Market ကသုတေသီတွေကမကြာခဏ employ အရေအတွက်ချဉ်းကပ် ကျွန်တော်တို့ရဲ့လုပ်ငန်းပါ။ ဒါဟာမဆိုသုတေသနချဉ်းကပ်မှု၏အစွမ်းသတ္တိ, န့်အသတ်ကိုနားလည်သဘောပေါက်ရန်အရေးကြီးပါသည်။ ဒါဟာအကြောင်းရင်းနှစ်ခုအရေအတွက်သုတေသနနည်းစနစ်နှင့် ပတ်သက်. အထူးသဖြင့်မှန်: (1) သိပ္ပံနှင့်ယဉ်ကျေးမှုကို တင်. အရေအတွက်သုတေသနနည်းစနစ်အားဖြင့်အတော်လေး enamored ဖြစ်ကြပြီးယင်းကဲ့သို့လုပျထုံးလုပျနညျးမြား၏ဒီဇိုင်းနှင့်စက်ပြင်မှာနက်ရှိုင်းစွာကြည့်ရှုဖို့မလေ့နှင့် (2) ဒါဟာတပ်ဖြစ်ပါတယ် ဆိုးဆိုးရွားရွားတစ်အရေအတွက်သုတေသနအားထုတ်မှုဒီဇိုင်းရန်လွယ်ကူ။
နံပါတ်ပေါ်တစ်ဦးအယူမှားအာရုံစိုက်
၎င်း၏သင်တစ်ဦးအရေအတွက် Research, r ဖြစ်ကြောင်းပြောနိုင်ပါလိမ့်ဖို့ "အေး" ။ "Quants" အရေအတွက်သုံးသပ်သူများလူသိများနေသောအားဖြင့်ချစ်ခင်အသုံးအနှုန်း, မိုဃ်းကောင်းကင်အောက်ခံအတွက်အကြီးအနံပါတ်များပေါ်တွင်တင်ခဲ့ကြသည်။ ငါကျွန်တော်တို့အများစုကလယ်ပြင်တာနားမလည်ဘူးဘာဖြစ်လို့လဲဆိုတော့ရှုပ်ထွေးသင်္ချာနှင့်စာရင်းဇယားရိုးရှင်းစွာကြည်ညိုလေးမြတ်ကြောင့်ဒီပိုယုံကြည်ပါတယ်။ တစ်ခုခုလူမှုရေးအကျိုးခံစားခွင့်ရှိပုံနှင့်တပြိုင်နက်ခက်ခဲများနှင့်လျှို့ဝှက်ဆန်းကြယ်ဖြစ်တယ်ဆိုရင်ဒါဟာယဉ်ကျေးမှုအပေါ်ယူလေ့ရှိတယ် "အလင်းရောင်။ " စျေးကွက်ကွန်ပျူတာမော်ဒယ်နှင့်ခြင်း simulation နှင့်အတူသာအာရုံစိုနေသည်။ ဒါဟာဒါမော်ဒယ်များမလွှဲမရှောင်မတည်ငြိမ်မှုကြိုတင်ခန့်မှန်းရန်ပျက်ကွက်သောအခါဘယ်လိုတုံ့ပြန်ရန်နှေးကွေးခဲ့ကြောင်းအနကျအဓိပ်ပါယျ၏အနက်ရောင်သေတ္တာကြောက်ရွံ့ကြ၏။
အတော်လေးအခြားတစ်ဖက်တွင်, သင်ကအရည်အသွေးဖြစ်ကြောင်းကျယ်လောင်စွာပြောပါ သုတေသီနှင့်ပြည်သူများကိုသင်တစ်ဦးရှုပျသှားကွညျ့ပေးရဖွယ်ရှိသည်။ လူအများစုဟာ quants တစ်နည်းနည်းနဲ့တော့ရှယ်ယာရွေးချယ်ရေးနှင့်အစုစုကိုအကဲဖြတ်ရာတွင်ပါဝင်နေနေကြသည်ကိုငါသိ၏။
ဒါပေမယ့်အရည်အသွေးသုတေသီဘာလုပ်သလဲ, မာဂရက် Mead ဖြစ်ခြင်းအပြင်သည်အဘယ်အခန်းကဏ္ဍဟာအရည်အသွေးသုတေသီကျန်ရစ်သလဲ? ဒါမှမဟုတ်ဒါသမားရိုးကျစဉ်းစားတွေးခေါ်သွားရပေလိမ့်မည်။
ကွန်ပျူတာသိပ္ပံတစ်ဦးကအလွန်အသက်ကြီးသဘောတရားဖြစ်ပါတယ်။ ကွန်ပျူတာမော်ဒယ်များမှသာသူတို့ကတည်ဆောက်လျက်ရှိရာပေါ်မှာအကြောင်းအရာသကဲ့သို့ကောင်းသောဖြစ်ကြသည်။ ၏ပြဿနာ reflex အလွန်ဝေးဘယ်တော့မှဖြစ်ပါတယ်။
ဂျော့ခ်ျဆိုးရော့ယေဘုယျအားဖြင့်ဘောဂဗေဒနှင့်အထူးသဖြင့်ဘဏ္ဍာရေးစျေးကွက်နှင့် တွဲဖက်. အတွက်စကားလုံး reflex ကိုအသုံးပြုထားသည်။ Heisenberg ရဲ့မသေချာမရေရာမှုနိယာမ, ရူပဗေဒ၏လယ်ပြင်တွင် reflex ၏သက်တူရွယ်တူ, ဤအခြေအနေတွင်လည်းသက်ဆိုင်ရာဖြစ်ပါတယ်။ Heisenberg - နိယာမတရားသဖြင့်စီရင်မပြုတဲ့မ့်မှုတွေကြုံတွေ့ရအတွက် - ကျွန်တော်တို့ရဲ့တိုင်းအတွက်ကျနော်တို့ attribute တွေဒါမှမဟုတ်အရာ impact ထို့ကြောင့်မူရင်း၏ပြောင်းလဲမှုသို့မဟုတ်ပုံပျက်အကြောင်းကိုငါဆောင်ခဲ့မည်ဖြစ်သောကြောင့်ကျွန်တော်တို့ဟာတခါမှာအရာနှစ်ခု attribute တွေတိုင်းတာမရနိုင်သည်ကိုစောဒကတက် ။
1994 ခုနှစ်စီးပွားရေးတက္ကသိုလ်ကမ္ဘာ့ဖလားစီးပွားရေး၏ MIT မှဦးစီးဌာနမှဂျော့ခ်ျဆိုးရော့ရဲ့မှတ်ချက်စဉ်းစားပါ။
။ "ဒီယေဘုယျအားဖြင့်လက်ခံထားသောသီအိုရီ, ဘဏ္ဍာရေးစျေးကွက် equilibrium ဆီသို့ဦးတည်လျက်, မြေတပြင်လုံးပေါ်လေ့ဖြစ်ပါတယ်မှန်ကန်စွာအနာဂတ်မှာလျော့ငါသူတို့မျှသာအနာဂတ်မှာလျော့ကြပါဘူးဘာဖြစ်လို့လဲဆိုတော့ဘဏ္ဍာရေးစျေးကွက်ဖြစ်နိုင်သည်မှန်ကန်စွာအနာဂတ်မှာလျော့မပေးနိုငျသညျ့အညီတစ်ဦးကွဲပြားခြားနားသောသီအိုရီကိုသုံးပြီးလုပ်ကိုင်ရန်; သူတို့ကပုံဖော်ဖို့ကူညီပေးပါတယ်။ ထိုသို့ဖြစ်လာသည့်အခါအချို့သောအခြေအနေများတွင်, ငွေကြေးစျေးကွက်။ သူတို့ကရောင်ပြန်ဟပ်ထင်ထားတဲ့ဒါဟုခေါ်တွင်အခြေခံအကျိုးသက်ရောက်စေနိုင်ပါသည်, စျေးကွက်အတော်လေးကွဲပြားခြားနားသီအိုရီအားဖြင့်ပုံမှန်ထည့်သွင်းစဉ်းစားလိမ့်မည်ဟုအဘယျသို့ကနေပြောင်းလဲနေသော disequilibrium တစ်ပြည်နယ်ထဲသို့ဝင်ခြင်းနှင့်ပြုမူ ထိရောက်စျေးကွက်၏။ "
မရှိမဖြစ်လိုအပ်တဲ့အတူတူဖြစ်ရပ်ဆန်း Nassim က Nicholas Taleb အားဖြင့်စာအုပ် The Black Swan တှငျဖျောပွထားခြင်းဖြစ်သည်မှာနောက်ထပ်ပိုပြီးခေတ်ပြိုင်ကြည့်။ တစ်ဦးကအနက်ရောင်ငန်းသဘောသဘာဝအတွက်ဘုံမဟုတ်ပါဘူး - လူအနည်းငယ်အနက်ရောင်ငန်းမြင်ကြပြီ။ Taleb အညီ, အနက်ရောင်ငန်းအလွန်အမင်းမဖြစ်နိုင်သောဖြစ်စဉ်းစားသည်တစ်ဦးအပြုသဘောသို့မဟုတ်အပျက်သဘောဆောင်သောအဖြစ်အပျက်ဖြစ်ပါတယ်။ အနက်ရောင်ငန်းပေါ်ပေါက်ပါဘူးသောအခါမူကား, ကအကြီးအကျယ်အကျိုးဆက်များကိုဖြစ်ပေါ်စေသည်။ အချို့လူများကအနက်ရောင်ငန်းဖြစ်ရပ်များသည်ကမ္ဘာ့အကြောင်းကိုအများကြီးရှင်းပြသည်ဟုယုံကြည်ကြသည်။ သို့သော်လူအများစု - အထူးသဖြင့်ကျွမ်းကျင်သူများက - Black Swan မှမျက်စိကန်းသောဖြစ်ကြသည်။
တစ်ဦးကသံသယချဉ်းကပ်မှုသက်သေအထောက်အထား-based သိပ္ပံမှမရှိမဖြစ်အရေးပါသည်။ မကျြနှာကိုတနျဖိုးမှာအရေအတွက်သုတေသနလက်ခံနှင့်ပုံမှန်ဖြန့်ဖြူးအပေါ်အလွန်အမင်းမှီခိုဖြစ်ခြင်း၏ထောငျခြောလူတွေကိုကွယ်သောအရေအတွက်ကို fetishism နှင့်ဆက်စပ်သောသဘောတရားများကိုရှာဖွေစူးစမ်းသည့်အခါစဉ်းစားရန်အချို့သောအမှုအရာရှိပါသည်။
ဒါဟာ inferential စာရင်းဇယားပေါ်တွင်အခြေခံအရေအတွက်သုတေသနထိုးထွင်းသိမြင်-based စူးစမ်းသုတေသနပြုထက်ပိုပြီးယုံကြည်သို့မဟုတ်သိပ္ပံနည်းကျကြောင်းယုံကြည်ဖို့အမှားတစ်ခုဖြစ်ပါတယ်။ အရည်အသွေးသုတေသနနှင့် ပတ်သက်. အများဆုံးဒဏ်ခံကန့်ကွက်များထဲမှကြောင်း - - နေရာကြာအရေအတွက်သုတေသနနှင့်အရည်အသွေးသုတေသနများအကြားနှိုင်းယှဉ်လျှင်တစ်ဦးကအမှန်တကယ်အရေးကြီးသောအချက်တို့သည်သုတေသီများ၏ပုဂ္ဂလဒိဋ္ပါဝင်မှုကြောင့် အရေအတွက်ချဉ်းကပ် ။ တကယ်တော့, အဲဒါကိုအတွက်မထက်အရေအတွက်သုတေသနအတွက်သုတေသနပြုစီး၏ပင်ကိုယ်မူလ sequence ကိုအတွက်အစောပိုင်းကဖြစ်ပေါ် အရည်အသွေးသုတေသန ။
အဆိုပါသုတေသနပညာရှင်စာရင်းအင်းလုပ်ငန်းစဉ်များအားဖြင့် "စမ်းသပ်ပြီး" မည်အရေအတွက်သုတေသနအတွက်ယူဆချက်ကိုထုတ်ပေးပါတယ်။ တစ်ဦးအယူအဆ၏မျိုးဆက်တစ်ဦးအလွန်ပုဂ္ဂလဒိဋ္လှုပ်ရှားမှုရှိနိုင်ပါသည်။ နှင့်အယူအဆစမ်းသပ်ခြင်း၏အလွန်ကျဉ်းမြောင်းသောအာရုံအထင်အမြင်မှားစေနိုင်ပါတယ်။ အရည်အသွေးသုတေသနအတော်များများကပုံစံများကိုဒေတာအတွက်ထွန်းသစ်စပုံစံများဆက်ဆံရေး (ဒီအရေအတွက်သုတေသနအတွက်အယူအဆစမ်းသပ်ခြင်း၏ညီမျှသည်) attribute နိုင်ပါတယ်မှရသောအကြောင်းအရာများမှညွှန်ပြရန်ခွင့်ပြုသည်။ အရည်အသွေးသုတေသနသက်သေပြသို့မဟုတ် disproved ခံရဖို့အဘယ်သူမျှမအယူအဆလည်းမရှိရာအဘို့, ပေါ်ပေါက်သော "Black Swan" ကိုဖွင့်လှစ်ဖြစ်ဖို့ပိုဖွယ်ရှိသည်။