C1 量遍天下
费米分解法
c3 为何无形物不可量化
真正的量化不需要无限精确
5人法则,小样本也可以减少不确定性
量化的5大步骤
Part2 量化什么
不确定性 风险 信息价值
在量化前先回答一下问题:
相当多报告的信息价值为零,有两个问题要解决
1、你对此知道多少
2、是否值得量化
清洗定义不确定性和风险
案例
对病毒攻击 问了以下问题
C5 校准训练 修正你的判断
反向锚定法
你的估值范围等于你的认知范围
蒙特卡洛模型 评估风险大小
寻找盈亏平衡点
风险悖论:越重大决策,越缺少风险分析
C7减少不确定风险新的价值
不确定性越高,需要的信息越少
注意事项
Part3 量化方法
c 8 选择和设计量化方法:
本目的:让管理者看到他们认为不可量化的事情,都可以量化。,唯一的问题,他们是否能够重要到非要量化不可。量化真正障碍在概念上,而不是缺乏理解几十个复杂方法的能力。
问题类别:
广义的测量仪器 等于 测量方法
将不可量化之物分解成可量化的
通化过互联网获取方法
新手可以从Wikipedia开始
利用搜索引擎和特定主题的数据库
寻找,观测 跟踪相关线索
case 如何量化网速对销量的影响
数据的交叉对比,看相互关联性
数据不在多,够用就好
一切都是有成本的,特别是时间
准确度不等于精确度
量化误差 系统误差,随机误差
case、400个随机样本比18000个更准确
期望偏差
选择偏差
观测偏差
总结方法:
C9 随机抽样
t统计量法:只需一个小样本
“student’s T-Stastic" 类似正态分布,t分布90%置信区间,如样本量大于30,则和正态分布是一样的。
如何处理异常值
不用计算,就可以估计平均值
5人法则
样本是8的话 中值99.2%置信区间
两次独立抽样:抓与重抓算湖里有多少鱼
变量的相关程度
c10 贝叶斯方法:利用已知估算未知
现实中1和2都往往不成立
我们把和先验信息相关的统计叫贝叶斯统计。处理的是用后验信息更新先验信息的问题。
异构标杆法:借助“类比法”评估
贝叶斯反演法:如X为真,如何看到这一点
Part4 量化抽象事物
c11 偏好与态度
提4类问题
应避免的问题
幸福是可以用金钱去衡量的
投资边界曲线:量化风险承受能力
偏好 态度和判断
159人阅读