Adatbányászati ​​torzítás - definíció, hogyan és miért fejlődik

Az adatbányászat torzítása annak fontosságának feltételezésére utal, amelyet a kereskedő a piaci eseménynek tulajdonít. Pénzpiacok A pénzügyi piacok már önmagukban is a piac nevéből származnak, amely utat kínál olyan eszközök adásvételéhez, mint kötvények, részvények , deviza és származékos ügyletek. Gyakran különböző neveken hívják őket, beleértve a "Wall Street" -et és a "tőkepiacot", de mindegyik még mindig ugyanazt jelenti. ez valójában véletlen vagy előre nem látható események eredménye volt. Az adatbányászat elfogultsága sok elemző számára „alattomos fenyegetésnek” számít, mert a kereskedők és az elemzők számára egyaránt belopózhat azokba a kutatási folyamatokba, amelyek a kereskedőket és a befektetőket arra késztetik, hogy a piacon eljátszott játékokat hozzák létre.

Adatbányászati ​​elfogultság

Ha az adatbányászat elfogultságát nem azonosítják és kordában tartják, az legjobb esetben torz eredményekhez és néhány oktalan döntéshez vezet. Legrosszabb esetben azonban egy kereskedőt vagy piaci elemzőt egy teljesen hibás kereskedési stratégia kidolgozásához és követéséhez vezethet. A mesterkereskedők hat alapvető készsége A bárki kereskedővé válhat, de a mesterkereskedők közé tartozás nem csak befektetési tőkét igényel. és egy háromrészes öltönyt. Ne feledje: rengeteg olyan személy van, aki szeretne csatlakozni a kereskedő mesterek sorához, és hazahoznia a címhez tartozó pénzt. , amely pénzügyi katasztrófát okozhat.

Mi az adatbányászat?

Az adatbányászat egy nagy múltú kutatás és elemzés jelentős mennyiségű adat vagy információ számára. A kereskedők és a piaci elemzők számára az adatbányászat az a folyamat, amelynek során nyomon követik a piaci mozgásokat, mintákat Háromszög minták - technikai elemzés A háromszög minták általános diagramminták, amelyeket minden kereskedőnek ismernie kell. A háromszög minták azért fontosak, mert segítenek jelezni a bullish vagy a bearish piac folytatódását. Emellett segítséget nyújthatnak egy kereskedőnek a piac visszafordulásának észlelésében. azonosíthatók, és a piaci irányban bekövetkező lehetséges fordulatok vagy változások azonosíthatók és felléphetnek. Ez az egyik legfontosabb folyamat, amelyet a kereskedők és az elemzők alkalmaznak a legelőnyösebb ügyletek lebonyolítása érdekében.

Az adatbányászat elfogultsága lassan kúszik be, amikor a piaci rendellenességeknek vagy eseményeknek nagyobb súlyt vagy jelentőséget tulajdonítanak, mint amennyit megérdemelnek. A kereskedő felléphet egy ilyen elfogultság mellett, és negatív eredményt érhet el - akár a kívánt profit hiánya, akár rosszabb esetben a kezdeti befektetésének elvesztése révén.

Az ilyen elfogultsággal a legveszélyesebb fenyegetés az, amikor egy vagy több kereskedő a teljes kereskedési stratégiáját felépíti, és félreértett piaci eseményekre tervez, ami gyakran jelentős idő- és pénzügyi veszteségekhez vezet.

Hogyan alakul ki az adatbányászat elfogultsága

Két elsődleges tettes vezet adatbányászati ​​elfogultsághoz - két szempont fordul elő a kereskedő adatbányászati ​​folyamata során.

Az első szempont a véletlenszerűségre való hajlam Monte Carlo szimuláció A Monte Carlo szimuláció egy statisztikai módszer, amelyet egy olyan probléma különböző eredményeinek valószínűségének modellezésére alkalmaznak, amelyet egy véletlen változó interferenciája miatt nem lehet egyszerűen megoldani. egy adatkészleten belül . Amikor a kereskedő megnézi a piaci adatokat, az adatkészlet eredendően bizonyos véletlenszerűséggel rendelkezik - kiugró értékek vagy mozgások, amelyek nem feltétlenül felelnek meg más piaci mozgásoknak vagy eseményeknek.

A kereskedők néha abba a csapdába esnek, hogy egyetlen kiugrást vizsgálnak, és mivel helytelennek tűnik, elhatározzák, hogy nagyobb súlyt érdemel, mint a készlet többi adata. Egy ilyen megfigyelés alapján legalább eredetileg nyereségesnek bizonyulhat.

Itt jelenik meg az elfogultság második kérdése; a kereskedők elfogultak lesznek abban a tényben, hogy egy bizonyos ponton kívülálló módon cselekedtek, és ez gyümölcsözőnek bizonyult. Sajnos ez arra a következtetésre vezetheti őket, hogy minden kiugró értéknek bizonyos vagy nagy jelentőséggel kell bírnia.

A kérdés szekvenciális összehasonlítás vagy szekvenciális szelekció néven is ismert - egy kiugró vagy hasonló kiugró érték kiválasztása újra és újra, feltételezve, hogy ugyanolyan jelentőségű, mint az első. A valóság az, hogy minél több kiugró értéket választ a kereskedő vagy cselekszik, annál alacsonyabb és alacsonyabb a jelentőség valószínűségének valószínűsége, amelyet a külterületi adatok tulajdonképpen tartanak.

Key Takeaways

Mivel a technológia ma a mai, a kereskedők és az elemzők sokféle eszközt és programot használhatnak, vagyis az információk vagy adatkészletek, amelyekhez hozzáférhetnek, hatalmasak.

A sok információ birtoklása jó lehet. Azonban minél több adat bányászható, annál nagyobb az esély az adatbányászati ​​torzítás bekövetkezésére. Fontos, hogy a kereskedők és az elemzők tisztában legyenek az elfogultság lehetőségével, és stratégiájukat kordában tartsák, mielőtt bármilyen jelentős játékot lejátszanának.

További források

A Finance a globális pénzügyi modellezési és értékelési elemző (FMVA) ™ hivatalos szolgáltatója. Az FMVA® tanúsítás Csatlakozzon 350 600+ hallgatóhoz, akik olyan vállalatoknál dolgoznak, mint az Amazon, a JP Morgan és a Ferrari tanúsító program, amelynek célja, hogy bárki világszínvonalú pénzügyi elemzővé váljon. . A tanulás és a karrier előrehaladása érdekében az alábbi kiegészítő pénzügyi források hasznosak lehetnek:

  • Adatkészletek Adatkészletek Az adateszközök olyan rendszerre, alkalmazás kimeneti fájljára, dokumentumra, adatbázisra vagy weboldalra vonatkoznak, amelyet a vállalatok bevételek generálásához használnak. Az adateszközök közül néhány
  • Adatforrások a pénzügyi modellezésben Adatforrások a pénzügyi modellezésben A megfelelő adatforrások összegyűjtése és felhasználása a pénzügyi modellezésben kritikus fontosságú az üzleti siker szempontjából. A pénzügyi modellezés megköveteli az összegyűjtést és
  • Előrejelzési módszerek Előrejelzési módszerek Legjobb előrejelzési módszerek. Ebben a cikkben négyféle bevételi előrejelzési módszert ismertetünk, amelyeket a pénzügyi elemzők a jövedelem előrejelzésére használnak.
  • Mennyiségi elemzés Kvantitatív elemzés A kvantitatív elemzés a mérhető és ellenőrizhető adatok, például a bevételek, a piaci részesedés és a bérek összegyűjtésének és értékelésének folyamata a vállalkozás viselkedésének és teljesítményének megértése érdekében. Az adattechnológia korszakában a kvantitatív elemzést tekintik az informált döntések meghozatalának preferált megközelítésének.

Legutóbbi hozzászólások