Video: 97% Owned - Economic Truth documentary - How is Money Created 2024
Assicurati di controllare attentamente i valori anomali prima di influenzano la tua analisi predittiva. I valori anomali possono distorcere sia i dati che l'analisi dei dati. Ad esempio, qualsiasi analisi statistica eseguita con dati che lasciano i valori anomali sul posto finisce per distorcere i mezzi e le varianze.
Gli outlier non controllati o erroneamente interpretati possono portare a conclusioni false. Dì i tuoi dati che mostrano che un titolo che è stato scambiato per un intero anno ad un prezzo superiore a $ 50 - ma per pochi minuti da quell'anno l'azione è stata scambiata a $ 20. Il prezzo di $ 20 - un'ovvia eccezione - è l'outlier in questo set di dati.
Ora devi decidere se includere il prezzo delle azioni di $ 20 nella tua analisi; se lo fai, ha ramificazioni per il modello generale. Ma cosa consideri normale? Era il & ldquo; flash crash & rdquo; che ha colto di sorpresa il mercato azionario il 6 maggio 2010, un evento normale o un'eccezione?
Durante questo breve periodo, il mercato azionario ha registrato un netto calo dei prezzi a livello generale, che ha ridotto il prezzo delle azioni del campione da $ 50 a $ 20, ma ha avuto meno a che fare con le azioni rispetto a condizioni di mercato più ampie. Il tuo modello deve tenere conto delle fluttuazioni più ampie del mercato azionario?
Chiunque abbia perso denaro in brevi momenti di mercato in caduta libera considera quei pochi minuti reali e normali (anche se si sentono come un'eternità da passare). Un portafoglio che diminuisce in millisecondi a causa di un rapido declino, anche se di breve durata, è chiaramente reale. Eppure il flash crash è un'anomalia, un outlier che pone un problema al modello.
Indipendentemente da ciò che è considerato normale (che può comunque cambiare), i dati a volte contengono valori che non si adattano ai valori previsti. Questo è particolarmente vero nel mercato azionario, dove praticamente qualsiasi evento può far volare il mercato o precipitare. Non vuoi che il tuo modello fallisca quando la realtà cambia improvvisamente - ma un modello e una realtà sono due cose diverse.
