Moja dziewczyna niedawno dostała pracę w sprzedaży i handlu w dużym banku. Zainspirowana jej nową pracą wierzy, że jest w stanie przewidzieć, czy zapasy wzrosną, czy spadną pod koniec miesiąca większe niż przypadek (wierzy, że może to zrobić nawet z 80% dokładnością!)
Jestem bardzo sceptyczny. Umówiliśmy się na eksperyment, w którym ona wybierze liczbę akcji, a we wcześniej ustalonym czasie sprawdzimy, czy są w górę, czy w dół.
Moje pytanie brzmi: ile akcji musiałaby wybrać i ile musiałaby uzyskać, aby mieć wystarczającą moc statystyczną, aby z pewnością powiedzieć, że potrafi dokładnie przewidzieć zapasy?
Na przykład, ile akcji musiałaby wybrać, aby powiedzieć z 95% pewnością, że wybiera akcje z 80% dokładnością?
Edycja: W przypadku eksperymentu, na który zgodziliśmy się, nie musi przewidywać, o ile akcje będą w górę lub w dół, ale tylko jeśli będą w górę lub w dół.
źródło
Odpowiedzi:
Interesujące pytanie. To nie jest tak naprawdę odpowiedź, ale jest zbyt długo, aby być komentarzem.
Myślę, że Twój eksperymentalny projekt jest kwestionowany z następujących powodów:
1) Nie odzwierciedla to sposobu, w jaki kompletacja zapasów jest faktycznie oceniana w „prawdziwym świecie”. Jako skrajny przykład, załóżmy, że próbnik zapasów A wybrał 1 zapas, który wzrósł o 1000%, i 9, który spadł o 1%, a próbnik zapasów B wybrał 10 zapasów, które wzrosły o 1%. Gdyby te zapasy rzeczywiście wykorzystano do skonstruowania indeksu, to wyraźnie A byłby lepszy, ale B zrobiłby znacznie lepiej w twoim eksperymencie. Bardziej interesującym finansowo wyzwaniem byłoby zbudowanie portfela i porównanie jego wydajności z wydajnością S&P 500. Z kolei istnieje powszechnie stosowany mechanizm oceny takiej wydajności: wystarczy wziąć liniową regresję codziennych zwrotów portfela w porównaniu z portfelem S&P. Termin przechwytywania (często nazywany „alfa”) mierzy średnią wydajność „ponad rynkiem”. Ponieważ jest to współczynnik regresji liniowej, banalne jest zbudowanie 95% przedziału ufności, jeśli tak zdecydujesz. Następnie porównaj to z opłatami, które bank pobierałby za tę usługę.
2) Pomijając 1, ponieważ wydaje się, że oboje już uzgodniliście formę eksperymentu, zastanówcie się, w jaki sposób można w to grać. Załóżmy, że miałem magiczną wyrocznię, która powiedziała mi, że za miesiąc cena każdego towaru będzie wyższa niż bieżąca cena (powiedzmy). Następnie mógłbym wybrać n akcji o najwyższym prawdopodobieństwie, a najprawdopodobniej ponad 50% z nich rzeczywiście by wzrosło. Teraz takie prawdopodobieństwa są zakodowane (niedokładnie) w różnych cenach opcji. Na przykład mogę kupić tak zwaną „opcję binarną”, która jest po prostu hazardem na wydarzeniu „Zapas X będzie powyżej ceny Y w dniu Z”. Wycena tego rodzaju implikuje prawdopodobieństwo tego zdarzenia (chociaż im bliżej daty Z, tym jest to mniej wiarygodne). Ponieważ ślepe podążanie za „mądrością tłumów” nie wymaga szczególnej wiedzy, Argumentowałbym, że skuteczność takiej strategii należy uznać za „poziomy szans” dla konkretnego eksperymentu. Możesz też przedstawić jej listę wybranych akcji i poprosić ją o wskazanie, czy uważa, że każda z nich będzie w górę, czy w dół, wraz z jej wiarą w każdą prognozę. Następnie pogrupuj wszystkie odpowiedzi według poziomu ufności i zobacz, jak blisko są do siebie dopasowane (tj. W przypadku tych akcji, których była w 90% pewna, czy poprawnie przewidziała 90% z nich?). Istnieje standardowy sposób na oszacowanie tego; nie pamiętam od razu, jak się nazywa, ale możesz o tym przeczytać w Superforecasters Phila Tetlocka. i niech jej wskaże, czy uważa, że każda z nich będzie w górę, czy w dół, wraz z jej pewnością co do każdej prognozy. Następnie pogrupuj wszystkie odpowiedzi według poziomu ufności i zobacz, jak blisko są do siebie dopasowane (tj. W przypadku tych akcji, których była w 90% pewna, czy poprawnie przewidziała 90% z nich?). Istnieje standardowy sposób na oszacowanie tego; nie pamiętam od razu, jak się nazywa, ale możesz o tym przeczytać w Superforecasters Phila Tetlocka. i niech jej wskaże, czy uważa, że każda z nich będzie w górę, czy w dół, wraz z jej pewnością co do każdej prognozy. Następnie pogrupuj wszystkie odpowiedzi według poziomu ufności i zobacz, jak blisko są do siebie dopasowane (tj. W przypadku tych akcji, których była w 90% pewna, czy poprawnie przewidziała 90% z nich?). Istnieje standardowy sposób na oszacowanie tego; nie pamiętam od razu, jak się nazywa, ale możesz o tym przeczytać w Superforecasters Phila Tetlocka.
źródło
Bardzo prosty test wyglądałby następująco: Ilekroć wybierze akcje, wybierasz również jedną akcję. Myślę, że nie uważasz się za eksperta na giełdzie. Dlatego twój wybór będzie ok. losowy.
Za pomocą tej metody można poprawić moc statystyczną, nakładając pewne reguły:
źródło
Ile mocy chcesz mieć test statystyczny? To znaczy, jeśli ona ma umiejętność, z jakim prawdopodobieństwem chcesz ją wykryć? Zdefiniowanie mocy jest niezbędne do określenia wielkości próbki.
Aby udzielić odpowiedzi, przyjmijmy pewne założenia
W ramach tej pracy musiała wybrać 15 zapasów, które wzrosną , i 15 zapasów, które spadną.
Link do kalkulatora
źródło