#قرعه_کشی
فرض کنید یک شرکت خودروسازی، بانک، تولید مواد غذایی، صنایع ارتباطی و یا یک سایت خرید و فروش کالای اینترنتی، میخواهد قرعهکشی کند و به افراد و مشتریان خود جایزه بدهد.
به نظر شما این منطقی است که این شرکت، افراد برنده را به صورت تصادفی Random از مجموعه مشتریان یا ثبتنام کنندگان خود انتخاب کند؟
اگر ما در جایگاه یک فرد عادی باشیم، میگوییم بله، عادلانه است. افراد باید شانس و احتمال برنده شدن یکسان داشته باشند.
اما خب، باید بگویم واقعاً اینگونه نیست. تبلیغات که جایزه دادن یا برنده شدن یکی از انواع آن است باید در جهت کسب سود و ثروت برای شرکت فرضی ما باشد، نه هدر دادن منابع. بله عادلانه است هر فرد شانس برنده شدن مساوی با دیگران داشته باشد. اما از دیدگاه شرکت یا بانک، این کار عاقلانه نیست. درست هم میگوید. در همه جای دنیا هم همینگونه است.
معمولاً اکثر شرکتهای کوچک و بزرگ، بخشی به نام Marketing دارند. در آنجا است که پاسخ به سوال چه کسی برنده میشود یا بر روی چه مشتریانی بیشتر سرمایهگزاری کنیم، مشخص میشود.
تحلیلهای با نام Direct Marketing به هفت دسته اصلی تقسیم میشوند. متداولترین آنها آنالیزی با نام RFM است. اساس تحلیل RFM شناسایی بهترین مشتریان است. این تحلیل از سه شاخص اصلی به نامهای
Recency
Frequency
Monetory
تشکیل شده است. نام تحلیل RFM نیز از این اسامی به دست میآید.
بخش Marketing یک شرکت، با استفاده از تحلیل RFM بهترین مشتریان خود را پیدا میکند اینها افرادی هستند که از دیدگاه نرمافزار دارای بالاترین تعداد Bin ها هستند. مثلا در تصویری که پیوست کردهام، افراد قرار گرفته در کادر سبز رنگ، بهترین مشتریان آن شرکت هستند. از بین آنها افرادی که با فلش سبز مشخص کردم، بهترین هستند. افراد دارای کمترین Bin نیز بدترین مشتریان شرکت هستند. (کادر زرد رنگ)
قرعهکشی صرفاً بر روی افراد کادر سبز رنگ و فلش سبز رنگ انجام میشود. این افراد از دیدگاه شاخصهای Recency، Frequency و Monetory بالاترین Bin ها را دارند. بنابراین اگر قرار است تبلیغاتی انجام شود و جایزهای داده شود، عاقلانهترین کار از دیدگاه آن شرکت این است که از بین این افراد قرعهکشی به معنای انتخاب تصادفی صورت پذیرد.
تحلیلهای RFM در دو نوع Transaction Data و Customers Data انجام میشوند. آموزش آنها را در سایت گراف پد و لینکهای زیر آوردهام.
https://graphpad.ir/wp-content/uploads/2022/01/2022-01-10_21-34-07.jpg
https://graphpad.ir/direct-marketing-rfm-analysis-transaction-data/
https://graphpad.ir/direct-marketing-rfm-analysis-customers-data/
فرض کنید یک شرکت خودروسازی، بانک، تولید مواد غذایی، صنایع ارتباطی و یا یک سایت خرید و فروش کالای اینترنتی، میخواهد قرعهکشی کند و به افراد و مشتریان خود جایزه بدهد.
به نظر شما این منطقی است که این شرکت، افراد برنده را به صورت تصادفی Random از مجموعه مشتریان یا ثبتنام کنندگان خود انتخاب کند؟
اگر ما در جایگاه یک فرد عادی باشیم، میگوییم بله، عادلانه است. افراد باید شانس و احتمال برنده شدن یکسان داشته باشند.
اما خب، باید بگویم واقعاً اینگونه نیست. تبلیغات که جایزه دادن یا برنده شدن یکی از انواع آن است باید در جهت کسب سود و ثروت برای شرکت فرضی ما باشد، نه هدر دادن منابع. بله عادلانه است هر فرد شانس برنده شدن مساوی با دیگران داشته باشد. اما از دیدگاه شرکت یا بانک، این کار عاقلانه نیست. درست هم میگوید. در همه جای دنیا هم همینگونه است.
معمولاً اکثر شرکتهای کوچک و بزرگ، بخشی به نام Marketing دارند. در آنجا است که پاسخ به سوال چه کسی برنده میشود یا بر روی چه مشتریانی بیشتر سرمایهگزاری کنیم، مشخص میشود.
تحلیلهای با نام Direct Marketing به هفت دسته اصلی تقسیم میشوند. متداولترین آنها آنالیزی با نام RFM است. اساس تحلیل RFM شناسایی بهترین مشتریان است. این تحلیل از سه شاخص اصلی به نامهای
Recency
Frequency
Monetory
تشکیل شده است. نام تحلیل RFM نیز از این اسامی به دست میآید.
بخش Marketing یک شرکت، با استفاده از تحلیل RFM بهترین مشتریان خود را پیدا میکند اینها افرادی هستند که از دیدگاه نرمافزار دارای بالاترین تعداد Bin ها هستند. مثلا در تصویری که پیوست کردهام، افراد قرار گرفته در کادر سبز رنگ، بهترین مشتریان آن شرکت هستند. از بین آنها افرادی که با فلش سبز مشخص کردم، بهترین هستند. افراد دارای کمترین Bin نیز بدترین مشتریان شرکت هستند. (کادر زرد رنگ)
قرعهکشی صرفاً بر روی افراد کادر سبز رنگ و فلش سبز رنگ انجام میشود. این افراد از دیدگاه شاخصهای Recency، Frequency و Monetory بالاترین Bin ها را دارند. بنابراین اگر قرار است تبلیغاتی انجام شود و جایزهای داده شود، عاقلانهترین کار از دیدگاه آن شرکت این است که از بین این افراد قرعهکشی به معنای انتخاب تصادفی صورت پذیرد.
تحلیلهای RFM در دو نوع Transaction Data و Customers Data انجام میشوند. آموزش آنها را در سایت گراف پد و لینکهای زیر آوردهام.
https://graphpad.ir/wp-content/uploads/2022/01/2022-01-10_21-34-07.jpg
https://graphpad.ir/direct-marketing-rfm-analysis-transaction-data/
https://graphpad.ir/direct-marketing-rfm-analysis-customers-data/
#قزاقستان
اگر ریزش قیمت رمز ارزها و به ویژه بیت کوین را، تاحدی به تحولات و ناآرامیهای قزاقستان و به دنبال آن کاهش شدید نیروی رایانش شبکه بیت کوین، مرتبط میدانیم، بهتر است بدانیم که این مولفه در حال آرام شدن است. اینترنت سراسری در این کشور تقریباً به حالت عادی برگشته و به نظر میرسد متصل شده است.
بنابراین به نظر من، در روزهای آینده با افزایش مناسب قیمت رمز ارزها رو به رو خواهیم بود.
اگر ریزش قیمت رمز ارزها و به ویژه بیت کوین را، تاحدی به تحولات و ناآرامیهای قزاقستان و به دنبال آن کاهش شدید نیروی رایانش شبکه بیت کوین، مرتبط میدانیم، بهتر است بدانیم که این مولفه در حال آرام شدن است. اینترنت سراسری در این کشور تقریباً به حالت عادی برگشته و به نظر میرسد متصل شده است.
بنابراین به نظر من، در روزهای آینده با افزایش مناسب قیمت رمز ارزها رو به رو خواهیم بود.
GraphPad
#میانه اعداد زیر را در نظر بگیرید. ۳.۴, ۴.۹, ۲.۷, ۱۱.۶, ۲.۵, ۸.۷, ۱۴.۳, ۳.۱, ۱.۹ فرض کنید این اعداد، حقوق به میلیون تومان، افراد یک شرکت باشند. یک سوال ساده. میانگین حقوق کارمندان در این شرکت چقدر است؟ پاسخ معلوم است ۵.۹ میلیون تومان. اما این عدد واقعی است…
☝️
این متن را بیش از یکسال پیش نوشتم. با مطرح شدن دوباره میزان افزایش حقوق در سال آینده، بخش هایی از آن را بار دیگر بازنویسی میکنم.
👇
این متن را بیش از یکسال پیش نوشتم. با مطرح شدن دوباره میزان افزایش حقوق در سال آینده، بخش هایی از آن را بار دیگر بازنویسی میکنم.
👇
#میانه
اعداد زیر را در نظر بگیرید.
۳.۴, ۴.۹, ۲.۷, ۱۱.۶, ۲.۵, ۸.۷, ۱۴.۳, ۳.۱, ۱.۹
فرض کنید این اعداد، حقوق به میلیون تومان، افراد یک شرکت باشند. یک سوال ساده. میانگین حقوق کارمندان در این شرکت چقدر است؟
پاسخ معلوم است ۵.۹ میلیون تومان.
اما این عدد واقعی است و بیانگر سطح دستمزد در این شرکت میباشد؟
شش نفر از ۹ نفر کارمندان، کمتر از میانگین ۵.۹ میلیون تومان، حقوق میگیرند.
به سادگی واضح است که بالا بودن میانگین تحت تاثیر دو عدد ۱۴.۳ و ۱۱.۶ قرار گرفته است.
یک سوال ساده دیگر. میانه حقوق در این شرکت چقدر است؟
آن هم واضح است ۳.۴ میلیون تومان.
توضیح اینکه میانه عددی است که پنجاه درصد اعداد دیگر از آن کمتر هستند. در این مثال، به معنای میزان حقوقی که نیمی از کارکنان از آن کمتر دریافت میکنند.
این عدد تصویر روشنتری از سطح دستمزد به ما نشان میدهد و همانند میانگین تحت تاثیر اندازههای خیلی بالا و یا خیلی پایین قرار نمیگیرد.
این مثال را نوشتم از آن جهت که در خبرها و از قول سازمان برنامه و بودجه، میانگین حقوق کارمندان ۶.۱ میلیون تومان، بیان شده بود.
قبول، اما سوال این است، میانه حقوق یعنی عددی که نصف جامعه از آن حقوق کمتری دریافت میکند، چقدر است؟
پژوهشی داشتم در سال ۹۵ که به بررسی فاصله بین دستمزد و تورم در پنج کشور ژاپن، مالزی، هند، ترکیه و ایران میپرداخت. در آن سال این یافته به دست آمد که میانه حقوق در ایران حدود ۴۰ درصد از میانگین حقوق، کمتر است و متاسفانه به جای بیان میانه حقوق که عدد واقعی تری در بیان سطح دستمزد افراد جامعه است، همواره میانگین حقوق بیان میشود.
اعداد زیر را در نظر بگیرید.
۳.۴, ۴.۹, ۲.۷, ۱۱.۶, ۲.۵, ۸.۷, ۱۴.۳, ۳.۱, ۱.۹
فرض کنید این اعداد، حقوق به میلیون تومان، افراد یک شرکت باشند. یک سوال ساده. میانگین حقوق کارمندان در این شرکت چقدر است؟
پاسخ معلوم است ۵.۹ میلیون تومان.
اما این عدد واقعی است و بیانگر سطح دستمزد در این شرکت میباشد؟
شش نفر از ۹ نفر کارمندان، کمتر از میانگین ۵.۹ میلیون تومان، حقوق میگیرند.
به سادگی واضح است که بالا بودن میانگین تحت تاثیر دو عدد ۱۴.۳ و ۱۱.۶ قرار گرفته است.
یک سوال ساده دیگر. میانه حقوق در این شرکت چقدر است؟
آن هم واضح است ۳.۴ میلیون تومان.
توضیح اینکه میانه عددی است که پنجاه درصد اعداد دیگر از آن کمتر هستند. در این مثال، به معنای میزان حقوقی که نیمی از کارکنان از آن کمتر دریافت میکنند.
این عدد تصویر روشنتری از سطح دستمزد به ما نشان میدهد و همانند میانگین تحت تاثیر اندازههای خیلی بالا و یا خیلی پایین قرار نمیگیرد.
این مثال را نوشتم از آن جهت که در خبرها و از قول سازمان برنامه و بودجه، میانگین حقوق کارمندان ۶.۱ میلیون تومان، بیان شده بود.
قبول، اما سوال این است، میانه حقوق یعنی عددی که نصف جامعه از آن حقوق کمتری دریافت میکند، چقدر است؟
پژوهشی داشتم در سال ۹۵ که به بررسی فاصله بین دستمزد و تورم در پنج کشور ژاپن، مالزی، هند، ترکیه و ایران میپرداخت. در آن سال این یافته به دست آمد که میانه حقوق در ایران حدود ۴۰ درصد از میانگین حقوق، کمتر است و متاسفانه به جای بیان میانه حقوق که عدد واقعی تری در بیان سطح دستمزد افراد جامعه است، همواره میانگین حقوق بیان میشود.
#بی_قانون
روز دوشنبه 29 آذر که شاخص کل استارت روند صعودی خود را شروع کرد روی عدد رسمی 1301542 واحد بود. امروز دوشنبه 27 دیماه یعنی بعد از گذشت چهار هفته بر روی عدد 1306531 قرار دارد. به عبارت خیلی ساده شاخص کل افزایش هم داشته است ( حدود 0.4 درصد مثبت).
حال بیایید یک میانگین خیلی ساده از قیمت پایانی همه نمادهای بازار بورس در روز دوشنبه 29 آذر بگیرید. همین کار را برای امروز دوشنبه 27 دیماه هم انجام دهید. چه نتیجهای میگیرید؟ میانگین نمادها 1.7 درصد منفی را نشان میدهد. به بیان ساده در این یک ماه شاخص اوضاع خوب و تحت کنترل را نشان میدهد در حالی که بازار واقعی منفی است.
از این هم سادهتر. همین امروز را ببینید. شاخص کل 0.33- درصد منفی است. میانگین قیمت پایانی نمادها 0.57- درصد و میانگین آخرین قیمت 1.93- درصد است. البته که این را همه میدانند که شاخص کل در روزهای منفی، نسبت به بازار منفی کمتر و در روزهای مثبت نسبت به بقیه بازار مثبت بیشتری دارد.
اما نکته بسیار مهم این است که آنچه برای تصمیمگیران گزارش میشود همین شاخص کل است. همه چیز خوب است و مردم هم بیخود سر و صدا میکنند. با سود هم خارج شدهاند. صرف نظر از درستی یا غلط بودن این نظر، در هیچ کجای دنیا حتی در کشور بی قانونها هم فرد و سیستمی حتی دولتی و حکومتی حق قانونی ندارد به حسابهای مالی، بانکی و پولی افراد بدون رضایت آنها، سرک بکشد. ببیند چه خریدهاند، چند خریدهاند، کی فروختهاند و چند فروختهاند. تا بعد بیاید گزارش بدهد که بله n میلیون نفر سود کردهاند. شما از کجا میدانی سود کردهاند؟ با مجوز کدام قانون آمار خرید و فروش و تراکنشهای مالی افراد را در میآورید؟
روز دوشنبه 29 آذر که شاخص کل استارت روند صعودی خود را شروع کرد روی عدد رسمی 1301542 واحد بود. امروز دوشنبه 27 دیماه یعنی بعد از گذشت چهار هفته بر روی عدد 1306531 قرار دارد. به عبارت خیلی ساده شاخص کل افزایش هم داشته است ( حدود 0.4 درصد مثبت).
حال بیایید یک میانگین خیلی ساده از قیمت پایانی همه نمادهای بازار بورس در روز دوشنبه 29 آذر بگیرید. همین کار را برای امروز دوشنبه 27 دیماه هم انجام دهید. چه نتیجهای میگیرید؟ میانگین نمادها 1.7 درصد منفی را نشان میدهد. به بیان ساده در این یک ماه شاخص اوضاع خوب و تحت کنترل را نشان میدهد در حالی که بازار واقعی منفی است.
از این هم سادهتر. همین امروز را ببینید. شاخص کل 0.33- درصد منفی است. میانگین قیمت پایانی نمادها 0.57- درصد و میانگین آخرین قیمت 1.93- درصد است. البته که این را همه میدانند که شاخص کل در روزهای منفی، نسبت به بازار منفی کمتر و در روزهای مثبت نسبت به بقیه بازار مثبت بیشتری دارد.
اما نکته بسیار مهم این است که آنچه برای تصمیمگیران گزارش میشود همین شاخص کل است. همه چیز خوب است و مردم هم بیخود سر و صدا میکنند. با سود هم خارج شدهاند. صرف نظر از درستی یا غلط بودن این نظر، در هیچ کجای دنیا حتی در کشور بی قانونها هم فرد و سیستمی حتی دولتی و حکومتی حق قانونی ندارد به حسابهای مالی، بانکی و پولی افراد بدون رضایت آنها، سرک بکشد. ببیند چه خریدهاند، چند خریدهاند، کی فروختهاند و چند فروختهاند. تا بعد بیاید گزارش بدهد که بله n میلیون نفر سود کردهاند. شما از کجا میدانی سود کردهاند؟ با مجوز کدام قانون آمار خرید و فروش و تراکنشهای مالی افراد را در میآورید؟
#سود
به شخصه بر این نظر هستم که مدیر و مسئول در جمهوری اسلامی، دروغ نمیگوید. بلکه همه حقیقت را نمیگوید. با این دیدگاه، از دیروز بررسی میکردم که آقای گزارش (خوب) بنویس، چگونه محاسبه کرده که به قول خودش از 6.7 میلیون نفر ورودی سال قبل، 3.2 میلیون نفر (47.8%) با سود خارج شدهاند.
ماتریس شبیهسازی دادههای من نشان میداد، فقط 8.1 درصد افراد ورودی سال قبل با سود میتوانستند خارج شوند و اختلاف بین 47.8 با 8.1 خیلی زیاد است. از طرف دیگر همانگونه که نوشتم، بر این دیدگاه هستم که آقایان مسئولان رده خیلی بالا تا رده خیلی پایین دروغ نمیگویند. پس چگونه محاسبه کردهاند که به عدد 47.8 درصد افراد خارج شده با سود رسیدهاند.
بالاخره یافتم و عدد هم تقریباً درست است. بله راست گفته شده. بنا بر گزارش آقای گزارش خوب بنویس، تقریباً 46-47 درصد افراد با سود از بازار خارج شدهاند. اما سوال مهم این است، چگونه با سود خارج شدن تعریف شده است؟
فرض کنید من در سبد خودم n تعداد نماد دارم. از کوچک و بزرگ بگیر تا عرضه اولیه و فرابورس و بورس. از خودرو، خساپا بگیر تا فملی و کزغال و بمپنا و پارتا و فمراد و ....
حال یکی از اینها (فقط یکی هم کافی است) من در سود هستم. مثلاً من عرضه اولیه X را گرفتهام و چند هزار تومان در سودم. حال همه سهام خودم را میفروشم و از بازار خارج میشوم. مهم نیست که مثلا در خودرو یا فملی یا کزغال چند میلیون یا چند میلیارد در ضرر هستم. به من میگویند با سود از بازار خارج شده چون صرفاً در یکی از نمادهایم در سود چند هزار تومانی بودهام.
به عبارت ساده بیان ریاضی آن به صورت زیر است.
من با سود از بازار خارج شدهام اگر و فقط اگر حداقل یکی از نمادهای من در سود باشد.
بنابراین معادله حل میشود. بله دادهها من هم نشان میدهد حدود 46 درصد افراد با سود خارج شدهاند. منتهی اکثر آنها سود چند هزار تومنی عرضه اولیهها در برابر ضررهای بسیار بزرگتر نمادهای دیگر بوده است. اصلا هم مهم نیست و من باید برای خیابان پاستور و بهارستان گزارش خوب بنویسم. پس به این افراد، برچسب با سود خارج شدن میزنم و سرخوش از اینکه دروغ هم نگفتهام.
اما خب، همه حقیقت خیلی زود برملا میشود.
به شخصه بر این نظر هستم که مدیر و مسئول در جمهوری اسلامی، دروغ نمیگوید. بلکه همه حقیقت را نمیگوید. با این دیدگاه، از دیروز بررسی میکردم که آقای گزارش (خوب) بنویس، چگونه محاسبه کرده که به قول خودش از 6.7 میلیون نفر ورودی سال قبل، 3.2 میلیون نفر (47.8%) با سود خارج شدهاند.
ماتریس شبیهسازی دادههای من نشان میداد، فقط 8.1 درصد افراد ورودی سال قبل با سود میتوانستند خارج شوند و اختلاف بین 47.8 با 8.1 خیلی زیاد است. از طرف دیگر همانگونه که نوشتم، بر این دیدگاه هستم که آقایان مسئولان رده خیلی بالا تا رده خیلی پایین دروغ نمیگویند. پس چگونه محاسبه کردهاند که به عدد 47.8 درصد افراد خارج شده با سود رسیدهاند.
بالاخره یافتم و عدد هم تقریباً درست است. بله راست گفته شده. بنا بر گزارش آقای گزارش خوب بنویس، تقریباً 46-47 درصد افراد با سود از بازار خارج شدهاند. اما سوال مهم این است، چگونه با سود خارج شدن تعریف شده است؟
فرض کنید من در سبد خودم n تعداد نماد دارم. از کوچک و بزرگ بگیر تا عرضه اولیه و فرابورس و بورس. از خودرو، خساپا بگیر تا فملی و کزغال و بمپنا و پارتا و فمراد و ....
حال یکی از اینها (فقط یکی هم کافی است) من در سود هستم. مثلاً من عرضه اولیه X را گرفتهام و چند هزار تومان در سودم. حال همه سهام خودم را میفروشم و از بازار خارج میشوم. مهم نیست که مثلا در خودرو یا فملی یا کزغال چند میلیون یا چند میلیارد در ضرر هستم. به من میگویند با سود از بازار خارج شده چون صرفاً در یکی از نمادهایم در سود چند هزار تومانی بودهام.
به عبارت ساده بیان ریاضی آن به صورت زیر است.
من با سود از بازار خارج شدهام اگر و فقط اگر حداقل یکی از نمادهای من در سود باشد.
بنابراین معادله حل میشود. بله دادهها من هم نشان میدهد حدود 46 درصد افراد با سود خارج شدهاند. منتهی اکثر آنها سود چند هزار تومنی عرضه اولیهها در برابر ضررهای بسیار بزرگتر نمادهای دیگر بوده است. اصلا هم مهم نیست و من باید برای خیابان پاستور و بهارستان گزارش خوب بنویسم. پس به این افراد، برچسب با سود خارج شدن میزنم و سرخوش از اینکه دروغ هم نگفتهام.
اما خب، همه حقیقت خیلی زود برملا میشود.
This media is not supported in your browser
VIEW IN TELEGRAM
#SPSS28
شرکت IBM به تازگی ورژن جدید نرمافزار SPSS 28 را ارایه کرده است. در این ورژن، تحلیلها و ویژگیهای جدیدی مانند
Meta Analysis
Power Analysis
Relationship Maps
Ratio Statistics
Statistics Workbook
Search Enhancements
Side-Pane Table Editor
به نرمافزار اضافه شده و یا بهبود یافته است. من در لینک زیر توضیحاتی درباره هر کدام از این تحلیلها و ویژگیها بیان کردهام.
https://graphpad.ir/spss28/
همچنین در لینک زیر میتوانید کتاب مربوط به مطالب جدید نرمافزار را که در ResearchGate قرار داده و نوشتهام، مشاهده و دریافت کنید. سعی کردهام مطالب را به بیان ساده، مطرح کنم.
https://www.researchgate.net/publication/358008655_What's_new_in_IBM_SPSS_Statistics_28
شرکت IBM به تازگی ورژن جدید نرمافزار SPSS 28 را ارایه کرده است. در این ورژن، تحلیلها و ویژگیهای جدیدی مانند
Meta Analysis
Power Analysis
Relationship Maps
Ratio Statistics
Statistics Workbook
Search Enhancements
Side-Pane Table Editor
به نرمافزار اضافه شده و یا بهبود یافته است. من در لینک زیر توضیحاتی درباره هر کدام از این تحلیلها و ویژگیها بیان کردهام.
https://graphpad.ir/spss28/
همچنین در لینک زیر میتوانید کتاب مربوط به مطالب جدید نرمافزار را که در ResearchGate قرار داده و نوشتهام، مشاهده و دریافت کنید. سعی کردهام مطالب را به بیان ساده، مطرح کنم.
https://www.researchgate.net/publication/358008655_What's_new_in_IBM_SPSS_Statistics_28
#صفر
گاهی اوقات از من سوال میشود چگونه آمار یاد بگیرم؟ چه کتابی بخوانم و از کجا شروع کنم؟ اجازه دهید در پاسخ، تصویر بالا را برایتان قرار دهم.
این گراف Research Interest و RG Score من است. با اعداد RG Score بیشتر از 60 و رده 2.5 درصد پژوهشگران ریسرچگیت دنیا، کاری ندارم و فقط توجه شما را به کادر نارنجی رنگ جلب میکنم. از سال 2003 تا 2013. به مدت ده سال من صفر بودم. صفرِ صفر. در تمام این ده سال مطالعه میکردم، کتاب میخواندم و نرمافزار یاد میگرفتم. بدون اینکه هیچ بروز و نمودی داشته باشد. فرقی نمیکرد چه کتابی، هر کتابی و هر نرمافزاری. هر چه به دستم میآمد میخواندم از کتاب احتمال Feller دهه 1950 گرفته تا Robust Regression های تازه کشف شده.
پیشنهاد میکنم اگر میخواهید آمار و یا هر علمی یاد بگیرید به خوبی مطالعه کنید، صبور باشید و آهسته آهسته بیاموزید. اینکه چه کتابی بخوانم و یا از کجا شروع کنم اصلا اهمیتی ندارد. البته این فقط تجربه شخصی من است که وقتتان را هم به کار کردن برای فرد، شرکت، سازمان، دانشگاه و یا هر جای دیگری به هدر ندهید. خودتان برای خودتان کار کنید و بیاموزید. همه آنها به سراغ شما میآیند.
گاهی اوقات از من سوال میشود چگونه آمار یاد بگیرم؟ چه کتابی بخوانم و از کجا شروع کنم؟ اجازه دهید در پاسخ، تصویر بالا را برایتان قرار دهم.
این گراف Research Interest و RG Score من است. با اعداد RG Score بیشتر از 60 و رده 2.5 درصد پژوهشگران ریسرچگیت دنیا، کاری ندارم و فقط توجه شما را به کادر نارنجی رنگ جلب میکنم. از سال 2003 تا 2013. به مدت ده سال من صفر بودم. صفرِ صفر. در تمام این ده سال مطالعه میکردم، کتاب میخواندم و نرمافزار یاد میگرفتم. بدون اینکه هیچ بروز و نمودی داشته باشد. فرقی نمیکرد چه کتابی، هر کتابی و هر نرمافزاری. هر چه به دستم میآمد میخواندم از کتاب احتمال Feller دهه 1950 گرفته تا Robust Regression های تازه کشف شده.
پیشنهاد میکنم اگر میخواهید آمار و یا هر علمی یاد بگیرید به خوبی مطالعه کنید، صبور باشید و آهسته آهسته بیاموزید. اینکه چه کتابی بخوانم و یا از کجا شروع کنم اصلا اهمیتی ندارد. البته این فقط تجربه شخصی من است که وقتتان را هم به کار کردن برای فرد، شرکت، سازمان، دانشگاه و یا هر جای دیگری به هدر ندهید. خودتان برای خودتان کار کنید و بیاموزید. همه آنها به سراغ شما میآیند.
#ضریب
فرض کنید یک سبد فرضی میسازیم از تمام نمادهای بازار بورس. صرفاً نمادهای بورسی. در این سبد از همه نمادها، به ارزش ریالی مساوی قرار میدهیم. مثلاً از تمام نمادهای بورس، یک میلیون تومان.
در هر روز عددی برای شاخص بورس، به دست میآید و گزارش میشود. این انتظار صحیح و طبیعی است که هر چقدر عدد شاخص بالا و پایین میشود، به همان اندازه ارزش ریالی سبد فرضی ما هم کم یا زیاد شود.
اما میدانیم اینگونه نیست. نه شاخص کل، بلکه شاخص هم وزن نیز اینگونه نیست. خودتان میتوانید امتحان کنید.
به عبارت ساده، رابطه بین شاخصهای گزارش شده در بورس تهران با سبد فرضی ما میزان و همسان نیست. این مطلبی است که میدانیم و عیب اصلی شاخص هم دقیقاً همین جا است.
اما سوال اصلی که برای خودم مطرح بود، این است که درجه انحراف چقدر است؟ ضریب انحراف بین بازار و سبد فرضی من با شاخص کل و یا هم وزن چه اندازه است؟
بگذارید ساده تر بگویم. اصولاً من معتقدم به شاخصهای بازار یک ضریب ثابت یکسان و البته پنهان میخورد. اما عدد آن چند است؟
از چندین روش تحلیل آماری که در ذهن داشتم، استفاده کردم.
به نظرم به دلیل ماهیت مثبت و یا منفی بودن بازار (اصطلاحا حالت باینری Binary)، بهترین روش، رگرسیون غیرخطی لجستیک باینری است.
در رگرسیون لجستیک عدد Odds Ratio که به آن OR میگوییم، از رابطه زیر به دست میآید
Exp{Beta} = OR = (p/1-p)
من p را احتمال مثبت بودن و در نتیجه یک منهای p را احتمال منفی بودن شاخص تعریف کردهام. بنابراین
OR = Probability (منفی/مثبت)
تحلیل مدل رگرسیونی لجستیک باینری، نشان میدهد، عدد OR رابطه بین سبد فرضی من و شاخص بورس برابر با 0.717 است.
سوال. این عدد یعنی چه؟
خیلی ساده. فرض کنید شاخص در یک روز، 2 درصد مثبت گزارش شده است.
در این صورت، سبد فرضی من به اندازه
%2 × 0.717 = %1.434
افزایش خواهد یافت.
حال فرض کنید یک روز شاخص، 2 درصد منفی گزارش شود. عدد OR در اینجا از رابطه زیر به دست میآید.
Probability (مثبت/منفی)
= 1/OR = 1/.717 = 1.395
بنابراین در آن روز سبد فرضی من به اندازه
%2 × 1.395 = %2.790
کاهش خواهد یافت.
بنابراین با استفاده از رگرسیون لجستیک باینری که بر توزیع برنولی استوار است، میتوان به ضریب ثابت شاخص بورس تهران که عدد 0.717 است، پی برد.
کمتر بودن این عدد از عدد یک به معنای آن است که وقتی شاخص مثبت گزارش میشود، بازار واقعی، مثبت کمتری دارد و وقتی شاخص منفی گزارش میشود، بازار واقعی، منفی بیشتری دارد.
فرض کنید یک سبد فرضی میسازیم از تمام نمادهای بازار بورس. صرفاً نمادهای بورسی. در این سبد از همه نمادها، به ارزش ریالی مساوی قرار میدهیم. مثلاً از تمام نمادهای بورس، یک میلیون تومان.
در هر روز عددی برای شاخص بورس، به دست میآید و گزارش میشود. این انتظار صحیح و طبیعی است که هر چقدر عدد شاخص بالا و پایین میشود، به همان اندازه ارزش ریالی سبد فرضی ما هم کم یا زیاد شود.
اما میدانیم اینگونه نیست. نه شاخص کل، بلکه شاخص هم وزن نیز اینگونه نیست. خودتان میتوانید امتحان کنید.
به عبارت ساده، رابطه بین شاخصهای گزارش شده در بورس تهران با سبد فرضی ما میزان و همسان نیست. این مطلبی است که میدانیم و عیب اصلی شاخص هم دقیقاً همین جا است.
اما سوال اصلی که برای خودم مطرح بود، این است که درجه انحراف چقدر است؟ ضریب انحراف بین بازار و سبد فرضی من با شاخص کل و یا هم وزن چه اندازه است؟
بگذارید ساده تر بگویم. اصولاً من معتقدم به شاخصهای بازار یک ضریب ثابت یکسان و البته پنهان میخورد. اما عدد آن چند است؟
از چندین روش تحلیل آماری که در ذهن داشتم، استفاده کردم.
به نظرم به دلیل ماهیت مثبت و یا منفی بودن بازار (اصطلاحا حالت باینری Binary)، بهترین روش، رگرسیون غیرخطی لجستیک باینری است.
در رگرسیون لجستیک عدد Odds Ratio که به آن OR میگوییم، از رابطه زیر به دست میآید
Exp{Beta} = OR = (p/1-p)
من p را احتمال مثبت بودن و در نتیجه یک منهای p را احتمال منفی بودن شاخص تعریف کردهام. بنابراین
OR = Probability (منفی/مثبت)
تحلیل مدل رگرسیونی لجستیک باینری، نشان میدهد، عدد OR رابطه بین سبد فرضی من و شاخص بورس برابر با 0.717 است.
سوال. این عدد یعنی چه؟
خیلی ساده. فرض کنید شاخص در یک روز، 2 درصد مثبت گزارش شده است.
در این صورت، سبد فرضی من به اندازه
%2 × 0.717 = %1.434
افزایش خواهد یافت.
حال فرض کنید یک روز شاخص، 2 درصد منفی گزارش شود. عدد OR در اینجا از رابطه زیر به دست میآید.
Probability (مثبت/منفی)
= 1/OR = 1/.717 = 1.395
بنابراین در آن روز سبد فرضی من به اندازه
%2 × 1.395 = %2.790
کاهش خواهد یافت.
بنابراین با استفاده از رگرسیون لجستیک باینری که بر توزیع برنولی استوار است، میتوان به ضریب ثابت شاخص بورس تهران که عدد 0.717 است، پی برد.
کمتر بودن این عدد از عدد یک به معنای آن است که وقتی شاخص مثبت گزارش میشود، بازار واقعی، مثبت کمتری دارد و وقتی شاخص منفی گزارش میشود، بازار واقعی، منفی بیشتری دارد.
#داستان
باور میکنید یا نه، این گراف، شاخص بورس تهران است. از ابتدای سال 90 تا امروز یکشنبه 24 بهمن.
این چارت شاخص کل بورس تهران است وقتی نسبت به آمار رسمی تورم سنجیده میشود و ضریب ثابت OR که در پست قبل به آن اشاره کردم، حذف میشود.
بله در یک روند ده ساله نزولی است. برخلاف تمام داستانسراییهایی که برای آن میکنند.
باور میکنید یا نه، این گراف، شاخص بورس تهران است. از ابتدای سال 90 تا امروز یکشنبه 24 بهمن.
این چارت شاخص کل بورس تهران است وقتی نسبت به آمار رسمی تورم سنجیده میشود و ضریب ثابت OR که در پست قبل به آن اشاره کردم، حذف میشود.
بله در یک روند ده ساله نزولی است. برخلاف تمام داستانسراییهایی که برای آن میکنند.
تصویر 1. تعداد مقالات ایران از سال 1996 تا 2020 است. روند رو به رشدی داشته است. من کرهجنوبی و برزیل را هم جهت مقایسه آوردهام. سرعت رشد آنها از ایران بهتر است. کشورهای دیگری هم از ایران بهتر هستند و ما سریعترین رشد علمی دنیا را نداریم.
تصویر2. تعداد مقالات استناد نشده ایران است. بسیار هم رشد داشته است. اینها مقالاتی هستند که هیچ مقاله یا فرد دیگری به آنها استناد نکرده است. نویسنده مقاله خودش نوشته برای خودش. به درد هیچ کجای دیگر هم نخورده است.
تصویر 3. تعداد مقالات استناد شده ایران. اینها مقالات مفید و به دردبخوری بودهاند. روند آنها را ببینید. سقوط و برگشت به همان دهه 90 میلادی.
هدفم از نوشتن این مطلب چیست؟
نان مردم را که نتوانستید و اگر از من بپرسید میگویم نمیخواهید، تامین کنید. به علم فخر میکنید که چه کردهایم . باید بگویم بله خیلی پیشرفت داشتهاید. منتهی در علوم فیک و مقالات بنویس و نمره بگیر.
از سایت Scimago Journal & Country Rank که به بررسی مداوم ژورنالها و کشورها میپردازد، این گرافها را ببینید. لینک زیر مربوط به ایران است.
https://www.scimagojr.com/comparecountries.php?ids[]
تصویر2. تعداد مقالات استناد نشده ایران است. بسیار هم رشد داشته است. اینها مقالاتی هستند که هیچ مقاله یا فرد دیگری به آنها استناد نکرده است. نویسنده مقاله خودش نوشته برای خودش. به درد هیچ کجای دیگر هم نخورده است.
تصویر 3. تعداد مقالات استناد شده ایران. اینها مقالات مفید و به دردبخوری بودهاند. روند آنها را ببینید. سقوط و برگشت به همان دهه 90 میلادی.
هدفم از نوشتن این مطلب چیست؟
نان مردم را که نتوانستید و اگر از من بپرسید میگویم نمیخواهید، تامین کنید. به علم فخر میکنید که چه کردهایم . باید بگویم بله خیلی پیشرفت داشتهاید. منتهی در علوم فیک و مقالات بنویس و نمره بگیر.
از سایت Scimago Journal & Country Rank که به بررسی مداوم ژورنالها و کشورها میپردازد، این گرافها را ببینید. لینک زیر مربوط به ایران است.
https://www.scimagojr.com/comparecountries.php?ids[]
#قطار
از مهر ماه سال ۱۳۸۲ تا انتهای تیرماه سال ۱۳۸۵، من دانشجو رشته آمار و مسافر اهواز بودم.
آن روزها برای رفتن از ازنا تا اهواز و برگشت، فقط مسیر قطار بود. آن هم نه قطارهای مناسب امروزی، بلکه صرفاً یک قطار عادی که به سختی بلیط آن هم پیدا میشد. سهمیه ازنا فقط چند کوپه شش نفره بود که خیلی زود هم پر میشد.
قطار که از ازنا راه می افتاد، ایستگاههای بزرگ بین راه، دروود، سپید دشت و اندیمشک بود تا برسد به اهواز.
سپیددشت را که رد میکرد، ایستگاههایی هستند، هم مرز لرستان و خوزستان، نام آنها را خوب به خاطر دارم.
چمسنگر، کشور، تنگ هفت، تنگ پنج، تله زنگ، شهبازان و مازو.
اینها مناطق جغرافیایی بسیار سخت مسیری هستند که عمده در دل کوهها قرار دارند و تنها راه دسترسی آنها به اطراف، همین قطار عادی بود که با اکراه در ایستگاههای آنها توقف میکرد.
قطار که از ایستگاههای آنها میگذشت، مردمانی میدیدم به شدت فقیر و ندار. با کودکانی که در پی قطار میدویدند، عمدتا با پایی خالی از کفش.
آنها هیچ چیز نداشتند و شرایط سخت آنها هر مسافری را متاثر میکرد، اما از بام اکثر خانه ها، یک چیز بیرون زده بود. خیلی هم بزرگ و درشت. ماهواره. راهی برای ارتباط با دنیای بیرون و دیدن انسانهایی غیر از خودشان.
از مهر ماه سال ۱۳۸۲ تا انتهای تیرماه سال ۱۳۸۵، من دانشجو رشته آمار و مسافر اهواز بودم.
آن روزها برای رفتن از ازنا تا اهواز و برگشت، فقط مسیر قطار بود. آن هم نه قطارهای مناسب امروزی، بلکه صرفاً یک قطار عادی که به سختی بلیط آن هم پیدا میشد. سهمیه ازنا فقط چند کوپه شش نفره بود که خیلی زود هم پر میشد.
قطار که از ازنا راه می افتاد، ایستگاههای بزرگ بین راه، دروود، سپید دشت و اندیمشک بود تا برسد به اهواز.
سپیددشت را که رد میکرد، ایستگاههایی هستند، هم مرز لرستان و خوزستان، نام آنها را خوب به خاطر دارم.
چمسنگر، کشور، تنگ هفت، تنگ پنج، تله زنگ، شهبازان و مازو.
اینها مناطق جغرافیایی بسیار سخت مسیری هستند که عمده در دل کوهها قرار دارند و تنها راه دسترسی آنها به اطراف، همین قطار عادی بود که با اکراه در ایستگاههای آنها توقف میکرد.
قطار که از ایستگاههای آنها میگذشت، مردمانی میدیدم به شدت فقیر و ندار. با کودکانی که در پی قطار میدویدند، عمدتا با پایی خالی از کفش.
آنها هیچ چیز نداشتند و شرایط سخت آنها هر مسافری را متاثر میکرد، اما از بام اکثر خانه ها، یک چیز بیرون زده بود. خیلی هم بزرگ و درشت. ماهواره. راهی برای ارتباط با دنیای بیرون و دیدن انسانهایی غیر از خودشان.
#سال_1401
فرض کنید میخواهیم بدانیم برایند سود در بورس تهران برای سال 1400 چگونه بوده است. من برای پاسخ به این سوال یک شبیهسازی معاملاتی بر روی نمونه بزرگی به اندازه یکصد هزار نفر انجام دادهام. این نمونه افرادی هستند که حداقل در هر ماه یک معامله انجام دادهاند.
چند نتیجه این شبیهسازی را با هم ببینیم. از آنجا که نتایج من براساس مفاهیم حدی و همگرایی به دست آمده است، بنابراین با بزرگتر شدن اندازه نمونه و واقعیتر شدن آن، همچنان نتایج زیر با احتمالاً خطای کوچک برقرار خواهد ماند. نکته مهم اینکه ما در به دست آوردن این نتایج به منظور هر چه واقعیتر شدن آنها، کاری به شاخص و انواع آن نداشتهایم.
الف) 9 درصد از افراد بیشتر از 100 درصد نسبت به ابتدای سال 1400 سود کردهاند.
ب) سود 11 درصد از افراد عددی بین 50 تا 100 درصد بوده است.
پ) حدود 17 درصد از افراد سودی بین صفر تا 50 درصد به دست آوردهاند.
ت) حدود 40 درصد از معاملهگران متحمل ضرری بین صفر تا 50 درصد شدهاند.
ث) ضرر 23 درصد از افراد معاملهکننده بیشتر از 50 درصد بوده است.
بنابراین احتمال و دقیقتر بگویم امید ریاضی سود به ضرر در سال 1400 نسبت 37 به 63 بوده است. یعنی اگر شما در ابتدای سال 1400 قرار داشتید به احتمال 37 درصد سود میکردید و با احتمال 63 درصد ضرر.
خب، سوال بهتر این است که این عدد برای سال 1401 چند است؟
پاسخ این است که اگر دادههای اثرگزار بر بورس همین مواردی باشد که میبینیم، از مسائل سیاسی گرفته تا مالی، بانکی و اقتصادی، باید بگویم اعداد چندان اختلافی با امسال نخواهد داشت و پیشبینی مدل شبیهسازی شده کمی بهبود و نسبت سود به ضرر 43 به 57 را نشان میدهد.
فرض کنید میخواهیم بدانیم برایند سود در بورس تهران برای سال 1400 چگونه بوده است. من برای پاسخ به این سوال یک شبیهسازی معاملاتی بر روی نمونه بزرگی به اندازه یکصد هزار نفر انجام دادهام. این نمونه افرادی هستند که حداقل در هر ماه یک معامله انجام دادهاند.
چند نتیجه این شبیهسازی را با هم ببینیم. از آنجا که نتایج من براساس مفاهیم حدی و همگرایی به دست آمده است، بنابراین با بزرگتر شدن اندازه نمونه و واقعیتر شدن آن، همچنان نتایج زیر با احتمالاً خطای کوچک برقرار خواهد ماند. نکته مهم اینکه ما در به دست آوردن این نتایج به منظور هر چه واقعیتر شدن آنها، کاری به شاخص و انواع آن نداشتهایم.
الف) 9 درصد از افراد بیشتر از 100 درصد نسبت به ابتدای سال 1400 سود کردهاند.
ب) سود 11 درصد از افراد عددی بین 50 تا 100 درصد بوده است.
پ) حدود 17 درصد از افراد سودی بین صفر تا 50 درصد به دست آوردهاند.
ت) حدود 40 درصد از معاملهگران متحمل ضرری بین صفر تا 50 درصد شدهاند.
ث) ضرر 23 درصد از افراد معاملهکننده بیشتر از 50 درصد بوده است.
بنابراین احتمال و دقیقتر بگویم امید ریاضی سود به ضرر در سال 1400 نسبت 37 به 63 بوده است. یعنی اگر شما در ابتدای سال 1400 قرار داشتید به احتمال 37 درصد سود میکردید و با احتمال 63 درصد ضرر.
خب، سوال بهتر این است که این عدد برای سال 1401 چند است؟
پاسخ این است که اگر دادههای اثرگزار بر بورس همین مواردی باشد که میبینیم، از مسائل سیاسی گرفته تا مالی، بانکی و اقتصادی، باید بگویم اعداد چندان اختلافی با امسال نخواهد داشت و پیشبینی مدل شبیهسازی شده کمی بهبود و نسبت سود به ضرر 43 به 57 را نشان میدهد.
GraphPad
#سال_1401 فرض کنید میخواهیم بدانیم برایند سود در بورس تهران برای سال 1400 چگونه بوده است. من برای پاسخ به این سوال یک شبیهسازی معاملاتی بر روی نمونه بزرگی به اندازه یکصد هزار نفر انجام دادهام. این نمونه افرادی هستند که حداقل در هر ماه یک معامله انجام…
در پاسخ به سوال دوستان که این صدهزار نفر از کجا به دست آمده، خوداظهاری بوده و یا بررسی پرتفوها 👇
خوداظهاری که به هیچ وجه دقیق نیست و ارزش علمی ندارد.
به پرتفوها هم دسترسی نداریم.
بنابراین از مدلهای شبیه سازی با نرمافزارهای قوی آماری استفاده میکنیم.
از n =1 هم شروع میکنیم. یعنی صرفاً در گام اول، بر روی یک نفر. در هر گام تعداد نمونه را سیستماتیک افزایش میدهیم. این فرایند را تا آنجا ادامه میدهیم که نتایج به یک عدد همگرا شوند. یعنی به جایی میرسیم که هر چقدر تعداد نمونه افزایش پیدا میکند، نتایج ثابت باقی میماند. در همان جا فرایند شبیه سازی را متوقف میکنیم و نتایج همگرا شده را میپذیریم.
خوداظهاری که به هیچ وجه دقیق نیست و ارزش علمی ندارد.
به پرتفوها هم دسترسی نداریم.
بنابراین از مدلهای شبیه سازی با نرمافزارهای قوی آماری استفاده میکنیم.
از n =1 هم شروع میکنیم. یعنی صرفاً در گام اول، بر روی یک نفر. در هر گام تعداد نمونه را سیستماتیک افزایش میدهیم. این فرایند را تا آنجا ادامه میدهیم که نتایج به یک عدد همگرا شوند. یعنی به جایی میرسیم که هر چقدر تعداد نمونه افزایش پیدا میکند، نتایج ثابت باقی میماند. در همان جا فرایند شبیه سازی را متوقف میکنیم و نتایج همگرا شده را میپذیریم.
