วิธีการเข้ารหัสกลยุทธ์การซื้อขายทางคณิตศาสตร์ (. ดัชนีเช่น FX, สินค้า, อัตราดอกเบี้ย) ถ้าคุณมีพวงของข้อมูลทางเศรษฐมิติที่แตกต่างกันที่คุณสามารถลองหาสูตรที่จะดูว่ามีความสัมพันธ์ใด ๆ ในข้อมูล - เช่น ที่จะคาดการณ์ได้โดยรูปแบบการค้นพบนี้ สิ่งที่ผมขอให้ที่นี่เป็นที่แตกต่างกันเล็กน้อย: มีวิธีอื่นในแง่ที่ว่าคุณสามารถค้นหาสูตร f () เช่นว่ารูปแบบที่ได้รับแสดงให้เห็นถึงกลยุทธ์การซื้อขายที่ตัวชี้วัดบางอย่างที่พบเมื่อไปยาวหรือสั้น (หรือ รวมกันอนุพันธ์ ๆ )? แนวคิดก็คือว่าสูตรที่ตัวเองอาศัยอยู่ในพื้นที่ n มิติของตัวชี้วัด / กลยุทธ์การซื้อขายและพยายามที่จะอยู่รอดได้ดีที่สุดเท่าที่จะสามารถ นี้จะต้องเป็นขั้นตอนมาตรฐานสำหรับระบบหลายตัวแทนจำลองตลาดหุ้นเทียม อนิจจาฉันไม่สามารถที่จะหาวิธีการที่ง่ายที่จะทำเพียงแค่ว่า การทำเหมืองข้อมูล วิวัฒนาการอย่างรวดเร็วของเทคโนโลยีคอมพิวเตอร์ในช่วงไม่กี่ทศวรรษที่ผ่านมาได้จัดให้มีผู้เชี่ยวชาญด้านการลงทุน (และมือสมัครเล่น) ที่มีความสามารถในการเข้าถึงและวิเคราะห์ข้อมูลจำนวนมากของข้อมูลทางการเงิน นอกจากนี้เวิลด์ไวด์เว็บ, อีเมล์และกระดานข่าวทำให้มันเป็นไปได้สำหรับคนทั่วโลกในการเข้าถึงข้อมูลนี้ได้อย่างรวดเร็วเช่นเดียวกับการให้ความหมายสำหรับบุคคลที่จะแสดงความคิดเห็นและมีปฏิสัมพันธ์ เป็นผลให้บางส่วนของหัวข้อที่น่าสนใจมากขึ้นของการอภิปรายในปีล่าสุดได้โคจรรอบการปฏิบัติและผลที่ตามมาของ "การทำเหมืองข้อมูล." การทำเหมืองข้อมูลที่เกี่ยวข้องกับการค้นหาผ่านฐานข้อมูลสำหรับความสัมพันธ์และรูปแบบที่แตกต่างจากผลที่จะได้รับการคาดว่าจะเกิดขึ้นโดยบังเอิญหรือในสภาพแบบสุ่ม การปฏิบัติของการทำเหมืองข้อมูลในตัวของตัวเองเป็นไม่ดีหรือไม่ดีและการใช้งานของการทำเหมืองข้อมูลได้กลายเป็นเรื่องธรรมดาในหลายอุตสาหกรรม ยกตัวอย่างเช่นในความพยายามที่จะปรับปรุงนักวิจัยคาดหวังในชีวิตอาจจะใช้การทำเหมืองข้อมูลในการวิเคราะห์สาเหตุและความสัมพันธ์ที่มีอัตราการตาย การทำเหมืองข้อมูลยังถูกใช้โดยผู้โฆษณาและ บริษัท การตลาดในการกำหนดเป้าหมายผู้บริโภค แต่อาจจะเป็นกลุ่มที่มีชื่อเสียงมากที่สุดของคนงานเหมืองข้อมูลนักวิจัยตลาดหุ้นที่แสวงหาที่จะคาดการณ์การเคลื่อนไหวของราคาหุ้นในอนาคต ส่วนใหญ่หากไม่ได้ทั้งหมดผิดปกติตลาดหุ้นมีการค้นพบ (หรือเอกสารอย่างน้อย) ผ่านการทำเหมืองข้อมูลของราคาในอดีตและที่เกี่ยวข้องกัน (ที่ไม่เกี่ยวข้องหรือบางครั้ง) ตัวแปร เมื่อตลาดกลยุทธ์การเต้นมีการค้นพบผ่านการทำเหมืองข้อมูลมีจำนวนของปัญหาที่อาจเกิดขึ้นในการก้าวกระโดดจากกลยุทธ์หลังผ่านการทดสอบประสบความสำเร็จในการลงทุนในอนาคตสภาพโลกแห่งความจริง ปัญหาแรกคือการกำหนดน่าจะเป็นที่ความสัมพันธ์ที่เกิดขึ้นในแบบสุ่มหรือไม่ว่าจะเป็นความผิดปกติที่อาจจะไม่ซ้ำกับตัวอย่างที่เฉพาะเจาะจงที่ได้รับการทดสอบ สถิติที่ชื่นชอบการชี้ให้เห็นว่าถ้าคุณทรมานข้อมูลนานพอที่จะสารภาพกับอะไร ในสิ่งที่จะกลายเป็นตัวอย่างที่น่าอับอายเดวิด Leinweber ไปค้นหาความสัมพันธ์สุ่ม S & P 500 ปีเตอร์อายอธิบายผลการวิจัย Leinweber ในบทความสัปดาห์ธุรกิจชื่อ "ผู้ที่เหมืองข้อมูลอาจหยุดทองของคนโง่" (6/16/97) บทความกล่าวถึงการทำเหมืองข้อมูลหนังสือของไมเคิล Drosnin รหัสพระคัมภีร์ และความจริงที่ว่ารูปแบบที่จะเกิดขึ้นในข้อมูลโดยบังเอิญที่บริสุทธิ์โดยเฉพาะอย่างยิ่งถ้าคุณพิจารณาหลายปัจจัย หลายกรณีของการทำเหมืองข้อมูลมีภูมิคุ้มกันเพื่อการตรวจสอบทางสถิติหรือโต้แย้ง ในการอธิบายข้อผิดพลาดของการทำเหมืองข้อมูล Leinweber "ร่อนผ่านสหประชาชาติ CD-ROM และค้นพบว่าในอดีตทำนายเดียวที่ดีที่สุดที่น่าสงสารของดัชนีมาตรฐาน 500 หุ้นเป็นผลิตเนยในบังคลาเทศ." บทเรียนที่จะเรียนรู้ตามที่ขี้อายเป็น "สูตรที่เกิดขึ้นเพื่อให้เหมาะสมกับข้อมูลที่ผ่านมาจะไม่จำเป็นต้องมีค่าพยากรณ์ใด ๆ ." การทดสอบกลับได้เสมอระดับของข้อมูลที่ผู้ต้องสงสัย เมื่อคุณมองไปข้างหลังคุณเพียงจะแสดงสิ่งที่ดี ความผิดปกติที่ค้นพบผ่านการทำเหมืองข้อมูลจะถือว่ามีความสำคัญมากขึ้นตามระยะเวลาของการเพิ่มขึ้นของเวลาและถ้าความผิดปกติได้รับการยืนยันในการออกจากการทดสอบตัวอย่างช่วงเวลาที่แตกต่างกันและตลาดเทียบเคียง (เช่นในตลาดหุ้นต่างประเทศ) หากความผิดปกติถูกค้นพบในการทดสอบหลังยังมีความสำคัญในการกำหนดวิธีการที่ค่าใช้จ่าย (ค่าใช้จ่ายในการทำธุรกรรมการเสนอราคาถามแพร่กระจายค่าใช้จ่ายสำหรับผู้ค้าส่งผลกระทบต่อสถาบัน) จะช่วยลดผลตอบแทน ความผิดปกติบางคนก็ไม่ว่า ดูความผิดปกติเส้นมูลค่าและขาดการดำเนินการหาข้อมูลเพิ่มเติมเกี่ยวกับหัวข้อนี้ นอกจากนี้กลยุทธ์ที่มีการทำงานในอดีตก็อาจหยุดการทำงานในฐานะนักลงทุนมากขึ้นเริ่มต้นการลงทุนเป็นไปตามกลยุทธ์ที่ ดูสมมติฐานการตลาดที่มีประสิทธิภาพสำหรับข้อมูลเพิ่มเติมเกี่ยวกับหัวข้อนี้ คนโง่ Motley ได้รับการยกย่องจากหลายนำเสนอคำแนะนำการศึกษาให้กับนักลงทุนรายย่อย (ตัวอย่างเช่น Motley Fool มีคำแนะนำเสียงในการให้คำแนะนำนักลงทุนที่จะซื้อและถือหุ้นที่จะระวังของโบรกเกอร์หุ้นและความขัดแย้งของนักวิเคราะห์ที่น่าสนใจและต้องระวัง ผลการดำเนินงานของการเรียกร้องที่ไม่สมจริง) แต่ Motley Fool 's "โง่โฟร์" กลยุทธ์หุ้นและเหตุผลพื้นฐานที่ได้วิจารณ์ ในปี 1997 BYU อาจารย์แกรนท์แมคควีนและสตีเว่นทอเลย์ coathored กระดาษในวารสารนักวิเคราะห์การเงิน (Faj) ที่ถามสุนัขที่นิยมอย่างกว้างขวางของกลยุทธ์ดาวโจนส์ (Abstract) มีอยู่แล้วรวบรวมข้อมูลเพื่อวิเคราะห์ดาวโจนส์สุนัขอาจารย์ตามมาด้วยการทำกรณีศึกษาในการทำเหมืองข้อมูลออกจาก Motley Fool 's โง่สี่ เอสเคปและทอเลย์วิเคราะห์โง่สี่ตามที่อธิบายไว้ใน Motley Fool คู่มือการลงทุน (MFIG) แต่คนโง่จริงมีหลายรูปแบบของโง่สี่ (เห็นแล้วยังโง่สี่อธิบายและโง่สี่ประวัติศาสตร์) การวิจัยที่ส่งผลให้ในบทความอื่นที่ตีพิมพ์ในเดือนมีนาคม / เมษายน 1999 ปัญหาของนักวิเคราะห์การเงินวารสารหัวข้อ "การทำเหมืองแร่ทองคำของคนโง่." ในจิตวิญญาณของคนโง่สไตล์การเขียนที่สนุกสนานและความคิดสร้างสรรค์ที่อาจารย์ได้โพสต์ "เฟซบุ๊ค" รุ่นกระดาษ (ใน WordPerfect) บนเซิร์ฟเวอร์ BYU ข้อมูลที่ใช้ในการศึกษาที่สามารถดาวน์โหลดได้ที่นี่ เอสเคปและทอเลย์รวมถึงคำอธิบายทั้งหมดของข้อผิดพลาดที่อาจเกิดขึ้นจากการทำเหมืองข้อมูลและพวกเขาดำเนินการออกจากการทดสอบตัวอย่างที่โง่สี่ เหตุผลที่อาจารย์ว่าการทำเหมืองข้อมูลสามารถตรวจพบโดยความซับซ้อนของกฎการซื้อขายขาดของเรื่องที่เชื่อมโยงกันหรือทฤษฎีการทดสอบประสิทธิภาพการทำงานของออกจากตัวอย่างและการปรับตัวของผลตอบแทนสำหรับความเสี่ยงต้นทุนการทำธุรกรรมและภาษี นอกจากนี้พวกเขาให้เหตุผลว่าโง่และดาวโจนส์สี่สิบกฎซื้อขายได้กลายเป็นที่นิยมมากพอที่จะส่งผลกระทบต่อราคาหุ้นที่หันของปี คนโง่ Motley ได้โพสต์การตอบสนองที่มีชีวิตชีวากับกระดาษ Faj ในของพวกเขาโง่สี่รายงานผลงานซึ่งสามารถเข้าถึงได้ในปี 1999 ที่เก็บของพวกเขา ดูรายงานลงวันที่ 5/10 5/11 5/12 5/13 5/14 5/17 5/18 5/19 5/20 และ 5/21 รวมอยู่ในการตอบสนองเหล่านี้มีข้อโต้แย้งหลายเคาน์เตอร์กระดาษ Faj และรวมทั้งรับทราบปัญหาที่ถูกต้องที่กล่าวไว้ในกระดาษ ในขณะที่หลายปัญหาที่ถกเถียงกันอยู่การทดสอบกรดจริงและการค้นพบที่สำคัญของกระดาษ Faj เป็นจากการทดสอบตัวอย่างสำหรับโง่สี่ผลตอบแทนจาก 1949 ปี 1972 สำหรับช่วงเวลาที่แทบจะไม่โง่สี่ชนะดาวโจนส์ 30 โดยเฉลี่ยของ 0.32% ต่อปีมีความเสี่ยงมากขึ้น ไม่เพียง แต่กลยุทธ์ที่มีประสิทธิภาพต่ำกว่าดาวโจนส์สุนัขสำหรับงวด แต่หลังจากที่ค่าใช้จ่ายในการทำธุรกรรมและการบัญชีสำหรับความเสี่ยงอย่างชัดเจนจะได้ lagged DJIA สำหรับรอบระยะเวลาบัญชี นี้ปัญหาที่สำคัญที่ถูกกล่าวถึงในเวลาสั้น ๆ ในรายงานลงวันที่ 5/14 ที่จะนำเรื่องนี้ในมุมมองของนักลงทุนพิจารณาในช่วงเริ่มต้นปี 1973 มองกลับไปที่ผลการดำเนินงาน DJIA ในช่วงก่อนหน้านี้ 24 ปีที่ผ่านมา มันยากที่จะหาเหตุผลเข้าข้างตนเองว่านักลงทุนจะได้เป็นที่รู้จักกันในเวลานั้นว่าโง่สี่จะผลิตการตลาดการตีผลตอบแทนที่ก้าวไปข้างหน้า อีกจากการทดสอบตัวอย่างแมกทอเลย์และใช้ฐาน 1973 -1996 ระยะเวลาที่กล่าวถึงใน MFIG แต่ใช้สำหรับการปรับสมดุลกรกฎาคมมากกว่ามกราคม ภายใต้เงื่อนไขเหล่านั้นโง่สี่ผลตอบแทนชนะ DJIA เพียง 2.95% ต่อปีโดยเฉลี่ยต่ำกว่า 12.23% ได้เปรียบมากกว่ากับ DJIA ปรับสมดุลมกราคม ในการป้องกันของเสียการเปิดเผยข้อมูลหลายที่ถูกสร้างขึ้นอย่างน้อยใน MFIG และบนเว็บไซต์ ในรายงานสี่โง่ลงวันที่ 8/7/98 พวกเขาเปิดเผยว่าผลตอบแทนที่ลดลงเมื่อการปรับสมดุลที่เกิดขึ้นในเดือนมกราคมอื่นที่ไม่ใช่ นอกจากนี้ใน MFIG เป็นตัวเลขผลตอบแทน 25.5% จากช่วงเดียวกันของปีที่ยี่สิบถูกนำมาใช้หลายครั้ง แต่พวกเขาไม่พูดถึงอย่างน้อยที่พวกเขาวิจัยตัวเลขที่กลับไป 1961 และงวดเวลานานผลตอบแทนที่ลดลงถึง 18.35% ในทางกลับกันเมื่อมีการเปิดเผยว่าเป็นเวลานานของเวลาที่ได้รับการศึกษาอย่างต่อเนื่องเพื่อยกตัวเลขที่แข็งแกร่งในระยะสั้นและพิจารณาข้อโต้แย้งข้อมูลที่แน่นอนที่สามารถถูกมองว่าเป็นผู้ต้องสงสัย เปิดเผยและมุ่งเน้นไปที่ผลระยะยาวมีแนวโน้มที่จะเพิ่มความน่าเชื่อถือของการโต้แย้งคนงานเหมืองข้อมูลของ เจสันไวค์เปล่งออกมาความเห็นของเขาโง่สี่และหุ้นข้อมูลของตัวเองของเขาที่ขุดได้ "โง่มาก" และ "เสริมโง่" พอร์ตการลงทุนในกำไรจากนิตยสารเท็จเงิน (สิงหาคม 1999) บนเว็บไซต์ Morningstar คุณยังสามารถอ่านความคิดของจอห์น Rekenthaler ในเพียง Foolin 'รอบเช่นเดียวกับที่ปรึกษาการลงทุนวิลเลียมสเตน' ความคิดเห็นในบทความเรื่องขุด: ทั้งหมดขุด (ดูการตอบสนองเจมส์ O'Shaughnessy 'และการอภิปรายต่อมา) . ในเดือนธันวาคมปี 2000 คนโง่ Motley ประกาศว่าพวกเขาไม่สนับสนุน "โง่โฟร์" กลยุทธ์หุ้นซึ่งพวกเขาได้สร้าง ดูอีกครั้งคิดโง่สี่สำหรับเหตุผลที่อยู่เบื้องหลังของคนโง่ไม่แนะนำกลยุทธ์ที่พวกเขาได้โน้มน้าวปีที่ผ่านมาผ่านทางเว็บไซต์และหนังสือของพวกเขา ย้ายไปยังอีกการอภิปรายการทำเหมืองข้อมูล, บร็อควิลเลียม โจเซฟ Lakonishok และเบลค LeBaron (BLL) ตีพิมพ์บทความเรื่อง "กฎการซื้อขายทางเทคนิคที่เรียบง่ายและคุณสมบัติ Stochastic ผลตอบแทนหุ้น" ในธันวาคม 1992 ฉบับของวารสารการเงิน การศึกษาเป็นหนึ่งในเอกสารทางวิชาการไม่กี่เอกสารกลยุทธ์การซื้อขายที่ประสบความสำเร็จขึ้นอยู่กับการวิเคราะห์ทางเทคนิค (ดูความผิดปกติทางเทคนิคสำหรับการอภิปรายที่สมบูรณ์ของบทความ) อาจารย์ทั้งสองแสดงให้เห็นว่าค่าเฉลี่ยเคลื่อนที่และการสนับสนุนและเครื่องมือที่มีความต้านทานต่อญาติค่าพยากรณ์กับดัชนีเฉลี่ยอุตสาหกรรมดาวโจนส์สำหรับระยะเวลาตั้งแต่ 1897-1986 ข้อมูลสอดแนมเทคนิคเทรดดิ้งกฎข้อที่ผลการดำเนินงานและเงินทุนเป็นบทความที่เน้นหนักกระดาษ BLL และจะปรากฏในตุลาคม 1999 ฉบับวารสารการเงิน ในบทความ, ไรอันซัลลิแวนอัลลัน Timmermann และง้าวสีขาว (STW) ความพยายามที่จะตรวจสอบผลของการสอดแนมข้อมูลเกี่ยวกับผลการ BLL พวกเขายังใช้ข้อมูลที่รวบรวมจากระยะเวลาดังต่อไปนี้การศึกษาเดิม (ข้อมูล BLL วิ่งผ่าน 1986) เพื่อที่จะให้ออกจากการทดสอบตัวอย่าง เพิ่มปีที่ผ่านมาที่มีให้บริการเต็มรูปแบบ 100 ปีของข้อมูล STW คำนวณแบ่งแม้แต่ระดับรายการค่าใช้จ่ายร้อยละ 0.27% ต่อการค้าสำหรับกฎการค้าที่มีประสิทธิภาพที่ดีที่สุดสำหรับช่วงเวลาที่เต็มรูปแบบ เนื่องจากข้อมูล BLL เดิมครอบคลุมระยะเวลานานมากเกือบ 90 ปีหนึ่งอาจคาดหวังกลยุทธ์ในการทำงานได้ดีในการทดสอบจากตัวอย่าง แต่ข้อสรุปของการศึกษาอาจจะจบลงด้วยการถูกนำมาใช้เป็นอีกหนึ่งตัวอย่างที่มีศักยภาพของตลาดที่มีประสิทธิภาพสมมติฐาน STW พบ "ว่าผลการ BLL ดูเหมือนจะมีประสิทธิภาพเพื่อสอดแนมข้อมูล. แต่เรายังพบว่าประสิทธิภาพการทำงานที่เหนือกว่าของกฎการซื้อขายที่ดีที่สุดคือไม่ซ้ำในการทดลองออกจากตัวอย่างครอบคลุมระยะเวลา 1987-1996" และ "มีหลักฐานเพียงพอว่ากฎการซื้อขายทางเทคนิคมีคุณค่าทางเศรษฐกิจในช่วงเวลา 1987-1996 ได้." นี้อาจมีข้อแม้ข้อมูลตลาดหุ้นคนงานเหมืองและนักลงทุนที่ใช้งานอีก แม้ว่าความผิดปกติในการทำงานที่ผ่านมาในช่วงเวลาที่ยาวมากของเวลาและแม้ว่าผลจะไม่ปรากฏจะได้รับจากการผิดพลาดของข้อมูลการสอดแนมเมื่อความผิดปกติที่มีการค้นพบมันอาจหยุดการทำงานก้าวไปข้างหน้า คนที่เหมาะสมจะมีความแตกต่างที่เหมาะสมของความคิดโดยไม่ได้กลายเป็นปัญหาของจริยธรรมหรือความเชื่อ น่ากลัวอย่างมีประสิทธิภาพ (RR) จาก Dow Jones บริษัท หลักทรัพย์จัดการกองทุน (5-6 / 99) เป็นบทความที่น่าสนใจที่กล่าวถึงการทำเหมืองข้อมูลและปัญหาของ "อิง". รวมเป็นความเห็นจากทหารผ่านศึกอุตสาหกรรมการลงทุนเดวิดชอว์ เท็ด Aronson และโรเบิร์ต Arnott บทความระบุว่าได้รับจำนวน จำกัด ของข้อมูลทางประวัติศาสตร์และจำนวนอนันต์ของโมเดลที่ซับซ้อนนักลงทุนไม่รู้อาจจะล่อเข้าไป "อิง" ข้อมูล รูปแบบที่จะถือว่าเป็นระบบจริงอาจจะตัวอย่างที่เฉพาะเจาะจงและดังนั้นจึงไม่มีค่า คนที่กำลังจะมาถึงพวกเราทุกคนเวลาที่มีกลยุทธ์การซื้อขายที่มีรายงานว่าทำให้ผลตอบแทนส่วนเกินขนาดใหญ่มาก แต่ส่วนใหญ่ของสิ่งที่คนค้นพบโดยการใช้เครื่องมือทางคณิตศาสตร์ที่ได้มาตรฐานและผ่านการกลั่นกรองเป็นจำนวนมากมายของข้อมูลสิ่งประดิษฐ์ทางสถิติ Aronson ระบุว่าตลาดเป็น "เกือบทั้งหมดที่มีประสิทธิภาพ" และ "คุณกำลังหลอกตัวเองถ้าคุณคิดว่าคุณจะ outguess คนอื่น ๆ โดยมากกว่าประมาณ 51% หรือ 52% ของเวลา." Aronson เชื่อว่านักลงทุนมองหาตลาดที่ไร้ประสิทธิภาพมีการลดศักยภาพในการทำกำไรจากความผิดปกติเหล่านั้นเทียบเท่ากับค่าใช้จ่ายในการทำธุรกรรม หากเป็นกรณีที่การทำธุรกรรมลดค่าใช้จ่ายเป็นสิ่งสำคัญในความพยายามที่จะชนะตลาด ดังนั้นจะมีความผิดปกติใด ๆ ที่ได้รับการยืนยันในการออกจากการทดสอบตัวอย่าง? ในวารสารอื่นที่กำลังจะมาของบทความการคลังเจมส์ลิตรเดวิส, ยูเอฟ Fama และเคนเน็ ธ อาร์ฝรั่งเศสยืนยันว่าคำตอบคือใช่แน่นอน บริษัท ที่มีราคาต่ำในการจองอัตราส่วนค่าดีกว่าและรูปแบบที่ได้รับการบันทึกไว้ในทั้งในสหรัฐอเมริกาและตลาดต่างประเทศ ในลักษณะ covariances และผลตอบแทนเฉลี่ย: 1929-1997 ผู้เขียนไปเป็นขั้นตอนใหญ่ต่อไปในการจัดเก็บเอกสารผลตอบแทนของราคาต่ำในการจองหุ้นมูลค่าจาก 1929 1963 สำหรับรอบระยะเวลาก่อนหน้านี้พรีเมี่ยมมูลค่าเป็นได้ขนาดใหญ่ (0.50% ต่อ เดือน) กว่าล่าสุดกรกฎาคม 1963 เพื่อมิถุนายน 1997 ระยะเวลา (0.43% ต่อเดือน) ในท้ายที่สุดที่เราเคยไม่ทราบจริงๆว่าสิ่งที่กลยุทธ์จะดีกว่าในอนาคตหรือไม่ ความเห็นเกี่ยวกับคำถามที่แน่นอนแตกต่างกัน แต่ปฏิเสธมาตรฐานใช้เช่นเคย ประสิทธิภาพที่ผ่านมาคือการรับประกันผลการดำเนินงานในอนาคต การสนทนาทางคณิตศาสตร์เพิ่มเติมจะรวมอยู่ในการหยิบเชอร์รี่ ตลาดหุ้นหลอกลวง และเหรียญพลิกหน้า กรุณาส่งข้อเสนอแนะและความคิดเห็นที่นักลงทุนหน้าแรก ล่าสุด 2001/02/12 2001 นักลงทุนหน้าแรก สงวนลิขสิทธิ์. ขอสงวนสิทธิ์ ผมเสนอบริการระดับมืออาชีพในด้านการให้คำปรึกษาทางสถิติและการเงิน ฉันถือในระดับปริญญาเอกในสถิติและไมเนอร์ปริญญาเอกในด้านการเงินจากมหาวิทยาลัยสแตนฟอ ฉันได้ทำงานในอุตสาหกรรมเป็นเวลาสี่ปีโดยมุ่งเน้นในโครงการที่เกี่ยวข้องกับการทำเหมืองข้อมูลวิเคราะห์ปัจจัยการวิเคราะห์กลุ่มการวิเคราะห์อนุกรมเวลา, การสร้างแบบจำลองความผันผวนสุ่ม / การกำหนดราคาสินทรัพย์เก็งกำไรสถิติ / พัฒนากลยุทธ์การซื้อขายที่เป็นกรรมสิทธิ์และอื่น ๆ พอ ๆ กันที่สำคัญผมมีหกปีของประสบการณ์ในการให้คำปรึกษาทางการเงินและทางสถิติ มีเรื่องอยากปรึกษา บริษัท , นักธุรกิจ, นักวิจัยและนักศึกษาในสาขาการตลาด, ยา, ชีววิทยาจิตวิทยาสังคมวิทยารัฐศาสตร์ศึกษาวิทยาศาสตร์คอมพิวเตอร์และการเงิน สถานที่ฉลาดลูกค้าของฉันได้รับอยู่ในนิวยอร์ก, บอสตัน, ฟิลาเดล, วอชิงตัน, Los Angeles, San Francisco, San Jose, Stanford, ซีแอตชิคาโก, โตรอนโต, มอนทรีออ, ลอนดอน, Edinburgh, เบอร์เกน, แฟรงค์เฟิร์ตในคูเวตซิตี, ฮ่องกง ฮ่องกง, แอดิเลด, เมลเบิร์น, ซิดนีย์และอื่น ๆ โดยปกติผมพบในแมนฮัตตันหรือปรึกษาผ่าน Skype, อีเมลและโทรศัพท์ถ้าลูกค้าอยู่ห่างไกลจากนิวยอร์ก นอกจากนั้นผมทำโครงการที่สมบูรณ์แบบสำหรับลูกค้าของฉันซึ่งอาจจะหรืออาจจะไม่จำเป็นต้องมีการประชุม ตัวอย่างของการบริการ: การวิเคราะห์ข้อมูลในใด ๆ ของแพคเกจที่สำคัญทางสถิติ (r Matlab, SAS, SPSS, Stata), การออกแบบการทดลองการพัฒนาของการกำหนดราคาและระบบการซื้อขาย, ความช่วยเหลือวิทยานิพนธ์ให้คำปรึกษาการประชุมเพื่อพัฒนาความรู้ทั่วไป โปรดอ่านรายละเอียดของประเภทของการให้บริการ ประสบการณ์. กรณีศึกษาและเลือกการชำระเงิน ยกเว้นกรณีเร่งด่วนมีส่วนเกี่ยวข้องอัตราการเป็น $ 60 ต่อชั่วโมงสำหรับโครงการมาตรฐาน (ถดถอย ANOVA การออกแบบการสำรวจการทดสอบที่ไม่ใช่ตัวแปร) และอื่น ๆ สำหรับวัสดุไฮเทค (การทำเหมืองข้อมูลวิเคราะห์กลุ่มข้อมูลแผงอนุกรมเวลาหลายตัวแปรแบบมาร์คอฟที่ซ่อน มาร์คอฟเชนมอนติคาร์การสร้างแบบจำลองคชกรรม GWAS ทำงาน SAS สถิติการเก็งกำไร / กลยุทธ์การซื้อขายราคาสินทรัพย์ที่แปลกใหม่ในการจัดการความเสี่ยงด้านตลาด) กรุณาส่งอีเมลถึงฉันสำหรับข้อมูลการกำหนดราคารายละเอียดเพิ่มเติมหรือชี้แจงอื่น ๆ consultingstanfordphd