Mga Kalamangan at Disadvantages ng Quantitative Research

Ang mga mananaliksik ng merkado ay madalas na gumagamit ng mga dami ng mga diskarte sa aming trabaho. Mahalagang maunawaan ang lakas at limitasyon ng anumang diskarte sa pananaliksik. Ito ay partikular na totoo tungkol sa dami ng mga diskarte sa pananaliksik para sa dalawang kadahilanan: una, siyentipiko at lay kultura ay lubos na umiilaw sa pamamagitan ng dami ng mga diskarte sa pananaliksik at malamang na hindi tumingin malalim sa disenyo at mekanika ng naturang mga pamamaraan, at ikalawa, ito ay inordinately madali mag-disenyo ng dami ng pagsisikap sa pananaliksik.

Isang Mali ang Tumutok sa Mga Numero

Ang "cool" nito ay maaaring sabihin na ikaw ay isang quantitative researcher. Ang "Quants", ang mapagmahal na termino sa pamamagitan ng kung aling mga quantitative analyst ay kilala, ay naipakita sa mahusay na mga numero sa kalangitan pedestal . Naniniwala ako na ito ay higit pa dahil ang kumplikadong matematika at istatistika ay pinaniniwalaan lamang dahil karamihan sa atin ay hindi nauunawaan ang marami sa larangan.

Kung ang isang bagay ay lilitaw na magkaroon ng isang benepisyong panlipunan at kaagad ay mahirap at mahiwaga ito ay may kaugaliang magsagawa ng kultural na "glow." Ang merkado ay abalang-abala sa pagmomolde at simulation ng computer. Ito kaya revered ang itim na kahon ng derivatives na ito ay mabagal na reaksyon kapag ang mga modelo ay nabigo upang mahulaan ang hindi maiwasan ang pagkasumpungin.

Sa kabilang banda, sabihin nang malakas na ikaw ay isang kwalipikado Ang tagapagpananaliksik at ang mga tao ay malamang na magbigay sa iyo ng isang puzzled look. Karamihan sa mga tao ay alam na quants sa paanuman ay nakikibahagi sa pagpili ng stock at pagsusuri ng portfolio. Ngunit ano ang ginagawa ng isang kwalipikadong tagapagpananaliksik? Higit pa sa pagiging Margaret Mead, ibig sabihin, anong papel ang naiwan sa isang husay na tagapagpananaliksik? O kaya magagawa ang maginoo na pag-iisip.

Ang isang napaka-lumang teorya ng computer science ay. Ang mga modelo ng computer ay kasing ganda lamang ng nilalaman kung saan sila ay binuo. Ang isyu ng Ang reflexivity ay hindi masyadong malayo. Ginamit ni George Soros ang salitang reflexivity kasabay ng ekonomiya sa pangkalahatan, at partikular na pamilihan sa pananalapi. Ang prinsipyo ng kawalang-katiyakan ni Heisenberg, ang peer of reflexivity sa larangan ng pisika, ay may kaugnayan din sa kontekstong ito.

Heisenberg - sa maikling salita na hindi ginagawa ang prinsipyo katarungan - Nagtalo na hindi namin maaaring masukat ang dalawang mga katangian ng isang bagay nang sabay-sabay dahil, sa aming pagsukat, nakakaapekto namin ang mga katangian o ang bagay at samakatuwid ay magdadala ng pagbabago o pagbaluktot ng orihinal . Isaalang-alang ang komento ni George Soros sa MIT Department of Economics World Economy noong 1994.

' Ang karaniwang tinatanggap na teorya ay ang mga pinansiyal na merkado ay may posibilidad sa punto ng balanse, at sa kabuuan, bawasin ang hinaharap nang tama. Gumagana ako gamit ang isang iba't ibang mga teorya, ayon sa kung aling mga pinansiyal na mga merkado ay hindi maaaring posibleng diskwento sa hinaharap ng tama dahil hindi lamang ang diskwento sa hinaharap; tinutulungan nila ang hugis nito. Sa ilang mga sitwasyon, ang mga pinansiyal na pamilihan ay maaaring makaapekto sa mga tinatawag na mga batayan na dapat nilang maipakita. Kapag nangyari iyan, ang mga merkado ay pumasok sa isang estado ng dynamic na disequilibrium at kumikilos ng lubos na naiiba mula sa kung ano ang itinuturing na normal sa pamamagitan ng teorya ng mahusay na mga merkado. "

Ang isa pang mas kontemporaryong pagtingin sa mahalagang parehong hindi pangkaraniwang bagay ay inilarawan sa aklat na The Black Swan ni Nassim Nicholas Taleb. Ang isang itim na sisne ay hindi karaniwan sa kalikasan - ilang tao ang nakakita ng itim na sisne. Ayon sa Taleb, ang isang itim na sisne ay positibo o negatibong kaganapan na itinuturing na lubhang hindi posible. Ngunit kapag ang isang itim na sisne ay nangyari, ito ay nagiging sanhi ng napakalaking kahihinatnan. Ang ilang mga tao ay naniniwala na ang mga itim na sisne kaganapan ipaliwanag ng isang mahusay na deal tungkol sa mundo. Ngunit karamihan sa mga tao - lalo na mga eksperto - ay bulag sa itim na swans.

Ang isang pag-aalinlangan ay mahalaga sa agham na nakabatay sa ebidensya. May ilang mga bagay na dapat isaalang-alang kapag tuklasin ang mga konsepto na may kaugnayan sa numero fetishism na blinds ang mga tao sa mga pitfalls ng pagtanggap ng dami pananaliksik sa mukha halaga at labis na umaasa sa normal na pamamahagi.

Ito ay isang pagkakamali na naniniwala na ang dami ng pananaliksik batay sa mga inferential na istatistika ay mas kapani-paniwala o pang-agham kaysa sa pananaw na nakabatay sa pananaliksik na pananaliksik. Ang isang tunay na mahalagang punto sa paghahambing sa pagitan ng dami pananaliksik at mapagkumpetensyang pananaliksik ay na ang subjective ang pakikilahok ng mananaliksik - na isa sa mga pinaka-nababanat na pagtutol tungkol sa husay na pananaliksik - ay tumatagal ng lugar sa mga dami ng diskarte. Sa katunayan, ito ay nangyayari nang mas maaga sa pagkakasunud-sunod ng empirikal na stream ng pananaliksik sa pananaliksik na dami kaysa sa pananaliksik na may husay.

Ang mananaliksik ay bumubuo ng isang teorya sa pananaliksik na dami na "sinubok" ng mga proseso ng istatistika. Ang henerasyon ng isang teorya ay maaaring maging isang napaka-aktibong aktibidad. At ang napaka-makitid na pokus ng pagsubok sa teorya ay maaaring nakakalito.

Maraming mga porma ng mapagkumpetensyang pananaliksik ang pinapayagan ang mga lumilitaw na mga pattern sa data upang ituro ang mga tema na maaaring mag-attribute ng mga relasyon (ito ang katumbas ng pagsubok sa teorya sa pananaliksik na dami). Ang kwalitirang pananaliksik ay mas malamang na maging bukas sa "mga itim na sisne" na nangyari, na kung saan ay walang teorya na napatunayan o hindi pinatutunayan.