèrement pire que le pire cas historique plutôt que réellement en dehors de celui-ci — cela teste le territoire connu du modèle, pas le territoire au-delà.
Pratiquez cela avec IX Coach
More practices for Le sophisme ludique : quand vous confondez la vraie vie avec un jeu
- Vérifier si les règles de votre domaine sont réellement stables
Avant d'appliquer tout modèle de probabilité, demandez si les règles régissant les résultats pourraient changer en cours de partie.
- Construire des plans avec de la marge pour les résultats hors de votre modèle
Réservez de la capacité pour des événements qui ne sont pas dans votre modèle de risque — car les événements les plus dommageables ne le sont généralement pas.
- Préférer les positions offrant de l'optionalité à celles offrant de la précision
Dans les environnements incertains, priorisez les options de pivoter par rapport aux positions fixes optimisées.
- Se méfier de la fausse précision dans les prévisions et modèles
Traitez toute probabilité précise ou prévision quantitative avec une suspicion explicite quant à savoir si le modèle correspond au domaine.
- Questionner si la catégorie depuis laquelle vous raisonnez correspond réellement
Avant d'appliquer un modèle ou un cadre, vérifiez que la catégorie sur laquelle il a été construit correspond réellement à votre situation.
Concepts associés
- Le sophisme narratif : pourquoi nous ne pouvons pas nous empêcher de fabriquer des histoires
How causal stories distort hindsight, forecast, and learning — and how to reduce their pull
- Système 1, Système 2, rendus utilisables
Two systems, the biases they create, and when to slow down
- La négligence du taux de base : pourquoi nous ignorons les probabilités
How to let prior probabilities do their real work in your decisions