出资中关于数据处理的重要性-亚洲ca88官方网站

  前几天看了一篇文章“这个闻名的统计学驳论，第一次传闻的人很或许置疑人生”。里边讲到了一个十分风趣的观念，便是许多人仅仅看到数字的体现，但忽视了数据背面的本相。这一点其实给咱们的启示很大，不管出资仍是日子，只要经过正确处理过的数字，才有价值。

  用一个之前在网上看到的比方，假定你和朋友要去吃饭，然后咱们都去点评网站上看评分。终究你和你朋友别离看中了Sophia餐厅和Carlo餐厅。你们两个各有各的道理。朋友引荐去吃Sophia餐厅，由于这家餐厅的好评份额62.5%，比Carolo的54%高。可是你引荐去吃Carlo，由于这家餐厅不管是男性仍是女人用户的好评份额都比Sophia餐厅高。

  这儿的问题在于，只检查独自各组数据的百分比会疏忽掉样本的巨细，也便是谈论者的人数。每个百分比都由引荐用户数与相对应的谈论人数核算得到。Carlos 有更多的男性谈论者，而Sophias 有更多的女人谈论者，因而导致了对立的成果。

  由于Carlo餐厅男性用户的谈论占比很高，Sophia餐厅女人用户谈论占比很高，然后得到了两个不同的成果。这时分，你和你朋友的谈论要么站在一致的数据剖析观念上，要么两者兼并。假如一个人看总谈论中的好评占比，那么就应该选Sophia餐厅。假如一个人单看性别，那么就应该选Carlo餐厅。或许能够将两家餐厅谈论数量中，性别差异放进去。由于Sophia的女人用户谈论数比较多，那么或许作为女人用户用餐，这家店会更好。而Carlo餐厅男性用户谈论数比较多，那么作为男性用户去这家餐厅会更好。

  不管是出资仍是研讨，比发掘数据更重要的是，正确的去处理数据。曩昔一段时刻，关于消费晋级仍是降级的谈论许多。有人能够用一些数据，加上事例来证明消费处于一个降级的趋势。还有一些人能够用另一组数据加上不同事例来证明，消费处于晋级的状况。每个人好像都是正确的，咱们能够争辩的没法解开。

  这个问题的背面，便是两方有必要根据同一种言语来谈论。数据仅仅是一个表象，咱们更需求知道数据背面的因果关系。这些数据是怎样发生的，这个发生要素的驱动力是什么。到底有什么在影响数据的成果？

  一个常见的误区，便是基金司理的收益率。许多人会单纯去做一个今年以来收益率的排名，收益率越高好像这个基金产品越好，基金司理的水平也越高。可是现实真的如此吗？或许未必。首要，商场上有许多不同类型的产品。有些是主题基金，有些是混合类基金，有些乃至是海外商场基金。需求将不同类型的基金做一些差异，这样咱们才是在同一个赛道中进行比较。不然，好像将一个路边摊餐厅和一个五星级酒店餐厅的滋味比较，两者的价格，对应的用户彻底不同的，并不具有可比性。

  咱们常常着重，出资是一个危险和收益的游戏。有些基金尽管收益很高，可是一起承当了许多危险。那些每年买排名前十基金的出资者，终究往往无法挣钱。由于有些基金或许承当了较高的危险。那么略微资深一些的人，会去看夏普份额。以为夏普份额是很好的危险收益比目标。

  现实真的如此吗？其实也未必。此前访谈杰克。施瓦格的时分，他在新书《商场本相》中就提到过，夏普份额未必是一个最好衡量危险和收益比的东西。回到前面说的，咱们需求看到数据背面的因果关系。

  举一个夸大的比方，一切的“庞氏圈套”在幻灭前，都有十分美丽的夏普份额。可是这个数据背面却是一场圈套，终究把出资者作为感恩节的火鸡。2017年全球商场呈现了可贵的低动摇高收益。乃至在A股，你能够满仓一批大白马，仍然取得很高的收益，一起很低的动摇率。夏普份额的表象是危险很低，但实际上出资者持有的财物越来越“拥堵”，其实隐含了很高危险。

  华尔街有一句话：there is liar， there is damn liar， there is statistician。(骗子，该死的骗子，统计学家)。不管哪个观念，都必定会有数据得到支撑。比方前面说的消费晋级仍是降级，每一方都有一大堆数据来支撑。许多咱们在大众号看到的十万+文章，其实里边的数据支撑并不充沛，更多是一些直观感觉的陈说。

  出资和研讨的许多时刻都是在和数字打交道，咱们除了看到这些数字之后，更需求去对一些数据二次加工，知道这个数据背面的因果关系。

  比方看一个公司的基本面，许多人最喜欢看的便是盈余。可是这个盈余是怎样来的呢？有些公司需求不断投入新的生产线来获取订单，这个盈余的质量就很差。有些企业不需求任何额定的投入，那么盈余质量就比较高。假如不做数据处理，或许A公司和B公司都是相同的。

  乃至许多时分咱们关于一个企业给估值，都是用PEG的算法给的。30%的盈余增加，应该取得30倍估值。相同，这个背面并没有考虑数据的因果关系。这个盈余增加是否可继续，前史盈余增加的动摇区间怎样。那些继续能够盈余增加的公司，是否能给更高一些估值。并且除掉盈余，还有许多企业目标看一个公司的赢利状况。包含ROE，ROIC，自在现金流等等。

  在研讨中，咱们也需求防止堕入统计学圈套。不能仅仅经过一个数据，就判别出一个定论。任何定论的得出，都是多维度的。

  能让咱们愈加接近于现实的线年的年头，其时还任职美联储纽约银行主席的提姆盖特纳会见了桥水的达里奥。其时达里奥就告知盖特纳，一场大的债款危机将无法防止。他给盖特纳看了自己模型里边的数据。盖特纳看了全身发冷，然后问达里奥：为什么咱们堂堂美联储，都没有你那么具体的数据？达里奥的答复是：这些都是揭露信息的数据，我仅仅用更好的方法做了二次加工，让他们明晰的呈现出来了。

  正确的数据剖析，才是对咱们的投研有协助的。不然，咱们必定会信任“脸大的基金司理，成绩比较好”这种定论。任何没有因果的数据，关于咱们的投研并没有任何实质性的含义。

  中证网声明：凡本网注明“来历：我国证券报·中证网”的一切著作，版权均归于我国证券报、中证网。我国证券报·中证网与著作作者联合声明，任何安排未经我国证券报、中证网以及作者书面授权不得转载、摘编或运用其它方法运用上述著作。凡本网注明来历非我国证券报·中证网的著作，均转载自其它媒体，转载意图在于更好服务读者、传递信息之需，并不代表本网附和其观念，本网亦不对其真实性担任，持异议者应与原出处单位建议权力。

  江西宏柏新材料股份有限公司初次揭露发行A股并在主板上市网上出资者交流会

  中央纪委国家监委驻我国证监会纪检监察组同步监督保证创业板变革 1对1约谈重要岗位人员