การวิเคราะห์เชิงปริมาณของแบบจำลองลักษณะเฉพาะ การสร้างแบบจำลองงานหลักสูตรและการวิเคราะห์ระบบข้อมูลขององค์กรก่อสร้าง LLC "M.T. Vpik" การละเมิดแบบจำลองการวิเคราะห์เชิงปริมาณขั้นพื้นฐาน

การวิเคราะห์เชิงปริมาณ (ทางคณิตศาสตร์และสถิติ)- ชุดขั้นตอนวิธีการอธิบายและแปลงข้อมูลการวิจัยโดยใช้เครื่องมือทางคณิตศาสตร์และสถิติ

การวิเคราะห์เชิงปริมาณหมายถึงความสามารถในการรักษาผลลัพธ์เป็นตัวเลข - การใช้วิธีการคำนวณ

กำลังตัดสินใจ การวิเคราะห์เชิงปริมาณเราสามารถหันไปขอความช่วยเหลือจากสถิติพาราเมตริกได้ทันทีหรือดำเนินการก่อน ประถมศึกษาและมัธยมศึกษาการประมวลผลข้อมูล

ในขั้นตอนการประมวลผลเบื้องต้นกำลังตัดสินใจอยู่ สองงานหลัก: แนะนำข้อมูลที่ได้รับในรูปแบบภาพที่สะดวกสำหรับการวิเคราะห์เชิงคุณภาพเบื้องต้น ในรูปแบบของลำดับอนุกรม ตาราง และฮิสโตแกรมและ เตรียมตัวข้อมูลสำหรับการประยุกต์วิธีการเฉพาะ การประมวลผลรอง

การจัด(การจัดเรียงตัวเลขจากมากไปน้อยหรือจากน้อยไปหามาก) ช่วยให้คุณสามารถเน้นค่าเชิงปริมาณสูงสุดและต่ำสุดของผลลัพธ์ ประเมินว่าผลลัพธ์ใดเกิดขึ้นบ่อยเป็นพิเศษ เป็นต้น ชุดตัวบ่งชี้ของวิธีการทางจิตวินิจฉัยต่าง ๆ ที่ได้รับสำหรับกลุ่มจะแสดงในรูปแบบของตาราง แถวที่มีข้อมูลการตรวจสอบของวิชาเดียว และคอลัมน์ประกอบด้วยการกระจายของค่าของตัวบ่งชี้หนึ่งตัวในกลุ่มตัวอย่าง . ฮิสโตแกรมคือการกระจายความถี่ของผลลัพธ์ในช่วงของค่า

บนเวที การประมวลผลรอง มีการคำนวณลักษณะของหัวข้อวิจัย การวิเคราะห์ผลลัพธ์ การประมวลผลรองช่วยให้เราชอบชุดลักษณะเชิงปริมาณที่จะให้ข้อมูลมากที่สุด วัตถุประสงค์ของเวที การประมวลผลรอง ประกอบด้วยไม่เพียงเท่านั้น ในการได้รับข้อมูลแต่ยัง ในการเตรียมข้อมูลเพื่อการประเมินความน่าเชื่อถือของข้อมูลที่เป็นไปได้ในกรณีหลังเราหันไปช่วย สถิติพาราเมตริก

ประเภทของวิธีการวิเคราะห์ทางคณิตศาสตร์-คงที่:

วิธีการสถิติเชิงพรรณนามีวัตถุประสงค์เพื่ออธิบายลักษณะของปรากฏการณ์ที่กำลังศึกษา: การกระจาย คุณลักษณะการสื่อสาร ฯลฯ

วิธีการอนุมานแบบคงที่ใช้เพื่อสร้างนัยสำคัญทางสถิติของข้อมูลที่ได้จากการทดลอง

เทคนิคการแปลงข้อมูลมุ่งเน้นไปที่การแปลงข้อมูลเพื่อเพิ่มประสิทธิภาพการนำเสนอและการวิเคราะห์

สู่วิธีการวิเคราะห์และตีความข้อมูลเชิงปริมาณ (การแปลง) ข้อมูลรวมถึงสิ่งต่อไปนี้:

การประมวลผลเบื้องต้นของการประมาณการ "ดิบ"เพื่อสร้างความเป็นไปได้ในการใช้สถิติแบบไม่มีพารามิเตอร์ จะดำเนินการโดยใช้สองวิธี: การจำแนกประเภท(แบ่งวัตถุออกเป็นคลาสตามเกณฑ์บางประการ) และ การจัดระบบ(การเรียงลำดับอ็อบเจ็กต์ภายในคลาส คลาสระหว่างกัน และชุดของคลาสร่วมกับชุดคลาสอื่น)

เพื่อทำการวิเคราะห์เชิงปริมาณของไดอะแกรม เราจะแสดงรายการตัวบ่งชี้แบบจำลอง:

· จำนวนบล็อกบนไดอะแกรม – N;

· ระดับการสลายตัวของแผนภาพ – L;

· ความสมดุลของแผนภาพ – B;

· จำนวนลูกศรที่เชื่อมต่อกับบล็อก – A.

ชุดปัจจัยนี้ใช้กับไดอะแกรมแต่ละโมเดล ต่อไปนี้จะแสดงรายการคำแนะนำเกี่ยวกับค่าที่ต้องการของปัจจัยในแผนภาพ

มีความจำเป็นต้องพยายามตรวจสอบให้แน่ใจว่าจำนวนบล็อกในไดอะแกรมของระดับต่ำกว่านั้นต่ำกว่าจำนวนบล็อกในไดอะแกรมหลักนั่นคือ เมื่อระดับการสลายตัวเพิ่มขึ้น ค่าสัมประสิทธิ์จะลดลง ดังนั้น การลดลงของค่าสัมประสิทธิ์นี้บ่งชี้ว่าเมื่อโมเดลถูกสลายตัว ฟังก์ชันต่างๆ ควรถูกทำให้ง่ายขึ้น ดังนั้น จำนวนบล็อกจึงควรลดลง

ไดอะแกรมจะต้องมีความสมดุล ซึ่งหมายความว่าภายในไดอะแกรมเดียวกันไม่ควรมีสถานการณ์ที่งานมีลูกศรขาเข้าและลูกศรควบคุมมากกว่าลูกศรขาออกอย่างมีนัยสำคัญ ควรสังเกตว่าไม่ควรปฏิบัติตามคำแนะนำนี้สำหรับกระบวนการผลิตที่เกี่ยวข้องกับการได้ผลิตภัณฑ์สำเร็จรูปจากส่วนประกอบจำนวนมาก (การผลิตหน่วยเครื่องจักร การผลิตผลิตภัณฑ์อาหาร ฯลฯ) ตัวอย่างเช่น เมื่ออธิบายขั้นตอนการประกอบ บล็อกอาจมีลูกศรหลายอันที่อธิบายส่วนประกอบของผลิตภัณฑ์ และลูกศรหนึ่งอันออกจากผลิตภัณฑ์สำเร็จรูป

ขอแนะนำปัจจัยความสมดุลของแผนภาพ:

เป็นที่พึงปรารถนาว่าค่าสัมประสิทธิ์ความสมดุลจะน้อยที่สุดสำหรับแผนภาพและคงที่ในแบบจำลอง

นอกเหนือจากการประเมินคุณภาพของไดอะแกรมในแบบจำลองและตัวแบบจำลองโดยทั่วไปโดยพิจารณาจากค่าสัมประสิทธิ์ความสมดุลและการสลายตัวแล้ว ยังวิเคราะห์และปรับกระบวนการทางธุรกิจที่อธิบายไว้ให้เหมาะสมได้อีกด้วย ความหมายทางกายภาพของค่าสัมประสิทธิ์ความสมดุลถูกกำหนดโดยจำนวนลูกศรที่เชื่อมต่อกับบล็อก ดังนั้นจึงสามารถตีความได้ว่าเป็นค่าสัมประสิทธิ์โดยประมาณตามจำนวนเอกสารและฟังก์ชันงานที่ประมวลผลและรับโดยแผนกหรือพนักงานเฉพาะ ดังนั้นบนกราฟของการพึ่งพาค่าสัมประสิทธิ์ความสมดุลกับระดับการสลายตัว จุดสูงสุดที่มีอยู่เมื่อเทียบกับค่าเฉลี่ยจะแสดงการโอเวอร์โหลดและการทำงานน้อยเกินไปของพนักงานในองค์กร เนื่องจากระดับการสลายตัวที่แตกต่างกันจะอธิบายกิจกรรมของแผนกหรือพนักงานต่างๆ ขององค์กร ดังนั้น หากมีจุดสูงสุดในกราฟของกระบวนการทางธุรกิจจริง นักวิเคราะห์สามารถให้คำแนะนำหลายประการสำหรับการเพิ่มประสิทธิภาพกระบวนการทางธุรกิจที่อธิบายไว้: การกระจายฟังก์ชันที่ดำเนินการ การประมวลผลเอกสารและข้อมูล การแนะนำค่าสัมประสิทธิ์เพิ่มเติมเมื่อจ่ายเงินให้พนักงาน

ให้เราทำการวิเคราะห์เชิงปริมาณของแบบจำลองที่แสดงในรูปที่ 12 และ 13 ตามวิธีการที่อธิบายไว้ข้างต้น ลองพิจารณาพฤติกรรมของค่าสัมประสิทธิ์สำหรับโมเดลเหล่านี้ แผนภาพหลัก “การประมวลผลคำขอของลูกค้า” มีค่าสัมประสิทธิ์ 4/2 = 2 และแผนภาพการสลายตัวมี 3/3 = 1 ค่าของสัมประสิทธิ์ลดลง ซึ่งบ่งชี้ถึงการทำให้คำอธิบายฟังก์ชันง่ายขึ้นตามระดับของ โมเดลลดลง

ลองพิจารณาการเปลี่ยนแปลงของค่าสัมประสิทธิ์ K b สำหรับโมเดลสองแบบ

สำหรับตัวเลือกแรก ดังแสดงในรูปที่ 20

สำหรับตัวเลือกที่สอง

ค่าสัมประสิทธิ์ K b ไม่เปลี่ยนค่า ดังนั้นความสมดุลของแผนภาพจึงไม่เปลี่ยนแปลง

เราจะถือว่าระดับการสลายตัวของไดอะแกรมที่พิจารณานั้นเพียงพอที่จะสะท้อนถึงวัตถุประสงค์ของการสร้างแบบจำลองและในไดอะแกรมของระดับล่างจะใช้ฟังก์ชันพื้นฐานเป็นชื่อของงาน (จากมุมมองของผู้ใช้ระบบ) .

เมื่อสรุปตัวอย่างที่พิจารณาแล้ว จำเป็นต้องทราบถึงความสำคัญของการพิจารณาตัวเลือกไดอะแกรมต่างๆ เมื่อสร้างแบบจำลองระบบ ตัวเลือกดังกล่าวอาจเกิดขึ้นเมื่อปรับไดอะแกรม เช่นเดียวกับที่ทำกับ "การประมวลผลคำขอของลูกค้า" หรือเมื่อสร้างการใช้งานฟังก์ชันระบบทางเลือก (การสลายตัวของงาน "การเปลี่ยนฐานข้อมูล") การตรวจสอบตัวเลือกทำให้คุณสามารถเลือกตัวเลือกที่ดีที่สุดและรวมไว้ในแพ็คเกจไดอะแกรมเพื่อการพิจารณาต่อไป

ในการดำเนินการวิเคราะห์เชิงปริมาณของแบบจำลอง เราจะใช้ตัวบ่งชี้ต่อไปนี้:

1. จำนวนบล็อกบนไดอะแกรมคือ N;

2. ระดับการสลายตัวของแผนภาพ – L;

3. ความสมดุลของแผนภาพ – B;

4. จำนวนลูกศรที่เชื่อมต่อกับบล็อกคือ A

ชุดตัวบ่งชี้นี้ใช้กับแต่ละไดอะแกรมในแบบจำลอง จากนั้นใช้ค่าสัมประสิทธิ์ (สูตร 1, 2) ซึ่งสามารถกำหนดลักษณะเชิงปริมาณของแบบจำลองโดยรวมได้ เพื่อเพิ่มความเข้าใจของแบบจำลองจำเป็นต้องพยายามให้แน่ใจว่าจำนวนบล็อก (N) ในไดอะแกรมของระดับต่ำกว่าน้อยกว่าจำนวนบล็อกในไดอะแกรมหลักนั่นคือด้วยการเพิ่มระดับ ของการสลายตัว (L) ค่าสัมประสิทธิ์การสลายตัว d ลดลง: d = N / L

ดังนั้น การลดลงของค่าสัมประสิทธิ์นี้บ่งชี้ว่าเมื่อโมเดลถูกสลายตัว ฟังก์ชันต่างๆ ควรถูกทำให้ง่ายขึ้น ดังนั้น จำนวนบล็อกจึงควรลดลง

ไดอะแกรมจะต้องมีความสมดุล ซึ่งหมายความว่าจำนวนลูกศรที่เข้าและออกจากบล็อกควรมีการกระจายเท่าๆ กัน กล่าวคือ จำนวนลูกศรไม่ควรแตกต่างกันมากนัก ควรสังเกตว่าไม่ควรปฏิบัติตามคำแนะนำนี้สำหรับกระบวนการที่เกี่ยวข้องกับการได้รับผลิตภัณฑ์สำเร็จรูปจากส่วนประกอบจำนวนมาก (การผลิตหน่วยเครื่องจักร การผลิตผลิตภัณฑ์อาหาร ฯลฯ) ค่าสัมประสิทธิ์ความสมดุลของแผนภาพคำนวณโดยใช้สูตรต่อไปนี้:

เป็นที่พึงปรารถนาว่าค่าสัมประสิทธิ์ความสมดุลจะน้อยที่สุดสำหรับแผนภาพและคงที่ในแบบจำลอง

นอกจากการประเมินคุณภาพของไดอะแกรมในแบบจำลองและตัวแบบจำลองโดยทั่วไปโดยพิจารณาจากค่าสัมประสิทธิ์ความสมดุลและการสลายตัวแล้ว ยังวิเคราะห์และปรับกระบวนการที่อธิบายไว้ให้เหมาะสมได้อีกด้วย ความหมายทางกายภาพของค่าสัมประสิทธิ์ความสมดุลถูกกำหนดโดยจำนวนลูกศรที่เชื่อมต่อกับบล็อก ดังนั้นจึงสามารถตีความได้ว่าเป็นค่าสัมประสิทธิ์การประเมินสำหรับปริมาณข้อมูลที่ประมวลผลและรับ ดังนั้นบนกราฟของการพึ่งพาค่าสัมประสิทธิ์ความสมดุลกับระดับการสลายตัวยอดเขาที่มีอยู่ซึ่งสัมพันธ์กับค่าเฉลี่ยจะแสดงการโอเวอร์โหลดและอันเดอร์โหลดของระบบย่อยระบบข้อมูลในองค์กรเนื่องจากระดับการสลายตัวที่แตกต่างกันจะอธิบายกิจกรรมต่างๆ ระบบย่อย ดังนั้น หากมีจุดสูงสุดในกราฟ ก็สามารถให้คำแนะนำหลายประการเพื่อเพิ่มประสิทธิภาพกระบวนการที่อธิบายไว้โดยอัตโนมัติโดยระบบสารสนเทศ

การวิเคราะห์แผนภาพบริบท “A-0 ระบบสารสนเทศขององค์กรก่อสร้าง”

จำนวนบล็อก: 1

แผนภูมิระดับการสลายตัว: 3

ปัจจัยความสมดุล: 3

จำนวนลูกศรที่เชื่อมต่อกับบล็อก: 11

การวิเคราะห์รายละเอียดกระบวนการ “โมดูล A2 “ซัพพลายเออร์”

จำนวนบล็อก: 4

การวิเคราะห์รายละเอียดกระบวนการ “โมดูล A3 “วัตถุ”

จำนวนบล็อก: 3

แผนภูมิระดับการสลายตัว: 2

ปัจจัยความสมดุล: 5.75

การวิเคราะห์รายละเอียดกระบวนการ “โมดูล A1 “คนงาน”

จำนวนบล็อก: 3

แผนภูมิระดับการสลายตัว: 2

ปัจจัยความสมดุล: 5.75

การวิเคราะห์รายละเอียดกระบวนการ “โมดูล 4.1 “รายงาน”

จำนวนบล็อก: 3

แผนภูมิระดับการสลายตัว: 2

ปัจจัยความสมดุล: 5.75

วิเคราะห์รายละเอียดของกระบวนการ “A 5 Module “ผู้รับเหมา”

จำนวนบล็อก: 3

แผนภูมิระดับการสลายตัว: 2

ปัจจัยความสมดุล: 5.75

ค่าสัมประสิทธิ์ความสมดุลที่ระดับย่อยของการสลายตัวสำหรับระดับย่อยของกระบวนการ ระบบข้อมูลร้านค้าระบุว่าไดอะแกรมมีความสมดุล เพราะ ค่าสัมประสิทธิ์ความสมดุลไม่เท่ากับศูนย์ดังนั้นจึงเป็นไปได้ที่จะดำเนินการสลายตัวเพิ่มเติมในบางระดับหลังจากนั้นคุณสามารถวิเคราะห์ชื่อของกิจกรรมของแบบจำลองนี้ได้

เมื่อทำการวิเคราะห์เชิงปริมาณของแบบจำลอง จะมีการสร้างกราฟของสัมประสิทธิ์การสลายตัว ซึ่งเราจะเห็นว่าเมื่อระดับการสลายตัวเพิ่มขึ้น ค่าสัมประสิทธิ์การสลายตัวจะลดลง ดังนั้น การลดลงของค่าสัมประสิทธิ์นี้บ่งชี้ว่าเมื่อโมเดลถูกสลาย ฟังก์ชันต่างๆ จะถูกทำให้ง่ายขึ้น ดังนั้น จำนวนบล็อกจึงลดลง กราฟสัมประสิทธิ์การสลายตัวแสดงในรูปที่ 10

รูปที่ 10 – กราฟสัมประสิทธิ์การสลายตัว

บนกราฟของการพึ่งพาค่าสัมประสิทธิ์ความสมดุลกับระดับการสลายตัว จุดสูงสุดที่มีอยู่สัมพันธ์กับค่าเฉลี่ยบ่งบอกถึงความแออัดของระบบย่อยระบบข้อมูลขององค์กร ค่าสัมประสิทธิ์ความสมดุลสำหรับไดอะแกรมมีค่าสูงสุด กราฟค่าสัมประสิทธิ์ความสมดุลแสดงในรูปที่ 11

รูปที่ 11 - กราฟสัมประสิทธิ์ความสมดุล

พื้นฐานของการวิเคราะห์เชิงปริมาณ

การวิเคราะห์เชิงปริมาณของตลาดการเงินคือการคาดการณ์ราคาและความสามารถในการทำกำไรของสินทรัพย์ทางการเงิน การประเมินความเสี่ยงของการลงทุนในสินทรัพย์ทางการเงินโดยใช้วิธีทางคณิตศาสตร์และสถิติของการวิเคราะห์อนุกรมเวลา

เมื่อมองแวบแรก การวิเคราะห์เชิงปริมาณจะคล้ายกับการวิเคราะห์ทางเทคนิค เนื่องจากการวิเคราะห์ทั้งสองประเภทใช้ข้อมูลในอดีตของราคาสินทรัพย์ทางการเงินและข้อมูลในอดีตเกี่ยวกับลักษณะอื่นๆ ของสินทรัพย์ทางการเงิน แต่มีความแตกต่างอย่างมีนัยสำคัญระหว่างการวิเคราะห์ทางเทคนิคและการวิเคราะห์เชิงปริมาณ

การวิเคราะห์ทางเทคนิคขึ้นอยู่กับรูปแบบที่พบจากเชิงประจักษ์ และรูปแบบเหล่านี้ไม่มีพื้นฐานทางวิทยาศาสตร์ที่เข้มงวด

ในขณะที่วิธีการวิเคราะห์เชิงปริมาณจะมีพื้นฐานทางคณิตศาสตร์ที่เข้มงวด วิธีการวิเคราะห์เชิงปริมาณหลายวิธีประสบความสำเร็จในการนำไปใช้ในทางวิทยาศาสตร์ เช่น ฟิสิกส์ ชีววิทยา ดาราศาสตร์ ฯลฯ

อุดมการณ์พื้นฐานของการวิเคราะห์เชิงปริมาณ

อุดมการณ์พื้นฐานของการวิเคราะห์เชิงปริมาณมีความคล้ายคลึงกับแนวทางปฏิบัติในวิทยาศาสตร์ธรรมชาติมาก

ในการวิเคราะห์เชิงปริมาณ จะมีการหยิบยกสมมติฐานบางประการเกี่ยวกับการทำงานของตลาดการเงินขึ้นมาก่อน แบบจำลองทางคณิตศาสตร์ถูกสร้างขึ้นบนพื้นฐานของสมมติฐานนี้ แบบจำลองนี้ควรจับแนวคิดที่สำคัญที่สุดของสมมติฐานที่หยิบยกมา และละทิ้งรายละเอียดแบบสุ่มที่ไม่สำคัญ

จากนั้นจึงศึกษาแบบจำลองนี้โดยใช้วิธีทางคณิตศาสตร์ สิ่งที่สำคัญที่สุดในการศึกษานี้คือการคาดการณ์ราคาของสินทรัพย์ทางการเงิน การคาดการณ์ดังกล่าวสามารถทำได้ทั้งสำหรับจุดปัจจุบันและจุดประวัติศาสตร์ในเวลา จากนั้นจึงนำการคาดการณ์มาเปรียบเทียบกับกราฟราคาจริง

แบบจำลองการวิเคราะห์เชิงปริมาณพื้นฐาน

โมเดลที่สำคัญที่สุดของการวิเคราะห์เชิงปริมาณคือโมเดลตลาดการเงินที่มีประสิทธิภาพ ซึ่งสร้างขึ้นบนพื้นฐานของสมมติฐานตลาดที่มีประสิทธิภาพ

ในการวิเคราะห์เชิงปริมาณ ตลาดที่มีประสิทธิภาพคือสถานการณ์ที่ผู้เข้าร่วมตลาดการเงินทุกคนสามารถเข้าถึงข้อมูลทั้งหมดที่เกี่ยวข้องกับตลาดการเงินในเวลาใดก็ตาม ซึ่งหมายความว่าผู้เข้าร่วมตลาดทุกคนไม่เพียงแต่จะมีข้อมูลทั้งหมดเท่านั้น แต่ยังมีข้อมูลที่เหมือนกันอีกด้วย ไม่ได้เกิดขึ้นที่ผู้เข้าร่วมตลาดรายใดจะมีข้อมูลภายในเพิ่มเติมที่ผู้เข้าร่วมตลาดรายอื่นจะไม่สามารถเข้าถึงได้

ภายใต้เงื่อนไขดังกล่าว ราคาทั้งหมดของสินทรัพย์ทางการเงินทั้งหมดจะอยู่ที่มูลค่าสมดุลเสมอ นั่นคือราคาของสินทรัพย์ทางการเงินใดๆ ในตลาดที่มีประสิทธิภาพจะเท่ากับราคาที่อุปสงค์และอุปทานเท่ากันเสมอ ในตลาดที่มีประสิทธิภาพ ไม่มีสินทรัพย์ทางการเงินใดๆ ที่ถูกประเมินมูลค่าสูงเกินไปหรือต่ำเกินไป

ตลาดที่มีประสิทธิภาพหมายความว่าทันทีที่เทรดเดอร์มีข้อมูลใหม่ ราคาจะเปลี่ยนแปลงทันทีซึ่งตอบสนองต่อการเกิดขึ้นของข้อมูลใหม่ ดังนั้นราคาจึงอยู่ในสภาวะสมดุลเสมอไม่ว่าราคาจะเปลี่ยนแปลงไปอย่างไร

ดังนั้นจากมุมมองเชิงปริมาณ จึงเป็นไปไม่ได้ที่จะทำเงินในตลาดที่มีประสิทธิภาพเช่นเดียวกับในตลาดจริง เมื่อนักลงทุนซื้อสินทรัพย์ที่มีมูลค่าต่ำกว่ามูลค่าและขายสินทรัพย์ที่มีมูลค่าสูงเกินไป นอกจากนี้ ในตลาดที่มีประสิทธิภาพ ไม่เคยมีฟองสบู่ในตลาด เมื่อราคาเคลื่อนไหวตรงข้ามกับมูลค่าสมดุล

การวิเคราะห์เชิงปริมาณระบุว่าในตลาดที่มีประสิทธิภาพ ราคาของสินทรัพย์ทางการเงินจะเปลี่ยนแปลงแบบสุ่ม โดยราคาที่เป็นไปได้มากที่สุด ณ เวลาถัดไปจะเป็นราคาปัจจุบัน และราคาที่แตกต่างจากราคาปัจจุบันก็จะมีโอกาสน้อยลง กระบวนการสุ่มนี้เรียกว่ามาร์ติงเกล (อย่าสับสนระหว่าง Martingale กับ Martingale เพราะ Martingale เป็นหนึ่งในกลยุทธ์การจัดการเงิน ในภาษาฝรั่งเศส ทั้งสองคำนี้เป็นคำพ้องเสียง กล่าวคือ เขียนคำเดียวกันว่า "martingale" แต่มีความหมายต่างกัน)

ซึ่งหมายความว่าการเก็งกำไรระยะสั้นในสินทรัพย์ทางการเงินในตลาดที่มีประสิทธิภาพเป็นไปไม่ได้ วิธีเดียวที่จะทำเงินในตลาดดังกล่าวได้คือการซื้อหลักทรัพย์เพื่อการถือครองระยะยาว

นี่คือกลยุทธ์ "ซื้อและถือ"

การละเมิดแบบจำลองการวิเคราะห์เชิงปริมาณพื้นฐาน

หากสมมติฐานทางการตลาดที่มีประสิทธิภาพถูกละเมิด ราคาของสินทรัพย์ทางการเงินจะเบี่ยงเบนไปจากมูลค่าสมดุล ดังนั้น ขึ้นอยู่กับสมมติฐานข้อใดข้อหนึ่งเกี่ยวกับการละเมิดตลาดที่มีประสิทธิภาพในการวิเคราะห์เชิงปริมาณ โอกาสในการสร้างแบบจำลองทางคณิตศาสตร์ที่ช่วยให้สร้างรายได้จากความแตกต่างระหว่างราคาจริงและราคาสมดุล

สมมติฐานเฉพาะสำหรับการเบี่ยงเบนไปจากแบบจำลองพื้นฐานมักไม่มีเหตุผลทางวิทยาศาสตร์ที่เข้มงวดในการวิเคราะห์เชิงปริมาณ สมมติฐานของการเบี่ยงเบนไปจากแบบจำลองพื้นฐานเหล่านี้นำไปสู่แบบจำลองทางคณิตศาสตร์ต่างๆ ของตลาดการเงิน ดังนั้นแบบจำลองทางคณิตศาสตร์เหล่านี้จึงสามารถนำไปสู่การคาดการณ์ราคาสินทรัพย์ทางการเงินที่แตกต่างไปจากเดิมอย่างสิ้นเชิง

ดังนั้น ขึ้นอยู่กับสมมติฐานของการเบี่ยงเบนจากแบบจำลองพื้นฐานในการวิเคราะห์เชิงปริมาณที่ผู้เข้าร่วมตลาดการเงินยอมรับ พวกเขาจึงเริ่มปฏิบัติตามแบบจำลองพฤติกรรมของพวกเขาในตลาดอย่างใดอย่างหนึ่ง ทั้งนี้ ภารกิจในการทดสอบตลาดว่าตลาดมีประสิทธิภาพแตกต่างจากตลาดมีประสิทธิภาพมากน้อยเพียงใด กลายเป็นเรื่องเร่งด่วนมาก

ปัญหาในการวิเคราะห์เชิงปริมาณนี้ได้รับการแก้ไขโดยใช้วิธีการทดสอบทางสถิติของสมมติฐานที่รองรับตลาดที่มีประสิทธิภาพ การตรวจสอบดังกล่าวเป็นไปได้หากมีแบบจำลองเพียงพอที่กำหนดความสามารถในการทำกำไรของสินทรัพย์ทางการเงินภายใต้ดุลยภาพของตลาด

จากที่กล่าวมาข้างต้น เป็นที่ชัดเจนว่าในตลาดการเงินยังมีความเชื่อมโยงระหว่างการวิเคราะห์เชิงปริมาณและจิตวิทยาของเทรดเดอร์และนักลงทุน เช่นเดียวกับกรณีของการวิเคราะห์ทางเทคนิคและการวิเคราะห์ปัจจัยพื้นฐาน ราคาตลาดของสินทรัพย์ทางการเงินสามารถเปลี่ยนแปลงไปในทิศทางเดียวหรืออย่างอื่นได้ ขึ้นอยู่กับสมมติฐานของการเบี่ยงเบนจากแบบจำลองพื้นฐานที่ยอมรับโดยผู้สนับสนุนการวิเคราะห์เชิงปริมาณ ซึ่งเป็นเจ้าของสินทรัพย์ทางการเงินจำนวนมากที่สุดที่เกี่ยวข้องกับตลาดนี้

การวิเคราะห์อนุกรมเวลาเชิงปริมาณ

การวิเคราะห์เชิงปริมาณของอนุกรมเวลาเกี่ยวข้องกับปัญหาทางคณิตศาสตร์อย่างมาก ปัญหาเหล่านี้เกี่ยวข้องกับความไม่คงที่ทางสถิติของพฤติกรรมราคาของสินทรัพย์แลกเปลี่ยนจำนวนมาก

เมื่อศึกษาอนุกรมเวลา โดยทั่วไปจะถือว่าอนุกรมเวลาของการเปลี่ยนแปลงราคาของสินทรัพย์ทางการเงินคือผลรวมขององค์ประกอบแบบไดนามิกและองค์ประกอบแบบสุ่ม องค์ประกอบแบบไดนามิกขึ้นอยู่กับกฎหมายเศรษฐกิจพื้นฐานตามที่ราคาควรเปลี่ยนแปลง และคำสุ่มมีความเกี่ยวข้องกับปัจจัยที่ไม่ใช่ทางเศรษฐกิจ เช่น พฤติกรรมทางอารมณ์ของเทรดเดอร์ การเปิดเผยข่าวเหตุสุดวิสัย เป็นต้น

หน้าที่ของการวิเคราะห์เชิงปริมาณคือการระบุองค์ประกอบไดนามิกและกรองสัญญาณรบกวนแบบสุ่มออกไป องค์ประกอบไดนามิกที่ระบุสามารถคาดการณ์ได้ในอนาคต การประมาณค่านี้ให้ค่าเฉลี่ยของราคาที่คาดการณ์ไว้ และเสียงสุ่มที่ถูกกรองทำให้สามารถประมาณช่วงเวลาทางสถิติของลำดับที่สูงกว่าได้ นี่เป็นช่วงเวลาทางสถิติอันดับสองโดยหลัก นั่นคือ การกระจายตัว ซึ่งสัมพันธ์กับความผันผวน การทราบการกระจายตัวและความผันผวนทำให้คุณสามารถประเมินความเสี่ยงได้

รูปแบบการวิเคราะห์อนุกรมเวลานี้ใช้ในการค้นหาสัญญาณจากอารยธรรมนอกโลกท่ามกลางสัญญาณรบกวนวิทยุจักรวาล นี่เป็นงานที่แน่นอนเมื่อสัญญาณไดนามิกที่เรากำลังมองหานั้นไม่เป็นที่รู้จักสำหรับเราเลย

แต่สำหรับการวิเคราะห์เชิงปริมาณของอนุกรมเวลาของราคาหุ้น งานจะซับซ้อนกว่ามาก ท้ายที่สุดแล้ว อารยธรรมนอกโลกที่ทราบลักษณะทางสถิติและสเปกตรัมของสัญญาณรบกวนวิทยุจักรวาล จะพยายามส่งสัญญาณไปยังจักรวาลซึ่งจะมีความแตกต่างทางสถิติและสเปกตรัมจากสัญญาณรบกวนจักรวาลมากที่สุดเท่าที่จะเป็นไปได้ พวกเขาจะทำเช่นนี้โดยมีจุดประสงค์เพื่อให้อารยธรรมอื่นสามารถค้นหาและรับรู้สัญญาณของพวกเขาได้ง่ายขึ้น

แต่ตลาดการเงินไม่ใช่สิ่งมีชีวิตที่ชาญฉลาดขนาดนั้น ดังนั้นสำหรับอนุกรมเวลาของราคาจึงไม่มีการแยกอนุกรมเหล่านี้อย่างชัดเจนออกเป็นส่วนประกอบแบบไดนามิกและแบบสุ่ม ดังนั้นวิธีการกรองสัญญาณทางคณิตศาสตร์หลายวิธีในการวิเคราะห์เชิงปริมาณจึงไม่ทำงาน

ที่จริงแล้ว อนุกรมเวลาของราคาหุ้นคือผลรวมของหลายอนุกรม ซีรีส์แรกนี้เป็นอนุกรมเวลาล้วนๆ อนุกรมสุดท้ายในผลรวมนี้เป็นอนุกรมสุ่มล้วนๆ ที่มีฟังก์ชันความสัมพันธ์อัตโนมัติเป็นศูนย์ และพจน์ระดับกลางคืออนุกรมระดับกลางซึ่งฟังก์ชันความสัมพันธ์อัตโนมัติจะหายไปหลังจากผ่านไประยะหนึ่ง และเรามีช่วงเวลาที่ฟังก์ชันความสัมพันธ์อัตโนมัติหายไป

บทสรุป

ในสาขาเศรษฐศาสตร์และการเงิน แบบจำลองทางสถิติและวิธีการเรียกว่าเศรษฐมิติ ในแง่หนึ่ง การวิเคราะห์เชิงปริมาณของตลาดการเงินโดยใช้แบบจำลองและวิธีการทางเศรษฐมิติเป็นการพัฒนาการวิเคราะห์พื้นฐานแบบดั้งเดิมในด้านความไม่แน่นอนของตลาด ในทางกลับกัน การวิเคราะห์เชิงปริมาณพยายามยืนยันวิธีการศึกษาข้อมูลในอดีตอย่างเข้มงวดมากขึ้น สิ่งนี้อาจนำไปสู่ความเชื่อมโยงที่ใกล้ชิดยิ่งขึ้นระหว่างการวิเคราะห์เชิงปริมาณและทางเทคนิค