GraphPad
2.21K subscribers
483 photos
34 videos
36 files
292 links
Download Telegram
🔆 Cox Proportional Hazards Regression

One of the most statistically advanced analyses available within Prism

🔸 What is it?
Cox Proportional Hazards Regression (or just Cox regression) is an advanced statistical method of survival analysis that allows for the incorporation of any number of predictor variables (both categorical and continuous predictor variables) into the model.

🔸 Why is it useful?
Using information collected for all individuals (in all of the different possible groups), Cox regression can generate survival estimates for any individual or group, with any combination of predictor variable values.

🔸 How does it work in Prism?
Prism makes graphing estimated survival curves of different groups easy:

1- Simply pick the values you're most interested in
2- Prism automatically creates a plot of the corresponding estimated survival curves

Watch the Understanding Cox Proportional Hazards Regression video to learn more.

https://go.graphpad.com/video/cox-proportional-hazards-regression-analysis
🔆 سه مدل خوب در تحلیل‌های سری زمانی. یک پرسش و پاسخ از IBM در این زمینه و آموزش کار با نرم‌افزار SPSS ببینید.
این مدل‌ها در پیش بینی نوسانات قیمتی، بسیار کارایی دارند.

ARCH, GARCH, IGARCH modeling


Problem

🔸Can SPSS Statistics perform ARCH, GARCH, or IGARCH modeling?

Resolving The Problem

🔸SPSS Statistics does not currently have any procedures that will perform ARCH (Autoregressive conditional heteroskedasticity), GARCH (Generalized Autoregressive conditional heteroskedasticity), or IGARCH (Integrated Generalized Autoregressive conditional heteroskedasticity) modeling.

An extension command, STATS GARCH, is now available that does handle a number of types of GARCH and related models, including ARCH, GARCH and IGARCH models. It is available from the SPSS Community on developerWorks at http://www.ibm.com/developerworks/spssdevcentral . Beginning in Version 22, it can be downloaded and installed directly from within SPSS Statistics via Utilities>Extension Bundles>Download and Install Extension Bundles. It requires the R Essentials (also available from developerWorks). Once the R Essentials are installed, the rugarch package for R must be installed separately through R.

علاقمند بودید در این زمینه، لینک زیر را هم ببینید.

https://community.ibm.com/community/user/datascience/blogs/jing-xu/2018/11/22/guidance-for-ibm-spss-time-series-analysis-methods
#Marketing

نرم‌افزار SPSS در ورژن‌های جدید خود، منوی تحلیلی با نام Direct Marketing اضافه کرده است. این بخش شامل 7 روش آنالیز و تحلیل جداگانه به نام‌های زیر است.

1- RFM Analysis (Transaction Data)
2- RFM Analysis (Customer Data)
3- Cluster Analysis
4- Prospect Profiles
5- Postal Codes Response Rate
6- Propensity to Purchase
7- Control Package Test

من در لینک زیر و در سایت گراف پد، هر کدام از آن‌ها را توضیح داده‌ام و برای هر کدام یک یا چند مثال حل کرده‌ام. علاقمند بودید، آن‌ها را ببینید.
این مجموعه آموزشی، شامل 18 مثال همراه با فایل‌های دیتا و نتایج نرم‌افزار SPSS و 260 دقیقه ویدئو توضیحات آن‌ها می‌باشد.

https://graphpad.ir/direct-marketing-spss/
#Principal_Component_Analysis

چند سالی است رسم شده نرم‌افزارها و شرکت‌های سازنده آن‌ها وارد حوزه کاری و تخصصی یکدیگر می شوند. به عنوان مثال هر وقت اسم سری زمانی Time Series می‌آمد ما فوراً به نرم‌افزار Minitab اشاره می‌کردیم و Minitab را یک نرم‌افزار سری زمانی کار می‌دانستیم. اما حالا می‌بینیم IBM SPSS نیز به خوبی وارد این حیطه شده است.

یا به عنوان مثال دیگر، از قدیم تحلیل‌های مولفه‌های اصلی یا همان Principal Component Analysis (PCA) که با استفاده از آن به کاهش ابعاد یک مجموعه بزرگ دیتا و در عین حال حفظ تا حد امکان اطلاعات داده‌ها، می‌پرداختیم، با استفاده از SPSS انجام می‌شد.
با این حال به تازگی GraphPad Prism که اصولاً یک نرم‌افزار آزمایشگاهی و پزشکی به حساب می‌آید وارد مباحث PCA شده است. گراف پد معمولاً تجربه موفقی در ورود به موضوعات غیرتخصصی خودش ندارد و تحلیل‌هایی که در حوزه کار Prism نیست و به آن اضافه شده، چندان جالب از کار درنیامده‌اند.

با همین ذهنیت من توجهی به منوی جدید PCA در گراف پد نداشتم. اما چند روزی است که بر روی آن کار می‌کنم، باید بگویم اشتباه می‌کردم. PCA در گراف پد حتی از خود SPSS نیز بهتر است و علاوه بر تحلیل‌های کلاسیک PCA، روشی جدید با نام Parallel analysis ابداع کرده است که بر مبنای شبیه‌سازی با تعداد بسیار بالا بر روی داده‌ها، انجام می‌شود. نتایج به دست آمده از آن نیز نسبت به سایر روش‌های معمول PCA دقیق‌تر است.

من در لینک زیر به بیان تحلیل مولفه‌های اصلی Principal Component Analysis (PCA) با استفاده از نرم‌افزار GraphPad Prism پرداخته‌ام. علاقمند بودید، آن را ببینید.

https://graphpad.ir/principal-component-analysis-prism/
چند روز پیش مقاله‌ای دیدم در ژورنال PLoS ONE آمریکا (با H-Index = 332 از نشریات خوب آمریکا و در رتبه 92 بهترین ژورنال‌های دنیا است) که خستگی کارهای مستمر و پر از جزئیات آموزش تحلیل‌های آماری این چند وقت را از تنم بیرون کرد.

داوران مقاله به روش انجام و اصولاً نوع تحلیل‌های آماری که نویسندگان استفاده کرده بودند، ایراد گرفته بودند.
در لینک زیر می‌توانید پرسش‌های داوران و پاسخ‌های نویسندگان مقاله را ببینید.

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8809604/

آنجای مقاله خستگی از تنم بیرون رفت و امید به ادامه کارم، که نویسندگان در اثبات درستی روش کار خود به پاسخ من در یکی از تاپیک‌های ریسرچ گیت استناد کرده بودند. داوران هم مقاله را پذیرفته بودند که بله، پس روش کار نویسندگان درست است.

گاهی اوقات با خودم فکر می‌کنم خب که چه، نشسته‌ای و مرتب می‌نویسی. شب و روز آن هم تنهایی. با این حال می‌دانم صدای کار آرام، بلند خواهد شد. به شما امید می‌دهم، آهسته و پیوسته کار کنید. هر کجا که هستید.
ساعت_بازی


مدت‌ها بود به این نکته پی برده بودم که بیت کوین (و عمده رمز ارزها) مانند بچه‌های بازیگوش و در خیابان بازی کنی هستند که اول صبح به هوای بازی از خانه بیرون می‌روند و بالا و پایین می‌پرند و حوالی بعدازظهر مادرشان می‌آید، درب خانه و صدایشان می‌کنند که بیایید تو، بازی دیگر بس است و آن‌ها با صدای مادر، به درون خانه می‌روند و ادامه بازی را در خانه پی می‌گیرند.

بگذارید ساده‌تر بگویم. بیت کوین و عمده رمز ارزها که من به اختصار در این پست، همه آن‌ها را بیت کوین می‌نامم، به ظاهر یک بازار 24 ساعته هستند، با این حال، آن‌ها به دو تایم اصلی (احتمال می‌دهم، تایم‌های کوچکتر و فرعی‌تر دیگری نیز وجود داشته باشد) تقسیم می‌شوند.

این را من می‌دانستم که یک تایم و روند حرکتی بیت کوین به ساعت تهران از حدود ساعت 12.5 نصفه شب است تا حدود ساعت شش بعدازظهر و تایم دیگر از حدود ساعت 6 بعدازظهر شروع می‌شود تا حدود 12 و 12.5 شب.

فاصله بین 12.5 شب تا 6 بعدازظهر، همان زمان بیرون از خانه بودن بیت کوین است که سرگردان و رها در خیابان مشغول بازی است و ساعت حدود 6 همان زمانی است که مادر، بچه‌ها را صدا می‌زند و آن‌ها را به خانه فرا می‌خواند. بیت کوین از ساعت 6 تا همان 12 و 12.5 شب در خانه و تحت نظر مادر، مشغول بازی است.

انگار بیت کوین با همه قد و قواره بزرگش، با صدای مادر رام می‌شود و هر چه می‌گوید گوش می‌کند و در ساعات بودن در درون خانه، کاملاً در قالب مادر فرو می‌رود.

اما مادر کیست؟ چه کسی است که برای بیت کوین (گفتم و عمده رمز ارزها) خط و ربط می‌کشد و به او می‌گوید از کجا برود و از کجا نرود؟ در واقع آن چه چیزی است که بیت کوین را تحت تاثیر خودش قرار می‌دهد؟

ما در آمار، به کمیت‌های مستقل از هم X می‌گوییم و به وابسته‌ها Y. البته که این ایده من است که همه رمز ارزها X هستند. مثلا بیت کوین و اتر دو تا X و X‌ هستند. برخلاف ظاهر که آن‌ها همبستگی و Correlation بسیار بالایی با هم دارند، اما هر دو آن‌ها مستقل هستند و X و Y نیستند. یعنی بیت بر روی اتریوم، اثر نمی‌گذارد، بلکه خود بیت تحت تاثیر یک عامل (همان مادر) دیگر است.

برایم سوال بود که Y کیست و یا چیست؟ آن چه چیزی است که از بیت کوین اثر نمی‌گیرد اما بر روی آن اثر می‌گذارد.

پاسخ، طولانی بود و من در این متن به روابط آماری و رگرسیونی آن نمی‌پردازم. پس ساده می‌نویسم.
به نظر می‌رسد، بیت کوین، هم پدر دارد و هم مادر و با مادر اخت بیشتری دارد. من پدر آن را IXIC و مادر آن را AAP می‌دانم.

منظور از IXIC همان US Composite Index (NASDAQ)
و AAP همان APPLE INC (NASDAQ) است.
#تست
از این نحوه بازگشایی در Pre-market، به نظرم IXIC امروز مثبت است. (مگر اینکه در ادامه Pre-market روند نزولی به خود بگیرند)

این مطلب یعنی اینکه بیت کوین و البته سایرین، مثبت های خود را حفظ خواهند کرد.

شاید هم مانند دیروز که رمز ارزها، دقیقاً ساعت شش بعدازظهر، یک پامپ داشتند، امروز هم حوالی ساعت شش، یک بالای خوب بزنند.

البته این نظر من است و تست فرضیه‌ای است که در بالا نوشتم.

کمتر از دو ساعت دیگر معلوم می‌شود. اگر فرضیه تایید و یا رد شود هم مهم نیست و سعی می‌کنیم بیشتر یاد بگیریم و بیاموزیم.
#Terra_Luna

حدود 5 ماه پیش در این پست درباره‌ی ترا لونا نوشتم که یک الگوریتم مستقل «اِستِیبِل کوین» به آن متصل است و در سال 2022 از این رمز ارز، زیاد خواهیم شنید.

آنچه بر سر لونا و نزدیک به صفر شدن این ارز در این چند روز رفت را باید یک کودتای نهادهای مالی قوی دنیا جهت شکستن نسبت 1:1 بین UST/USDT الگوریتم لونا دانست.

به هر حال با نزدیک به 1 شدن نسبت UST به USDT، لونا همراه با بقیه رمز ارزها برخواهند گشت.
شاید #Terra_Luna را نه پول یک ایرانی، بلکه ایده یک ایرانی نجات دهد.
بایننس #Binance، به طور کامل از این ایده حمایت می‌کند.
#Random


چند ماه پیش و در March 2022 فردی بلژیکی به نام Koen Van de Moortel (بر روی نام او بزنید تا وارد پروفایلش شوید) نرم‌افزاری جهت پیش‌بینی و مدل‌بندی داده‌ها طراحی کرده بود.

من قبلاً Koen را به عنوان یک برنامه‌نویس قابل و خوب می‌شناختم، با این حال او این بار توانسته بود به تنهایی یک نرم‌افزار خوب بسازد و طراحی کند.

او در تاپیکی که در March 2022 در ریسرچ گیت منتشر کرده بود، از محققان و پژوهشگران از همه جای دنیا خواسته بود، جهت تست و آزمون نرم‌افزارش، داده‌ها و یافته‌های خود را برایش بفرستند تا او بتواند قدرت و درستی کار نرم‌افزار تازه طراحی شده را آزمون کند.

در لینک زیر می‌توانید تاپیک او را ببینید.

https://www.researchgate.net/post/Can_you_provide_me_with_your_data_for_modeling_software_testing

من هم برای او یکسری دیتا و اطلاعات ارسال کردم و بدون اینکه به او بگویم این داده‌ها چیست و مربوط به کدام پدیده است، از او خواستم بر روی این داده‌ها، مدل برازش کرده و با استفاده از نرم‌افزارش، پیش‌بینی انجام دهد.

تصویر متن پاسخ او به خودم را برایتان قرار داده‌ام. Koen در پاسخ به داده‌های ارسالی من، به یک نکته بسیار کلیدی اشاره می‌کند. (دور آن خط کشیده‌ام) او می‌گوید
What you sent me rather looks like some random pattern
بله random pattern و نکته و کلمه کلیدی همین جا است Random. یعنی تصادفی و شانسی.

خب، حال بیایید برویم حوزه‌های علمیه و از علما و فقهای آن‌جا بپرسیم، آقا قمار چیست؟ تعریف فقهی قمار چه چیزی است و به چه کاری قمار می‌گوییم؟
در پاسخ آن‌جا نیز یک کلمه کلیدی می‌شنوید، همان Random و شانسی.

داده‌هایی که من برای Koen فرستادم و به او نگفتم آن‌ها چه هستند، بخشی از داده‌های بورس تهران بودند.

روی صحبت من با آدم‌های مشغول در بورس نیست. روی صحبت من با آن سیستم و حکومت نه یک کلمه کمتر و نه یک کلمه بیشتر با نام جمهوری اسلامی است که بانکش ربا است و بورسش قمار. مردم بورس را به قمار تبدیل نکردند، شما آن را با دستکاری در اعداد به قمار تبدیل کردید. شما کاری کردید که اعداد مانند حرکت براونی ذرات، هر روز از جایی به جای دیگر بروند. در یک الگوی کاملاً تصادفی.

https://graphpad.ir/wp-content/uploads/2022/05/Koen-Van-de-Moortel-re.png
چقدر سرزمین مادری دور است.
آن سر آفریقا، چسبیده به اقیانوس اطلس.
شب اول ذیقعده و ولادت حضرت ماه، عرض ادب و خشوع می‌کنم به سرزمین مادری، مراکش.
بیایید درباره پست قبلی بیشتر صحبت کنیم.

ابتدا تصویر پایین را نگاه کنید. به نظر شما آن‌ها چه هستند؟ اعداد تصادفی؟ در ظاهر شاید این‌گونه باشد، اما هر کدام از آن‌ها، یک نظم احتمالی، مدل ریاضی و توزیع آماری شناخته شده و کشف شده دارند.

یعنی ما می‌دانیم از کجا آمده‌اند و حرکت بعدی آن‌ها چیست. به عبارت خیلی ساده آن‌ها یک تابع هستند. نام آن‌ها را نوشته‌ام. من برخی از این توابع توزیع احتمال PDF را در تصویر بالا آورده‌ام. ده‌ها و صدها نمونه دیگر نیز داریم. خود من در دهمین کنفرانس آمار ایران در دانشگاه تبریز، دو تابع توزیع جدید با نام‌های SLEV و SSLEV معرفی کردم که برای اولین بار کشف شده بود.

بیایید ساده‌تر حرف بزنیم. پرتاب یک سکه. به نظر شما آیا پرتاب سکه پدیده‌ای تصادفی است؟ باید بگویم خیر. ما در این‌جا نیز با یک نظم ریاضی و تابع توزیع احتمال با نام یکنواخت گسسته DU{0,1} روبه‌رو هستیم. امید ریاضی، میانگین، انحراف معیار و به صورت کلی گشتاور‌های مرتبه k نیز حتی برای همین پرتاب سکه به ظاهر تصادفی وجود دارد.

حال همین پرتاب سکه از نظم خارج می‌شود. اگر یک نفر این سکه را به دندان بگیرد و آن را کج کند (اصطلاحاً اریب شود). در این صورت دیگر پرتاب سکه نظم احتمالی ندارد و تصادفی می‌شود.

منظور من چیست؟ تابلو بورس تهران و اعداد ان را کسی به دندان گرفته. اینکه چه کسی است هم من می‌دانم و هم شما. داده‌های بورس تهران اعداد تصادفی است. از هیچ نظم و مدل احتمالی نیز پیروی نمی‌کنند. نه اینکه مدلی وجود دارد و ما آن را کشف نکرده‌ایم، نه.

ما حتی بخشی از آمار را با نام آمار توزیع آزاد می‌شناسیم و آن‌ها را در دسته تحلیل‌های ناپارامتری قرار می‌دهیم. موضوع این است تابلو بورس تهران حتی از آمار توزیع آزاد نیز پیروی نمی‌کند و قبلاً هم نوشته‌ام در اغلب نمادها Combination Index آن بزرگتر از یک است. یعنی اینکه ما با کاربر انسانی مواجه نیستیم و اعداد به صورت کاملاً تصادفی تولید می‌شوند. مثلاً نماد فملی CI حدود 7 دارد، شستا از آن هم بدتر است و حدود 9 است. یعنی اینکه سیستمی غیرانسانی با حدود 9 برابر قدرت در برابر یک سیستم انسانی قرار گرفته است. اغلب نمادها هم همین‌طور.

بسیاری از داده‌هایی که در بازارهای جهانی می‌بینید، به ظاهر تصادفی هستند. آن‌ها در واقع یک تابع تصادفی Random Function هستند که برای آن‌ها، یک نظم احتمالی، مدل ریاضی و توزیع آماری شناخته و کشف شده است. آن‌ها تصادفی هستند، بله. اما یک تابع تصادفی. به عبارت ساده، آن‌ها از یک الگو پیروی می‌کنند و ما صدها نوع از این الگوها داریم. بله، آن‌ها آزاد هستند هر کجا می‌خواهند بروند، اما در روند حرکت و رفتار آن‌ها یک نظم از پیش تعیین شده و شناخته شده وجود دارد. در تهران، ما نظمی نمی‌بینیم. آن‌ها فقط تصادفی هستند بدون وجود هر نوع تابع تصادفی.

https://graphpad.ir/wp-content/uploads/2022/06/Layout-Probability.png
اجازه دهید همچنان به بحث رفتار تصادفی بپردازیم.

یک سوال بسیار خوب این است که
شما که می‌گویید رفتار بازارهای مالی در دنیا یک تابع تصادفی است (گفتم برخلاف بورس تهران که صرفاً تصادفی است) و می‌توان توزیع احتمالی آن را به دست آورد، آیا می‌توان بر مبنای این مدل‌های احتمالی و توابع توزیع آماری، پول هم درآورد و موقعیت‌های خوب خرید و فروش را پیدا کرد؟

برای پاسخ به این سوال ابتدا یک مثال ساده می‌زنم.
فرض کنید من صد بار یک سکه را پرتاب می‌کنم. اگر شیر بیاید کد صفر و اگر خط بیاید کد یک را یادداشت می‌کنم. بنابراین در انتها من صد کد با اعداد 0 و 1 دارم.

حال شما هم بیایید همین کار را انجام دهید. به این ترتیب شما هم صد کد با اعداد صفر و یک دارید.
حالا بیایید اعدادمان را کنار هم قرار دهیم. ما هر دو کدهای صفر و یک داریم، اما آیا ترتیب و توالی اعداد من و شما مثل هم است. نه. اصلاً اینگونه نیست. مثلا من 0, 1, 1, 1, 0, … دارم و شما 1, 1, 0, 0, 1, ….

پرتاب سکه یک مدل ریاضی با نام یکنواخت گسسته DU{0, 1} است، در واقع ما تابع احتمالی آن را می‌دانیم، امید ریاضی و انحراف معیار داده‌های من و شما هم تقریبا یکسان است، مثلا هر دو تقریباً در 50 درصد موارد شیر می‌آوریم، اما اعداد تولید شده توسط من و شما با هم متفاوت است.

حال به تصویر زیر نگاه کنید. به نظر شما آیا آن‌ها با هم متفاوت هستند؟ حتما می‌گویید بله. روند اعداد در گراف‌ها با هم فرق می‌کند.
اما باید به شما بگویم، هر دو این گراف‌ها از یک توزیع احتمالی هستند. جالبتر اینکه حتی پارامترهای آن‌ها نیز با هم یکسان است. یعنی هر دو گراف از یک توزیع آماری با نام وایبل Weibull (7, 4, 5) ساخته شده‌اند. اما همان‌گونه که می‌بینید، ترتیب و توالی کنار هم قرار گرفتن اعداد در گراف‌ها با هم متفاوت است.

خب، با همه این حرف‌ها ما می‌توانیم چه کنیم؟ مثلاً می‌خواهیم در بیت کوین سرمایه‌گزاری کنیم. خب چه کنیم و این توزیع احتمال به چه دردی می‌خورد؟

پاسخ این است که
ابتدا مدل احتمالی و تابع توزیع تصادفی بیت کوین را کشف کنید. مثلا من می‌دانم بیت کوین، تابع توزیعی احتمالی به نام کوشی Cauchy دارد، گاهی اوقات هم به توزیع به نام گاما Gamma میل می‌کند.

در گام بعد، احتمال Probability Distribution هر عدد را به دست بیاورم و بعد پوزیشن خرید و یا فروش را در نقطه‌ای قرار دهم که بیشترین احتمال را دارد.

به عبارت ساده‌تر وقتی تابع توزیع احتمال کشف می‌شود، چارچوب رفتاری نیز به دست می‌آید. آن‌چه هنوز باقی می‌ماند و کسی نمی‌داند، رفتار تصادفی بعدی است. آن را نیز می‌توان بر مبنای Probability Distribution بر روی نقطه ورود و یا خروج بیشترین احتمال رخداد قرار داد.

در تصویر زیر، به جدول اعداد نگاه کنید. در ستون Price من قیمت حال حاضر یک رمز ارز را دارم. در ستون Probability من احتمال اتفاق افتادن آن قیمت را دارم. مثلا بر مبنای یافته‌های سطر اول قیمت با احتمال 35.6 درصد در گام بعد بر روی عدد 8.56 خواهد بود. در سطر بعدی نشان داده‌ام با احتمال 49.6 درصد، قیمت 8.79 می‌شود. بالاترین احتمال کجاست؟ سطر ششم. با احتمال 98.9 درصد قیمت در گام بعدی بر روی عدد 9.96 خواهد بود. به عبارت خیلی ساده، این رمز ارز در گام بعدی افزایش قیمت خواهد داشت. البته با همان احتمالی که نوشتم.

https://graphpad.ir/wp-content/uploads/2022/06/Weibull-Distribution.jpg
این گراف را ببینید. یک رگرسیون خطی بسیار ساده بین پالایش و شپنا است. خط نزولی است و ضریب بتا پالایش منفی.

به زبان بسیار ساده یعنی اینکه روزهایی که بازار مثبت است، پالایش مثبت کمتری نسبت به شپنا دارد. روزهایی هم که بازار منفی است، پالایش منفی بزرگتری نسبت به شپنا دارد. این موضوع با بقیه نمادهای شبندر، شتران و شبریز نیز برقرار است. یعنی مثل یک مسابقه دو است که پالایش اغلب نفر چهارم و یا پنجم می‌شود.

فردای اولین روز معامله پالایش من این پست را نوشتم. آن روز پالایش Combination Index (CI) کمتر از یک داشت و یک نماد خوب و روان به حساب می‌آمد. امروز CI پالایش حدود 13 است.

پالایش یکی از بزرگترین CIهای بازار را دارد. به زبان ساده شما یک نماد خوب را تحویل گرفتید و 13 برابر آن را خرابتر کردید. فکر می‌کنید چه کسی این کار را می‌کند. مردم عادی؟ من اصلاً حرف از NAV و حقی که روزانه از این صندوق خورده می‌شود، نمی‌زنم. اوضاع دارا یکم نیز تقریباً مانند پالایش است.

توضیح اینکه هر چقدر CI بزرگتر از یک باشد، به معنای دستکاری و خراب کردن اردرهای خرید و فروش توسط یک سیستم غیر انسانی است. CI کل بازار بورس ایران 4.8 است.
#تثبیت_و_توسعه


واضح است که ما با چیز عجیب و غریبی روبه‌رو نیستیم و مانند بقیه سازمان‌ها و نهادهای کشور که اکثریت آن‌ها آنتاگونیست هستند، در اینجا نیز با یک سازمان آنتاگونیست مواجهیم.
بنابراین خیلی طبیعی و عادی است که در گراف زیر، در تمام سال‌ها Combination Index ما بزرگتر از عدد یک است و اصلاً موضوع صحبت من این هم نیست.

شاید بپرسید من دقیقا‌ً دارم از چه چیزی حرف می‌زنم؟
خیلی به زبان ساده بخواهم بگویم این است که آنتاگونیست بودن یعنی رفتار و کاری برخلاف شرح وظایف یک سیستم و سازمان. همان‌گونه هم که نوشتم این مطلب کاملاً پذیرفته شده است و همه هم می‌دانند و نیاز به کشف و استدلال من هم ندارد که در جلوی نام اکثریت نهادها و سیستم‌های کشور باید کلمه "ضد" اضافه شود. مثلا اگر نام سازمانی فناوری اطلاعات است باید نوشته شود، ضد فناوری اطلاعات یا مثلاً اگر تجارت جهانی است باید نوشته شود سازمان ضد تجارت جهانی و به همین ترتیب برای بقیه.

همان‌گونه هم که در گراف زیر نوشتم و مشاهده می‌کنید، CI سازمان بورس و اوراق بهادار کشور در همه سال‌‌ها (فرقی هم نمی‌کند کدام دولت یا رئیس) عددی بزرگتر از یک است و به بیان ساده یعنی کار این سازمان خراب کردن، وظایف مصوب خودش است و خب، ایرادی هم ندارد. مانند بقیه سیستم‌های کشور است. هر فردی هم که آمده وظیفه‌اش بالا نگه داشتن CI بوده.

نکته مهم این نیست. موضوع مطلب دیگری است. به شماره‌ها و فلش‌های روی گراف دقت کنید. در این تایم‌ها، یکدفعه و به صورت جهشی CI بالا می‌رود. یعنی سازمانی که وظیفه‌اش خراب کردن است (باز هم می‌گویم با این بخش مشکلی نداریم و می‌پذیریم که همه همین‌طور هستند) در این تایم‌ها در خراب کردن موفق‌تر عمل می‌کند. یعنی اگر خراب است آن را خرابتر می‌کند.

برای خود من از مدت‌ها پیش سوال این بود که در این تایم‌ها چه اتفاقی افتاده که CI جهشی شده است؟
پاسخ را می‌نویسم.
1- اساسنامه صندوق تثبیت بازار سرمایه در این بازه زمانی، تصویب می‌شود.
2- مجوز فعالیت صندوق تثبیت بازار سرمایه در این محدوده زمانی، صادر می‌شود.
3- تزریق پول و ردیف مستقل بودجه برای صندوق تثبیت بازار سرمایه، انجام می‌شود.

به این ترتیب موضوع برای خودم حل شد. در این بازه‌های زمانی، یک چیز جدید به بازار سرمایه اضافه شده و او هم خیلی خوب نقشش را یعنی خرابتر کردن بازار سرمایه ایفا می‌کند.


https://graphpad.ir/wp-content/uploads/2022/06/CI-TEDPIX.png
#Robust

درباره فرمول محاسبه شاخص کل و ضریب ثابت OR = 0.717 که به آن می‌زنند تا باعث شود در روزهای منفی، کمتر منفی شود و در روزهای مثبت، مثبت بزرگتری ثبت شود، قبلاً صحبت کردم. می‌توانید این پست را ببینید.

همه می‌دانیم که شاخص کل وضعیت و نمای واقعی بازار را نشان نمی‌دهد و به شدت Non-Robust است. حتی شاخص هم وزن نیز که نوعی میانگین است، به دلیل خاصیت ذاتی میانگین، تمایل به گریز از مرکز دارد و تحت تاثیر داده‌های بزرگ و یا کوچک قرار می‌گیرد.

در مقابل میانه Median قرار دارد. من در اینجا چندین بار از شاخصی با نام شاخص میانه Median Index نام بردم. این پست را ببینید.

میانه، اندازه‌ای با ثبات و کاملاً Robust است که به دلیل تعریف آن (اندازه‌ای که نصف داده‌ها از آن بزرگتر و یا کوچکتر هستند) تمایل فراوان به حفظ مرکز Central Tendency دارد.

به عنوان مثال برای امروز 11 تیرماه 1401، شاخص میانه عدد 1.67-% را نشان می‌دهد. این را مقایسه کنید با عدد درصد شاخص کل (0.8-%) و شاخص هم وزن (1.02-%). به معنای اینکه شاخص میانه امروز، وضعیت بازار را تقریباً دو برابر منفی‌تر از شاخص کل، بیان می‌کند.

خوب است بدانیم، شاخص کل و یا هم وزن و نحوه تعریف و فرمول آن‌ها در محدوده آمار کلاسیک قرار می‌گیرند و امروزه با معرفی آمار استوار Robust Statistics (علاقمند بودید در این زمینه سرچ کنید) از شاخص‌ها و آماره‌های بسیار بهتری می‌توان استفاده کرد.
#مساوی

🔆 اجازه دهید یک سوال از شما بپرسم.

فرض کنید بازار سرمایه تهران، فقط دو نماد دارد. الف و ب.
در یک روز خاص، نماد الف، مثبت ۵ است و نماد ب، منفی ۵.
شما هم در هر دو، سرمایه کاملاً یکسانی دارید، مثلاً از هر کدام ۱ میلیون تومان.

فرض کنید قیمت سهام آنها نیز دقیقاً مساوی هم است. یعنی در همان روز که یکی مثبت پنج است و دیگری منفی پنج، مثلاً قیمت سهام هر کدام ۱۰۰ تومان است.

حتی فرض کنید که در این روز، نمادهای الف و ب، حجم کاملآ یکسانی نیز معامله شده‌اند. مثلاً هر دو یک میلیون سهم.

سوال من از شما این است.
در این روز، شاخص بورس به درستی ۴.۵ درصد، مثبت را نشان می‌دهد. چگونه این عدد امکان دارد؟

به بیان ساده، وقتی همه چیز کاملاً با هم مساوی است و ما هم در بازار، فقط دو نماد الف و ب را داریم، چگونه امکان دارد، شاخص کل، (تاکید می‌کنم، به درستی و بدون خطا) مثبت ۴.۵ باشد؟

پاسخ درست به این سوال، به ما در فهمیدن این نکته که ایراد فرمول شاخص بورس تهران دقیقاً چیست و کدام قسمت فرمول غلط است، کمک می‌کند.

روزهای آینده و در متن بعدی پاسخ، سوال بالا را برایتان می‌نویسم. اگر علاقمند بودید، شما هم دست به قلم شوید.
#تسخیر

من در اینجا و از حدود فروردین‌ماه سال 1400، نوشتم و به این نکته اشاره کردم که بازار سرمایه در حال تبدیل شدن به داده‌های صرفاً تصادفی، داده‌سازی توسط ماشین‌های IT، ربات‌ها و الگوریتم‌ها است. علاقمند بودید، پست‌های زیر را ببینید.
پست 1 ، پست 2 ، پست 3 ، پست 4 ، پست 5 ، پست 6

این روزها عدد Combination Index بازار، مرتب در حال بالا رفتن است و اکنون در حوالی عدد 5 قرار گرفته است. به معنای ساده یعنی اینکه به طور متوسط از هر 6 معامله در بازار، یک معامله توسط کاربر انسانی و 5 معامله توسط کاربر غیرانسانی انجام می‌شود. یعنی فقط حدود 17 درصد معاملات توسط افراد و کاربر انسانی انجام می‌شود.

این مطلب را نوشتم که بگویم فردا روزی هر اتفاقی برای این بازار افتاد، آن را از جانب کاربران انسانی و افراد واقعی پشت سیستم ها نبینید. حدود 83 درصد بازار در تسخیر همان فرمان و دستوری است که مدتی قبل نوشته شد و گفته شد که موتورهای تولید کننده تورم در کشور خاموش شده است. شما بهتر از من می‌دانید وقتی سیستمی نمی‌تواند و نمی‌خواهد سایر موتورها را خاموش کند، هیچ چیزی ساده‌تر و راحت‌تر از خاموش کردن موتور بازار سرمایه نیست.
#فردا

مدتی قبل، تحلیل داده‌های مطالعه‌ای را انجام می‌دادم. مقایسه بین دو گروه Case و Control.
در این مطالعه گروه Control، افراد (زن و مرد) شاغلی بودند، که هر روز جهت کار و بسته به شغل خود از خانه بیرون می‌رفتند. آن‌ها هیچ وقت در بورس و بازار سرمایه تهران، فعال نبودند و کد بورسی هم به ندرت داشتند. اگر هم داشتند با آن کار نمی‌کردند و یا اصلاً خبر نداشتند.

گروه Case، افراد و فعالان بازار سرمایه بودند. البته تعداد آن‌ها در این مطالعه به نسبت تعداد گروه کنترل بیشتر بود. به همین دلیل جهت بالانس شدن تعداد افراد در هر گروه، من صرفاً افرادی را در گروه Case قرار دادم که هم اکنون در بازار و بورس فعال هستند و در این چند سال اگر وارد شده‌اند، همچنان حضور دارند و خارج نشده‌اند.

پارامترهای زیادی بین این افراد مورد مقایسه قرار گرفت. خیلی ساده می‌دانیم از آن‌جا که با گروه‌های باینری (صفر و یک یعتی Case و Control) روبه‌رو هستیم، پس نوع مطالعه ما تحلیل رگرسیون غیرخطی لجستیک Binary Logistic Regression است.

یک پارامتر در این مطالعه برایم جالب توجه بود. امید به فردا.
نسبت بخت که به آن Odds Ratio گفته می‌شود، در گروه Case یعنی افراد فعال در بازار، به صورت معنادار از گروه Control بالاتر بود. حدود 2.4 برابر (P-value = 0.021).

خیلی ساده یعنی اینکه، آن‌هایی که هنوز بر سفره بازار سرمایه نشسته‌اند، به امروز و فردای خود، امیدوارتر از دیگران هستند. جمله امروز دیگر درست می‌شود، در ذهن گروه Case، بلندتر از گروه Control بود. نتایج رگرسیون لجستیک نشان می‌داد، صبح این افراد، با امید بیشتری شروع می‌شود و همچنان این بخش از بازار زنده است.