Potvrzovací zkreslení vzniká, když informace vybíráme a vykládáme hlavně ve prospěch současného názoru. Investiční tezi proto zapisujte spolu s protidůkazy a podmínkami změny. Vlastní model ukáže, proč více potvrzujících zpráv nemusí znamenat silnější důkaz.
Potvrzovací zkreslení začíná způsobem práce s informacemi
Confirmation bias neboli potvrzovací zkreslení znamená tendenci upřednostňovat informace podporující současný názor a přehlížet či shazovat informace opačné. Investor pak může shromáždit mnoho podkladů, aniž svůj názor skutečně otestoval. Počet přečtených zpráv není totožný s kvalitou kontroly.
Typickým problémem není samotná existence investiční teze. Bez ní bychom nevěděli, proč pozici držíme. Problém nastává, když se teze stane závěrem, který se musí ubránit za každou cenu. Nová fakta potom slouží jako materiál pro obhajobu, místo aby mohla změnit odhad.
CFA Institute řadí confirmation mezi kognitivní zkreslení související s udržováním přesvědčení. Následující pracovní postup a číselné ukázky jsou vlastní výukové modely. Nejde o diagnostický test osobnosti ani o záruku vyššího výnosu; cílem je udělat rozhodování kontrolovatelnější.
Přeložte investiční příběh do ověřitelných tvrzení
Věta „firma má skvělou budoucnost“ dovoluje téměř jakoukoli pozdější interpretaci. Použitelnější teze oddělí konkrétní předpoklady: očekávanou poptávku, marži, nároky na kapitál a cenu, kterou za tuto ekonomiku platíme. Každý předpoklad potřebuje zdroj a časový rámec.
Vlastní model může například předpokládat, že nové zakázky zvýší roční tržby a že firma udrží provozní marži kolem předem zvolené úrovně. Zvlášť napište, co tento názor oslabí: ztráta zákazníků, neobnovené smlouvy, vyšší náklady nebo slabé inkaso. Nečekejte s definicí nepříznivých podmínek až na jejich výskyt.
Ne všechno má být tvrdým spouštěčem obchodu. Rozlišujte signál pro kontrolu od prokázaného porušení zásadního předpokladu. Význam jednoho čtvrtletí závisí na sezónnosti, kvalitě dat a povaze podnikání. Přesný zápis má bránit zpětnému přepisování důvodů, nikoli přikazovat mechanickou reakci na každou odchylku.
Vlastní příklad: růst tržeb potvrzuje jen část příběhu
Modelová firma původně vytváří tržby 1 000 milionů Kč a provozní marži 10 %, tedy provozní zisk 100. Investor čeká růst prodeje a zachování marže. Nově firma vykáže tržby 1 200, ale marže klesne na 6 %.
Tržby vzrostly o 20 %, provozní zisk však činí jen 72 milionů Kč, takže klesl o 28 %. Titulek o vyšších tržbách podporuje jednu část teze. Vývoj marže zpochybňuje druhou. Vybrat pouze první údaj a tvrdit, že všechny předpoklady platí, by znamenalo zaměnit dílčí podporu za úplné ověření.
| Modelový údaj | Původně | Nově |
|---|---|---|
| Tržby, mil. Kč | 1 000 | 1 200 |
| Provozní marže | 10 % | 6 % |
| Provozní zisk, mil. Kč | 100 | 72 |
Tabulka neurčuje správný obchod. Nejprve potřebujeme vysvětlit příčinu marže a její trvání. Může jít o přechodný náklad i o změnu ekonomiky. Obojí vyžaduje podklady.
Ke každému důkazu napište, co skutečně rozlišuje
Informace je užitečná, pokud pomáhá odlišit konkurenční vysvětlení. Vyšší tržby mohou vzniknout objemem, cenou nebo akvizicí. Samotný jejich růst proto nemusí dokazovat silnější poptávku původního podnikání. Hledejte podklad, který odpovídá přesně testovanému předpokladu.
V pracovní tabulce použijte sloupce tvrzení, zdroj, datum, podporující informace, protidůkaz a zbývající nejistota. U každého řádku zapište, jak by vypadal důkaz při opačné variantě. Tím omezíte situaci, kdy jeden stejný údaj vysvětlujete jako pozitivní při růstu i při poklesu.
Protidůkaz není automaticky pravdivý jen proto, že odporuje vašemu názoru. Posuzujte jeho původ, definici a význam stejně přísně jako příznivou zprávu. Rovnoměrná přísnost je důležitější než formální počet kladných a záporných řádků. Na interpretaci výsledků navazuje kvalita zisku a cash flow.
Číselný model ukazuje změnu názoru po nové informaci
Představme si čistě výukový soubor 100 hypotetických případů, z nichž 50 má silnou ekonomiku a 50 slabou. Nastavíme vlastní předpoklad: příznivý signál nastane v 80 % silných a ve 40 % slabých případů. Tyto četnosti nejsou měřením skutečných firem.
Po příznivém signálu zbývá 40 silných a 20 slabých případů. Podíl silných je 40/60 = 66,67 %, nikoli 100 %. Signál poskytl podporu, ale mohl se objevit také u slabé ekonomiky. Pouhá příznivá zpráva není důkaz jistoty.
Nyní přijde další nepříznivý signál. Za výslovného předpokladu podmíněné nezávislosti obou signálů jej nastavíme na 20 % silných a 60 % slabých případů. Z předchozích skupin pak zůstane modelově 8 silných a 12 slabých. Nový podíl silných je 8/20 = 40 %. Ignorování protidůkazu by ponechalo zastaralých 66,67 %.
Modelové pravděpodobnosti nejsou přesné odhady pro akcii
Předchozí výpočet ilustruje princip aktualizace názoru, ne nabízí praktické číslo pravděpodobnosti úspěchu investice. U skutečné firmy nemusíme znát četnosti signálů, jejich nezávislost ani jednoznačné rozdělení na silnou a slabou ekonomiku. Dvě informace mohou vycházet ze stejné příčiny.
Pokud tyto vstupy nemáte, nepřidělujte firmě přesných 66,67 % jen proto, že tak vyšel náš model. Zapište raději směr změny přesvědčení a důvod, případně rozsah nejistoty. Přesná aritmetika neodstraňuje nejistotu vstupních předpokladů.
Smyslem je připustit, že relevantní negativní údaj může názor oslabit. Nemá být automaticky označen za šum pokaždé, když narušuje preferovaný závěr. Opačně ani každá nepříznivá zpráva neznamená úplné vyvrácení. Váha informace závisí na její schopnosti rozlišovat ekonomické varianty.
Tři převzaté články nejsou tři nezávislé důkazy
Pokud tři média opíšou tutéž tiskovou zprávu, mohou vytvořit dojem širokého potvrzení. Ekonomický obsah však stále pochází z jednoho původního signálu. Počet URL sám nezvyšuje nezávislost podkladu.
V našem původním pravděpodobnostním modelu by tři skutečně podmíněně nezávislé příznivé signály měly silné případy 50 × 0,8³ = 25,6 a slabé 50 × 0,4³ = 3,2. Podíl silných by byl 25,6/28,8 = 88,89 %. To je ale jiný model než trojí přečtení stejné zprávy. Desetinné počty zde znamenají očekávané četnosti ve výukovém pravděpodobnostním modelu, nikoli skutečně pozorované zlomky společností. Podmíněná nezávislost je silným předpokladem: při její absenci uvedený násobný výpočet nemůžeme bez úpravy převzít.
U tří kopií prvního signálu zůstává původních 40 silných proti 20 slabým, tedy 66,67 %. Nezískali jsme dvě další nezávislá pozorování. V praxi proto dohledávejte původní výkaz, data nebo událost a zapisujte společný zdroj. Převzaté komentáře mohou pomoci s interpretací, ale nemají automaticky násobit důkazní sílu.
Použijte stejně náročný test pro opačné vysvětlení
Před konečným rozhodnutím vytvořte stručnou alternativní tezi, která vysvětluje stejná dostupná fakta. U rostoucích tržeb může například říkat, že firma prodává více díky slevám, zatímco ekonomika zakázky slábne. Potom hledejte informace, které obě vysvětlení odlišují.
Není třeba dávat každému názoru stejnou váhu bez ohledu na kvalitu. Nepodložený příspěvek na sociální síti a ověřitelný výkaz nejsou rovnocenné důkazy. Cílem je stejný způsob ověřování: kontrola původu, období, definic a úplnosti. Kladná tvrzení nemají dostat výjimku jen kvůli sympatii k firmě.
Můžete si předem vyhradit část analytického času na hledání důvodů, proč by teze neplatila. Přesný poměr času není vědecky zaručená hranice. Důležitý je skutečný výstup: konkrétní chybějící či odporující fakt, který může změnit scénář.
Oddělte ekonomickou tezi od nákupní ceny a nedávné ceny
Potvrzovací zkreslení se může spojit s ukotvením na vlastní nákupní cenu. Investor pak hledá důvody, proč se cena musí vrátit, místo aby znovu posuzoval současnou ekonomiku. Samostatně tento mechanismus vysvětluje ukotvení při investování.
Také nedávný růst burzovní ceny není sám potvrzením všech provozních předpokladů. Může odrážet jiné očekávání trhu a změnu ocenění. Pokles naopak není automatickým důkazem zničené firmy. Pro ekonomickou tezi potřebujete relevantní provozní a finanční údaje.
Při přehodnocení proto zapisujte odděleně změnu faktů a změnu ceny. Názor může zůstat podobný, ale vhodnost ceny se změnit; nebo cena zůstane a změní se ekonomika. Nedávný vývoj navíc může ovlivnit vnímání celé historie, jak rozebírá recency bias.
Kontrolní termín má chránit před odkládáním nepříznivých faktů
Stanovte si předem, kdy tezi znovu projdete a které události spustí mimořádnou kontrolu. Například zveřejnění výkazů nebo zásadní změna zákaznické smlouvy má přinést nové posouzení příslušného předpokladu. Nejde o univerzální frekvenci obchodování.
Udržujte původní zápis spolu s datem a novou verzí. Pokud změna názoru vyžaduje jiný scénář marže, kapitálu či růstu, aktualizujte související části modelu konzistentně. Není správné snížit jediný nepříznivý údaj a zároveň bez zdůvodnění zvýšit další tak, aby výsledné ocenění zůstalo původní.
Vlastní pracovní tabulku propojte s investičním plánem IPS a s citlivostí ocenění. Plán vymezuje cíle a omezení, test teze kontroluje konkrétní předpoklady. Jedno nenahrazuje druhé.
Dobrý proces může skončit špatným výsledkem
Ani rovnoměrné posuzování důkazů nezaručuje správnou prognózu. Mohou nastat nové události a vstupy mohou být neúplné. Pokud poctivě testovaný scénář nevyjde, neznamená to automaticky potvrzovací zkreslení. Stejně tak zisk po jednostranné analýze není důkaz kvalitního postupu.
Po rozhodnutí hodnotíte dvě věci odděleně: tehdejší práci s dostupnými podklady a skutečný pozdější výsledek. Uchovaný zápis ukáže, zda jste relevantní protidůkaz zaznamenali, jakou váhu jste mu dali a proč. Bez něj je snadné zpětně považovat vše za zjevné.
Praktickým výsledkem nemá být povinné obrácení každého názoru. Má jím být teze, která dokáže říci, co by ji změnilo, a rozhodnutí, které příznivé i nepříznivé informace posuzuje podle stejných pravidel.
FAQ: nejčastější otázky
Co je confirmation bias?
Tendence vybírat a interpretovat informace tak, aby podporovaly současný názor, a opomíjet či zlehčovat protidůkazy.
Znamená silná teze automaticky zkreslení?
Ne. Problém je odmítání možnosti její změny navzdory relevantním podkladům, nikoli existence názoru.
Musím dát opačnému komentáři stejnou váhu?
Ne. Posuzujte jeho kvalitu stejně přísně. Rovnoměrná kontrola neznamená stejnou váhu nesrovnatelných zdrojů.
Jsou tři zprávy tři důkazy?
Ne, pokud všechny vycházejí ze stejného původního sdělení. Dohledávejte společný zdroj.
Mám použít modelových 66,67 % na reálnou akcii?
Ne. Výsledek závisí na vlastních modelových četnostech, které nejsou měřením konkrétní firmy.
Vyvrací pokles ceny investiční tezi?
Ne automaticky. Oddělte cenu od provozních a finančních faktů relevantních pro předpoklady.
Co napsat před nákupem?
Konkrétní důvody, zdroje, nejistoty, podmínky změny názoru a způsob i termín jejich kontroly.
Zaručí kontrola protidůkazů výnos?
Ne. Zlepší kontrolovatelnost postupu, ale neodstraní nejistotu ani budoucí nepředvídané události.
Zdroje a metodika
Mechanismy ověřeny 10. října 2026. Číselné příklady vytvořila redakce; jsou modelové a nepředstavují prognózu ani nabídku investice.
- CFA Institute: The Behavioral Biases of Individuals, 2026 — Confirmation jako kognitivní zkreslení při udržování přesvědčení a rozlišení procesu od výsledku.
- CFA Institute: Investing Roadblocks, 2012 — Definice a význam testování vlastních názorů; nepřebíráme univerzální obchodní pokyny článku ani jeho neověřené četnostní citace.
