Andmekaevandamise eelarvamused - määratlus, kuidas ja miks see areneb

Andmekaevandamise eelarvamused viitavad eeldusele, et kaupleja omistab turule aset leidvale juhtumile finantsturud Finantsturud on nimest endast tüüpi turg, mis pakub võimalust selliste varade nagu võlakirjad, aktsiad müümiseks ja ostmiseks. , välisvaluuta ja tuletisinstrumendid. Sageli kutsutakse neid erinevate nimedega, sealhulgas "Wall Street" ja "kapitaliturg", kuid kõik need tähendavad ikkagi ühte ja sama. see oli tegelikult juhuse või ettenägematute sündmuste tulemus. Paljude analüütikute jaoks peetakse andmete kaevandamise kallutatust "salakavalaks ohuks", kuna see võib nii kauplejatele kui ka analüütikutele ligi hiilida uurimisprotsesside käigus, mis suunavad kauplejaid ja investoreid turul tehtud mänge tegema.

Andmekaevandamise eelarvamus

Kui andmekaevandamise kallutatust ei tuvastata ja kontrollitakse, viib see parimal juhul viltu tulemuste ja mõne ebamõistliku valikuni. Halvimal juhul võib see aga panna kaupleja või turuanalüütiku välja töötama ja järgima täiesti vigast kauplemisstrateegiat. Kauplemisettevõtjate kuus olulist oskust Peaaegu igaüks võib saada kauplejaks, kuid meistrikauplejate hulka kuulumine nõuab enamat kui investeerimiskapital ja kolmeosaline ülikond. Pidage meeles: seal on palju üksikisikuid, kes soovivad astuda meistrikaupmeeste hulka ja tuua koju sellist tiitlit kandvat raha. , mis võib põhjustada finantskatastroofi.

Mis on andmekaevandus?

Andmekaevandus on aegunud uurimis- ja analüüsimisprotsess oluliste andmemahtude või teabe kohta. Kauplejate ja turuanalüütikute jaoks on andmekaevandamine protsess, mille käigus jälgitakse turul toimuvaid liikumisi, kujundatakse kolmnurga mustreid - tehniline analüüs Kolmnurga mustrid on tavalised diagrammid, mida iga kaupleja peaks teadma. Kolmnurga mustrid on olulised, kuna need aitavad osutada bullishi või languse turu jätkumisele. Samuti võivad nad aidata kauplejat turu muutmise tuvastamisel. tuvastatakse ning võimalikud turusuuna pöörded või muutused on tuvastatavad ja tegutsevad. See on üks olulisemaid protsesse, mida kauplejad ja analüütikud kasutavad kõige soodsamate tehingute tegemiseks.

Andmekaevandamise kallutatus hiilib aeglaselt, kui turul esinevatele kõrvalekalletele või juhtumitele antakse rohkem kaalu või tähtsust, kui nad väärivad. Kaupleja võib tegutseda sellise kallutatuse korral ja saada negatiivse tulemuse - kas soovitud kasumi puudumise või halvemal juhul oma esialgse investeeringu kaotamise kaudu.

Kõige kallim oht ​​sellise kallutatuse korral on see, kui üks või mitu kauplejat loob kogu oma kauplemisstrateegia ja kavandab valesti mõistetud turuolukorda, mis toob sageli kaasa olulisi aja- ja rahalisi kaotusi.

Kuidas andmete kaevandamise eelarvamus areneb

Andmekaevandamise kallutatuseni viivad kaks peamist süüdlast - kaks aspekti, mis ilmnevad kaupleja andmete kaevandamise protsessis.

Esimene aspekt on kalduvus juhuslikkusele Monte Carlo simulatsioon Monte Carlo simulatsioon on statistiline meetod, mida rakendatakse probleemi erinevate tulemuste tõenäosuse modelleerimisel juhusliku muutuja interferentsi tõttu. andmekogumis. Kui kaupleja vaatab turuandmeid, on andmekogumil oma olemuselt teatud juhuslikkus - kõrvalekalded või liikumised, mis ei pruugi tingimata olla kooskõlas teiste turuliikumiste või -juhtumitega.

Kauplejad satuvad mõnikord ühe väärarvu uurimise lõksu ja, kuna see tundub kohatu, otsustavad nad, et see väärib rohkem kaalu kui teised kogumi andmed. Sellise tähelepaneku järgimine võib vähemalt esialgu kasumlikuks osutuda.

Siit tuleb teine ​​kallutatuse küsimus; kauplejad muutuvad erapoolikuks, et nad tegutsesid mingil hetkel väljapoole jäävat ja see osutus viljakaks. Kahjuks võib see seetõttu viia nende järelduseni, et kõik kõrvalised näitajad peavad omama teatud või suurt tähtsust.

Küsimus on tuntud ka kui järjestikune võrdlus või järjestikune valik - valides korduvalt välise või sarnase väljundi, eeldades, et see omab sama tüüpi olulisust kui esimene. Reaalsus on see, et mida rohkem kõrvalmõjusid kaupleja valib või tegutseb, seda väiksem ja väiksem on äärepoolseimate andmete olulisuse tõenäosuse tõenäosus.

Võtmed kaasa

Kuna tehnoloogia on tänapäevane, saavad kauplejad ja analüütikud kasutada mitmesuguseid tööriistu ja programme, mis tähendab, et teave või andmekogumid, millele neil on juurdepääs, on tohutu.

Paljude andmete omamine võib olla hea. Kuid mida rohkem andmeid on minu jaoks, seda suurem on võimalus andmete kaevandamise eelarvamuste tekkeks. Kauplejate ja analüütikute jaoks on oluline enne oluliste näidendite tegemist olla teadlik kallutatuse võimalikkusest ja hoida oma strateegiad vaos.

Lisaressursid

Finance on ülemaailmse finantsmudeli modelleerimise ja hindamise analüütiku (FMVA) ametlik pakkuja. FMVA® sertifikaat. Liituge 350 600+ üliõpilasega, kes töötavad sellistes ettevõtetes nagu Amazon, JP Morgan ja Ferrari, mis on loodud selleks, et aidata kõigil saada maailmatasemel finantsanalüütikuks . Õppimise jätkamiseks ja oma karjääri edendamiseks on kasulikud allpool olevad täiendavad finantsressursid:

  • Andmevara Andmevara Andmevara viitab süsteemile, rakenduse väljundfailile, dokumendile, andmebaasile või veebisaidile, mida ettevõtted kasutavad tulude saamiseks. Andmevarad on mõned
  • Andmeallikad finantsmudelis Andmeallikad finantsmudelites Õigete andmeallikate kogumine ja kasutamine finantsmudelites on ettevõtte edukuse seisukohalt kriitilise tähtsusega. Finantsmodelleerimine nõuab kogumist ja
  • Prognoosimeetodid Prognoosimeetodid Parimad prognoosimeetodid. Selles artiklis selgitame nelja tüüpi tulude prognoosimise meetodeid, mida finantsanalüütikud kasutavad tulevaste tulude prognoosimiseks.
  • Kvantitatiivne analüüs Kvantitatiivne analüüs Kvantitatiivne analüüs on mõõdetavate ja kontrollitavate andmete, nagu tulud, turuosa ja palgad, kogumine ja hindamine ettevõtte käitumise ja tulemuslikkuse mõistmiseks. Andmetehnoloogia ajastul peetakse kvantitatiivset analüüsi eelistatud lähenemiseks teadlike otsuste langetamisel.

Lang L: none (rec-post)