數據挖掘 isn ta 不錯的選擇， 對於 股市 預測

+

數據挖掘是不是一個不錯的選擇對於股市預測 五月賣出然後離開規則建議投資者退出市場的4月以後，回到在10月以後。 隨著市場同比增長17％，自4月30日，這條規則是不看在這一點上那麼好。 與此同時，數十名 - 大概有幾百 - 網站的鷹自營交易工具和分析模型的基礎上與神秘的名字像麥克米蘭振盪器或地板和天花板的因素。 有沒有結束這樣的規則。 但是，沒有多大意義大多要么。 一個有趣的新書，在華爾街書呆子，由經驗豐富的定量基金經理大衛·Leinweber，剖析了偽劣思維underlies這些技術大部分。 股市會產生這樣的大量信息，如果你通過夠了犁足夠長的時間，你總能找到這似乎產生壯觀的回報率一​​定的關係 - 由單純的巧合。 這個假稱為數據挖掘。 每年數十億美元注入數據挖掘投資策略。 沒有人知道，如果這些技術將工作在現實世界中。 他們的研究結果都是假設 - 基於回溯測試，或者模擬如果經理曾實際使用這些技術在過去，通常不會產生任何費用，交易成本或稅收會發生什麼。 這些假設是完全不切實際的，當然。 但數據開採號碼可以如此不可抗拒，作為Leinweber先生所說的那樣，它們的錢的蒸發的主要原因之一，尤其是在定量的策略。 Leinweber先生得到了不負責任的數據挖掘很沮喪，他決定來諷刺它。 鑄件要找到一個統計很荒謬，任何明智的人有可能認為它可以預測，美國股市價格後，Leinweber先生年度奶油生產在孟加拉國結算。 過了13年的時間，他發現，這個統計在標準普爾500指數的年回報解釋變異的75％。 通過扔在美國的奶酪生產和羊孟加拉國和美國先生Leinweber的總人口是能夠預測過去美國股票收益率與99％的準確率。 但整套動作，他說，是一個總的瓦罐。 沒有想到的原因，為什麼美國股市的回報率將由孟加拉國畜牧回報來確定。 Leinweber先生的演習並不比數據挖掘的一些實際的例子更荒謬的。 最近的一個學術文章旨在表明，可以通過跟踪九個歲的孩子在美國的另一些學術研討斷言，股市更可能上升的日子預測股票收益率時，煙霧下降。 一個指向落入一個數據挖掘保持自己的第一條規則：結果必須是有意義的。 相關性不是因果關係，所以需要有一個合乎邏輯的理由，為什麼一個特定的因素應該預測的市場回報。 無論多麼有吸引力的數字可以看，如果原因是不是合理的，收益可能不會持續太久。 希思Hinegardner 第二條規則是將數據分解成塊。 除以測量週期投入三分，例如，看戰略是否做得很好的時候只有一部分。 問問看，結果只股票的名稱以A到J或R至Z，看是否索賠托起，當你忍住一些數據。 接下來，詢問的結果將是什麼樣子，一旦交易費，管理費和稅金中扣除。 最後，等待。 假設結果通常揉碎後，他們與投資的真實世界的成本碰撞。 如果一個策略是值得的，Leinweber先生說，那麼它仍然是值得在半年或一年。 Leinweber先生仍然會從誰希望他在孟加拉國生產的黃油分享他的數據，使他們能夠得到的最新數字，並圍繞它們構建一個交易策略的基金經理調查。 人一個令人痛心的一些不明白，這是一個笑話，Leinweber先生嘆了口氣。 不要讓這個笑話是對你。