Een robo-adviseur temt veel biases. Die ene niet

Het aantrekkelijke van een robo-adviseur is dat hij precies belooft wat veel particuliere beleggers missen: discipline. Geen paniek bij een daling, geen impulsieve verkoop, geen fixatie op een oude aankoopprijs. En dat is niet alleen marketing. Een studie uit 2025 in Acta Psychologica laat zien dat robo-advisors de invloed van vier bekende cognitieve vertekeningen op beleggingsbeslissingen significant verzwakken: anchoring, verliesaversie, availability bias en representativeness bias. Eén bias bleef buiten bereik: overmoed.

Dat ene gat is groter dan het klinkt. De andere vier fouten ontstaan vooral op het moment dat je op marktnieuws of koersbewegingen reageert. Overmoed zit eerder in het proces. Het zit in hoe je jezelf inschat voordat de robo-adviseur überhaupt begint. Denk aan de vragenlijst over je risicoprofiel, aan de keuze voor een agressievere portefeuille dan je in werkelijkheid aankunt, of aan het idee dat jij wel weet wanneer het verstandig is om toch handmatig in te grijpen.

Waarom een algoritme vier fouten vrij goed opvangt

De biases die een robo-adviseur het beste afremt, zijn precies de biases die tussen emotie en uitvoering zitten. Verliesaversie trekt je richting een slechte verkoop op een slecht moment. Anchoring houdt je mentaal vast aan een oude koers die niets meer zegt over wat nu verstandig is. Availability bias laat recente en spectaculaire gebeurtenissen te zwaar meewegen. Representativeness bias maakt van een klein patroon veel te snel een grote conclusie.

Een algoritme is op dat punt meestal nuttig omdat het niet gevoelig is voor dezelfde prikkels. Het leest geen alarmistische koppen als persoonlijke dreiging en het raakt niet gehecht aan jouw aankoopprijs. Het voert een regel uit. Dat klinkt bijna banaal, maar juist die banaliteit is de kracht van automatisering in beleggen.

Een mooi praktijkvoorbeeld komt van de University of Minnesota Carlson School. Tijdens de Covid-crash bleken gebruikers van robo-advisors 12,67 procent beter te presteren dan beleggers zonder zo’n systeem. Niet omdat de software slimmer voorspelde, maar omdat die portefeuilles sneller naar minder risicovolle fondsen verschoven terwijl veel mensen bleven zitten in hun oude stand.

Overmoed komt eerder binnen dan de techniek

Bij overmoed werkt het anders. Dat is geen reflex op een beursdag, maar een fout in zelfbeeld. Je denkt dat je meer weet dan gemiddeld, dat je meer risico aankunt dan je later blijkt te kunnen verdragen, of dat jouw ingreep net iets slimmer is dan de standaardaanpak van het systeem. En precies daar wordt het lastig voor een robo-adviseur, want die begint met jouw input.

De review uit 2024 in Frontiers in Behavioral Economics vat dat goed samen. Robo-advisors verminderen de afhankelijkheid van snel, intuïtief System-1-denken, maar ze kunnen het menselijke element in de data niet wegnemen. Als jij je risicobereidheid verkeerd invult, werkt het algoritme keurig door met een fout uitgangspunt. Het systeem doet dan niet iets verkeerd. Het doet precies wat het moet doen op basis van verkeerde informatie.

Minder frictie is niet altijd beter

Dat punt is belangrijk omdat de moderne beleggingsinterface zo soepel mogelijk is gemaakt. Juist die soepelheid verlaagt niet alleen de drempel voor verstandig gedrag, maar ook de drempel voor onnodig ingrijpen. Wie overtuigd is van zijn eigen marktinzicht, ziet de robo-adviseur vaak niet als correctie, maar als extra gereedschap binnen zijn eigen overtuiging.

De klassieke literatuur over beleggersgedrag, waar ook publicaties rond de American Economic Association vaak op teruggrijpen, laat al langer zien wat overmoed kost. In gegevens van meer dan 35.000 huishoudens lieten Barber en Odean zien dat de groepen die meer geneigd waren tot overconfidence duidelijk vaker handelden. In de bekendste uitkomst handelden mannen 45 procent vaker dan vrouwen en liepen hun nettorendementen daardoor sterker terug. De interessante les is niet cultureel of moreel, maar praktisch: meer handelen uit zelfvertrouwen is vaak gewoon een dure gewoonte.

Wat wél helpt tegen overmoed

Daarom is de beste remedie waarschijnlijk niet extra automatisering, maar slimme vertraging. Leg vooraf vast wanneer je je allocatie mag aanpassen en wanneer juist niet. Houd voorspellingen bij in een logboek, met datum en meetbare uitkomst. Maak storten makkelijk en handmatig afwijken lastiger. Dat soort asymmetrische frictie is vaak nuttiger dan nog een laag technologie.

Dat maakt robo-adviseurs niet minder waardevol. Ze halen echte fouten uit het proces en doen dat vaak behoorlijk goed. Alleen: ze maken je niet rationeel. Ze maken je hooguit minder reactief. Het duurste probleem blijft vaak de overtuiging dat jijzelf de uitzondering bent op de regels waar het systeem juist voor gebouwd is. En precies die overtuiging kan geen algoritme namens je afleren.