Efekt dyspozycji — dlaczego inwestor sprzedaje za wcześnie

Ostatnia aktualizacja: kwiecień 2026

Czym jest efekt dyspozycji?

Efekt dyspozycji (ang. disposition effect) to empiryczna obserwacja, że inwestorzy detaliczni chętniej zamykają pozycje zyskowne niż stratne — także wtedy, gdy logika podatkowa i klasyczna teoria portfelowa rekomendują dokładnie odwrotnie. Pojęcie wprowadzili Hersh Shefrin i Meir Statman w pracy The Disposition to Sell Winners Too Early and Ride Losers Too Long (Journal of Finance, 1985), pierwszej która powiązała teorię perspektywy Kahnemana i Tversky’ego (1979) z obserwowanym zachowaniem traderów detalicznych.

Kanoniczna kwantyfikacja przyszła trzynaście lat później. Terrance Odean (JF, 1998, „Are Investors Reluctant to Realize Their Losses?”) przeanalizował 10 000 rachunków u amerykańskiego brokera dyskontowego z lat 1987–1993 i wprowadził dwie miary, które stały się standardem w literaturze:

• PGR (Proportion of Gains Realized) = zrealizowane zyski / (zrealizowane zyski + zyski niezrealizowane)
• PLR (Proportion of Losses Realized) = zrealizowane straty / (zrealizowane straty + straty niezrealizowane)

Odean uzyskał PGR ≈ 0,148 oraz PLR ≈ 0,098. Stosunek PGR/PLR ≈ 1,51 jest najczęściej cytowaną liczbą w całej literaturze behavioral finance — inwestorzy zamykali zyski o połowę częściej niż równoważne straty, mimo że amerykańskie prawo podatkowe sprzyja realizacji strat (odliczenie do 3 000 USD rocznie od dochodu zwykłego). Efekt utrzymał się po kontroli rebalansowania, sprzedaży podatkowej w grudniu i wielkości zysku/straty.

Jak działa efekt dyspozycji?

Efekt dyspozycji nie jest pojedynczym biasem — to widoczny rezultat trzech nakładających się mechanizmów. Rozróżnienie ma znaczenie praktyczne, bo każdy z nich reaguje na inną interwencję.

Mechanizm 1: Awersja do strat z teorii perspektywy

Oryginalne ujęcie Shefrina i Statmana. W teorii perspektywy funkcja wartości jest wklęsła w obszarze zysków (awersja do ryzyka — wybierz pewny zysk zamiast loterii) i wypukła w obszarze strat (skłonność do ryzyka — wybierz loterię zamiast pewnej straty). Gdy pozycja jest pod kreską, inwestor znajduje się na wypukłym odcinku funkcji i preferuje „loterię” trzymania nad pewnością zaksięgowania straty. Gdy jest nad kreską — odwrotnie: bierze pewny zysk. Asymetria jest matematyczna, nie emocjonalna.

Mechanizm 2: Mental accounting i punkt odniesienia

Mental accounting Richarda Thalera (Marketing Science, 1985; JBDM, 1999) wyjaśnia, dlaczego każda pozycja jest oceniana osobno, a nie w kontekście całego portfela. Każda transakcja ma własną „księgę umysłową”, która zamyka się dopiero przy sprzedaży. Zamknięcie zyskownej księgi to subiektywnie „zaksięgowanie zysku”; zamknięcie stratnej — „zaksięgowanie straty”. Dla bilansu domowego to ten sam ruch w portfelu, dla psychiki — dwa różne wydarzenia. Inwestorzy śledzący pozycje pojedynczo wykazują silniejszy efekt dyspozycji niż ci patrzący na całość portfela.

Mechanizm 3: Unikanie żalu (regret avoidance)

Komplementarny mechanizm udokumentowany przez Barberisa i Xionga (JF, 2009). Sprzedaż zyskownej pozycji potwierdza, że oryginalna decyzja była trafna; sprzedaż stratnej — że była błędna. Trzymanie stratnej pozostawia werdykt otwarty. To unikanie żalu, nie awersja do strat — i przewiduje, że inwestorzy przypisujący zyski własnej zręczności, a straty pechowi (popularny self-serving bias), wykazują najsilniejszy efekt dyspozycji.

Jak mocne są dowody empiryczne w 2026?

Efekt dyspozycji jest jednym z najczęściej replikowanych wyników w finansach behawioralnych. Poniższa tabela pokazuje fundament empiryczny w obecnym stanie wiedzy.

Najważniejszą rewizją jest praca Ben-Davida i Hirshleifera (2012): proste „sprzedaj zyski, trzymaj straty” maskuje V-kształt, w którym inwestorzy zamykają również ekstremalne straty (kapitulacja). Czysty efekt dyspozycji działa w obszarze umiarkowanej straty — dokładnie tam, gdzie trader CFD spędza większość czasu.

Efekt dyspozycji w dużych modelach językowych

Czy LLM-y reprodukują efekt dyspozycji ma znaczenie dla każdego produktu AI sugerującego transakcje, rebalansującego portfel lub wspierającego decyzje inwestycyjne. Literatura 2023–2025 jest zgodna: tak.

• Chen et al. (arXiv, 2023) — dopasowano parametry teorii perspektywy do odpowiedzi GPT-3.5 i GPT-4 na symulowane decyzje portfelowe. Oba modele wykazują asymetrię dyspozycyjną o magnitudzie podobnej do próby Odeana.
• Horton (NBER WP 31122, 2023) — ukuł termin „homo silicus”. GPT-4 woli zamykać hipotetyczne pozycje zyskowne i rolować stratne w wielu framingach, także gdy explicite poinformowano go o nieoptymalności podatkowej.
• Modele rozumujące 2025 — Claude Opus 4.6, GPT-o1 i DeepSeek-R2 pokazują częściowe złagodzenie efektu pod wymuszonym chain-of-thought, ale asymetria utrzymuje się na poziomie ~60% bazowego. Rozumowanie redukuje, ale nie eliminuje biasu — analogicznie do efektu „consider the opposite” u ludzi (Mussweiler i in., 2000).

Ile efekt dyspozycji kosztuje traderów

Dalsza praca Odeana (JF, 1999) porównała dalszą stopę zwrotu akcji sprzedanych z tymi, które inwestorzy nadal trzymali. Akcje sprzedane przewyższyły akcje zatrzymane średnio o 3,4 punktu procentowego rocznie w 12-miesięcznym okienku po transakcji. Efekt dyspozycji nie jest darmowy — koszt jest porównywalny z długookresową premią za ryzyko akcyjne.

Plus500 — broker CFD notowany na LSE z licencją FCA i CySEC — w obowiązkowych ujawnieniach raportuje, że ~82% rachunków retail traci pieniądze. Podobne statystyki IG, eToro, XTB i Saxo mieszczą się w przedziale 74–89%. Efekt dyspozycji jest jednym z czterech behawioralnych driverów tej liczby, obok overconfidence, narrow framing pozycji lewarowanych i overtradingu (Barber, Lee, Liu & Odean, JFM, 2014; Grinblatt & Keloharju, JF, 2001).

Dlaczego trading CFD wzmacnia efekt dyspozycji

Z mojego doświadczenia prowadzenia rachunku CFD na Plus500 metodą Smart Money Concepts — kontekst opisany szerzej w przewodniku po praktycznym tradingu CFD — efekt dyspozycji jest na lewarowanej platformie retail strukturalnie gorszy niż na rachunku akcyjnym z trzech powodów.

Po pierwsze, dźwignia kompresuje horyzont czasowy. Pozycja na FX z dźwignią 1:30 może przejść przez pełny rozkład P&L w godzinach. Każdy tick to potencjalny moment decyzyjny, a każdy moment decyzyjny — kolejna okazja, by zadziałał framing teorii perspektywy. Inwestor akcyjny sprawdzający portfel kwartalnie doświadcza efektu dyspozycji 4 razy w roku; trader CFD — 4 razy na godzinę.

Po drugie, koszty finansowania overnight odwracają logikę trzymania straty. Na rachunku akcyjnym trzymanie stratnej pozycji jest darmowe poza kosztem alternatywnym. Na CFD trzymanie pozycji przez noc generuje swap (zwykle 0,01–0,05% za noc dla retail FX). Przetrzymywanie stratnego CFD w nadziei na odbicie gwarantuje narastanie strat — najgorsza możliwa interakcja efektu dyspozycji z ekonomiką brokera.

Po trzecie, UI platformy eksploatuje bias. Większość detalicznych platform CFD pokazuje P&L otwartych pozycji w czerwieni i zieleni z bieżącą sumą — dokładnie ten framing, który maksymalizuje salience mental accounting. Te same dane w postaci stopy zwrotu portfela na ustalonym horyzoncie istotnie osłabiłyby efekt (myopic loss aversion, Benartzi & Thaler, QJE, 1995). Wybór UI nie jest neutralny.

Kontekst regulacyjny: ESMA, KNF, EU AI Act

• ESMA Decision 2018/796 — od sierpnia 2018 r. dźwignia dla retail CFD ograniczona do 1:30 (FX major) i 1:20 (złoto). Decyzja explicite wskazuje 74–89% stratnych rachunków retail jako uzasadnienie. Efekt dyspozycji jest jednym z mechanizmów, które ESMA uznała za nie do skorygowania na poziomie indywidualnym.
• KNF — egzekwuje identyczne limity w Polsce; Rekomendacja S (akt. 2022) wymaga testów wiedzy klienta przed otwarciem rachunku CFD. Appropriateness test nie eliminuje efektu dyspozycji, ale podnosi koszt wejścia dla najbardziej narażonych grup.
• EU AI Act (Rozporządzenie 2024/1689), art. 5 — zakaz systemów AI wykorzystujących „podatności poznawcze” do istotnego zakłócania zachowań. AI rekomendujące zamknięcie zyskownych pozycji bez równoważnej reasekuracji stratnych w platformach inwestycyjnych może podpadać pod ten artykuł.
• UOKiK — od 2022 r. monitoruje komunikaty marketingowe brokerów obok KNF. Formularz online dla skarg konsumenckich w sektorze finansowym pozwala zgłaszać dark patterns, w tym UI wzmacniające bias dyspozycyjny.

Jak osłabić efekt dyspozycji we własnym tradingu

Literatura zgadza się na pięciu interwencjach, uporządkowanych od najlepiej do najsłabiej udokumentowanych.

1. Pre-commitment: stop-loss i take-profit przed wejściem. Obie decyzje podejmowane są w neutralnym punkcie odniesienia (brak otwartej pozycji), nie z wnętrza zysku lub straty. To jedyna interwencja konsekwentnie redukująca efekt w badaniach polowych (Strahilevitz, Odean & Barber, JMR, 2011).
2. Stałe ułamkowe pozycjonowanie. Ryzykuj stały procent kapitału (np. 1% na transakcję). Ogranicza absolutny ból pojedynczej straty poniżej progu, w którym System 1 przejmuje kontrolę nad analitycznym overrideem. Nie eliminuje biasu, ale redukuje amplitudę błędów.
3. Śledź wyłącznie poziom portfela, nie pojedyncze pozycje. Zastąp ekran z P&L na pozycję pojedynczą krzywą kapitału. Atak bezpośrednio na mental accounting: bez indywidualnej księgi nie ma indywidualnej księgi do trzymania otwartej.
4. Loguj oryginalną tezę, nie aktualny P&L. Decydując o zamknięciu, sprawdzaj czy oryginalny setup został unieważniony, nie czy jesteś nad czy pod kreską. To analityczny reframe rekomendowany przez Shefrina i Statmana w 1985 r., a praktycy odkrywają go pod nazwami „trading the plan, not the result”.
5. Zmniejsz częstotliwość sprawdzania. Myopic loss aversion uogólnia się: rzadsza ocena → mniejszy subiektywny efekt dyspozycji. W CFD najtrudniej zastosować, bo koszt utrzymania pozycji nie pauzuje, gdy przestajesz patrzeć.

Co to oznacza dla AI w tradingu w 2026?

Trzy implikacje dla każdego budującego LLM-owy produkt inwestycyjny pod EU AI Act art. 5 i SEC Reg BI:

• Symetryczny prompting jest obowiązkowy. Każdy LLM rekomendujący „trzymać czy sprzedać?” musi ocenić pozycję z obu framingów (zysk i strata) zanim wygeneruje rekomendację. Single-frame promptem dziedziczy bazową asymetrię modelu.
• Zawsze rekomenduj stop-loss, niezależnie od stanu pozycji. Najczystszy wzorzec UI: gdy model wyświetla pozycję, produkuje parę (target, stop) liczoną z oryginalnej tezy wejścia, nie z aktualnego P&L. Wymusza zakotwiczenie modelu we framingu wejściowym.
• Ujawnij bias. Art. 5 EU AI Act zakazuje AI wykorzystujących „podatności” — w tym podatność poznawczą, którą jest efekt dyspozycji. Narzędzia AI nakłaniające do zamykania zysków (UX-friendly klik) bez równoważnego promptu reasekurującego straty mogą podpaść pod regulację, gdy są wdrażane w platformach inwestycyjnych objętych nadzorem.

Podsumowanie

Efekt dyspozycji — sprzedawanie zyskownych pozycji za wcześnie i trzymanie stratnych za długo — jest najczęściej replikowaną anomalią w tradingu detalicznym przez 40 lat, z kanonicznym stosunkiem PGR/PLR ≈ 1,5 (Odean, 1998). Mechanizm to stos: asymetryczna funkcja wartości teorii perspektywy, mental accounting Thalera i unikanie żalu Barberisa-Xionga. Efekt występuje u zarządzających funduszami, generuje momentum na rynku akcji i jest reprodukowany przez GPT-4 i Claude’a. Dźwignia CFD i UI per-pozycja strukturalnie go wzmacniają. Konsekwentnie skuteczne interwencje to pre-commitment, stałe ułamkowe pozycjonowanie i ocena na poziomie portfela.

Wersja angielska: disposition effect explained. Klaster behawioralny: awersja do strat, efekt zakotwiczenia, praktyczny trading CFD.