สารบัญ:
- การทำให้ข้อมูลเรียบขึ้นโดยใช้สมมติฐานหลายข้อ:
- ซึ่งเป็นส่วนหนึ่งของการวิเคราะห์ข้อมูลประกอบด้วยสองขั้นตอน:
ข้อมูลที่ราบเรียบ ในการวิเคราะห์เชิงคาดการณ์เป็นหลักคือพยายามหา "สัญญาณ" ใน "เสียง" โดย ทิ้งจุดข้อมูลที่ถือว่า "มีเสียงดัง" แนวคิดคือการทำให้รูปแบบข้อมูลมีความคมชัดขึ้นและเน้นแนวโน้มที่ข้อมูลชี้ไป
นัยที่อยู่เบื้องหลังการทำให้ข้อมูลเรียบขึ้นคือข้อมูลประกอบด้วยสองส่วน: ส่วนหนึ่ง (ประกอบด้วย จุดข้อมูลหลัก ) ซึ่งหมายถึงแนวโน้มโดยรวมหรือแนวโน้มที่แท้จริงและอีกส่วนหนึ่งที่ประกอบด้วยส่วนเบี่ยงเบน ( noise ) - บางจุดที่ผันผวนซึ่งเป็นผลมาจากความผันผวนของข้อมูล การทำให้ข้อมูลเรียบขึ้นเพื่อลดส่วนที่สอง
การทำให้ข้อมูลเรียบขึ้นโดยใช้สมมติฐานหลายข้อ:
ความผันผวนของข้อมูลนั้นน่าจะเป็นเสียงดัง
-
ส่วนที่มีเสียงดังของข้อมูลเป็นระยะเวลาสั้น ๆ
-
ความผันผวนของข้อมูลโดยไม่คำนึงถึงความแปรปรวนอาจไม่ส่งผลกระทบต่อแนวโน้มพื้นฐานที่แสดงโดยจุดข้อมูลหลัก
-
เสียงในข้อมูลมีแนวโน้มว่าจะเป็นแบบสุ่ม ความผันผวนไม่ควรส่งผลกระทบต่อแนวโน้มโดยรวมที่ดึงมาจากการตรวจสอบข้อมูลที่เหลือ ดังนั้นการลดหรือขจัดจุดข้อมูลที่มีเสียงดังสามารถชี้แจงแนวโน้มและรูปแบบที่แท้จริงในข้อมูลซึ่งส่งผลต่อการปรับปรุงอัตราส่วนข้อมูลต่อสัญญาณรบกวนต่อข้อมูล “
การทำให้ข้อมูลราบเรียบเกี่ยวกับจุดข้อมูลส่วนใหญ่ตำแหน่งในกราฟและรูปแบบที่เกิดขึ้นทำนายเกี่ยวกับแนวโน้มทั่วไปของราคาหุ้น (กล่าวได้อย่างไร) ไม่ว่าจะเป็นทิศทางทั่วไปขึ้นลงหรือลงไป.
การคาดการณ์ขึ้นอยู่กับแนวโน้มทั่วไปที่อนุมานได้จากข้อมูลที่ราบเรียบจะถือว่าทุกทิศทางที่ข้อมูลจะนำมาใช้จะเป็นไปในอนาคตต่อไปในทิศทางที่สอดคล้องกับแนวโน้ม ในตลาดหุ้นเช่นประสิทธิภาพที่ผ่านมาไม่มีการบ่งชี้ถึงประสิทธิภาพในอนาคต แต่อย่างแน่นอนอาจเป็นแนวทางทั่วไปในการเคลื่อนไหวในอนาคตของราคาหุ้น
การทำให้เรียบของข้อมูลไม่ต้องสับสนกับ
ให้เหมาะสมกับรูปแบบ
ซึ่งเป็นส่วนหนึ่งของการวิเคราะห์ข้อมูลประกอบด้วยสองขั้นตอน:
ค้นหาที่เหมาะสม ซึ่งแสดงถึงข้อมูล ตรวจสอบให้แน่ใจว่ารูปแบบเหมาะสมกับข้อมูลอย่างมีประสิทธิภาพ การทำให้ข้อมูลเรียบขึ้นโดยมุ่งเน้นที่การสร้างทิศทางพื้นฐานสำหรับจุดข้อมูลหลักโดย (1) ละเว้นจุดข้อมูลที่มีเสียงรบกวนและ (2) วาดเส้นโค้งที่นุ่มนวลผ่านจุดข้อมูลที่ข้ามเส้นโค้งและเน้นรูปแบบหลัก - แนวโน้ม - ข้อมูลไม่ว่าจะเกิดขึ้นช้าแค่ไหน ดังนั้นในชุดข้อมูลตัวเลขการปรับข้อมูลจะทำหน้าที่เป็นรูปแบบของการกรอง
-
การล้างข้อมูลทำได้โดยใช้วิธีใดวิธีหนึ่งดังต่อไปนี้
-
การเดินแบบสุ่ม
ขึ้นอยู่กับแนวคิดว่าผลลัพธ์ถัดไปหรือจุดข้อมูลในอนาคตเป็นค่าเบี่ยงเบนแบบสุ่มจากจุดข้อมูลล่าสุดที่ทราบหรือปัจจุบัน.
ค่าเฉลี่ยเคลื่อนที่
-
เป็นค่าเฉลี่ยในการทำงานของระยะเวลาที่ต่อเนื่องกันและเว้นระยะเท่า ๆ กัน ตัวอย่างเช่นการคำนวณค่าเฉลี่ยเคลื่อนที่ 200 วันของราคาหุ้น การทำให้เรียบที่ละเอียดยิ่งขึ้น
-
จะให้น้ำหนักข้อมูลหรือความสำคัญมากขึ้นเรื่อย ๆ จนถึงจุดข้อมูลล่าสุดกว่าจุดข้อมูลที่เก่ากว่า ง่าย:
-
ควรใช้วิธีนี้เมื่อข้อมูลชุดข้อมูลแบบเวลาไม่มีแนวโน้มและไม่มีฤดูกาล เชิงเส้น:
-
ควรใช้วิธีนี้เมื่อข้อมูลชุดข้อมูลมีเส้นแนวโน้ม ตามฤดูกาล:
-
ควรใช้วิธีนี้เมื่อข้อมูลชุดข้อมูลมีแนวโน้มไม่มี แต่เป็นฤดูกาล สิ่งที่วิธีการทำให้ราบเรียบเหล่านี้เหมือนกันทั้งหมดก็คือพวกเขาดำเนินกระบวนการเฉลี่ยหลายจุดข้อมูลหลายจุด ค่าเฉลี่ยของจุดที่อยู่ติดกันดังกล่าวเป็นวิธีที่สำคัญในการเป็นศูนย์ในแนวโน้มหรือรูปแบบพื้นฐาน
-
ข้อดีของการทำให้เรียบข้อมูลคือ ใช้งานง่าย
-
ช่วยในการระบุแนวโน้ม
ช่วยเปิดเผยรูปแบบในข้อมูล
-
กำจัดจุดข้อมูลที่คุณตัดสินใจไม่ได้เป็นที่น่าสนใจ
-
ช่วยในการคาดเดาทิศทางทั่วไปของจุดข้อมูลที่สังเกตได้ต่อไป
-
สร้างกราฟที่ราบรื่นดี
-
แต่ทุกอย่างก็มีข้อเสีย ข้อเสียของการเรียบข้อมูลคือ
-
อาจกำจัดจุดข้อมูลที่ถูกต้องซึ่งเป็นผลมาจากเหตุการณ์รุนแรง
-
อาจทำให้เกิดการคาดการณ์ที่ไม่ถูกต้องหากข้อมูลทดสอบเป็นแบบตามฤดูกาลเท่านั้นและไม่เป็นตัวแทนของความเป็นจริงที่สร้างจุดข้อมูลอย่างสมบูรณ์
อาจเปลี่ยนหรือแกว่งข้อมูลโดยเฉพาะอย่างยิ่งกับยอดเขาส่งผลให้เกิดภาพที่บิดเบี้ยวของสิ่งที่เกิดขึ้น
-
อาจมีความเสี่ยงที่จะมีการหยุดชะงักอย่างมีนัยสำคัญจากข้อมูลภายนอกภายในข้อมูล
-
อาจเป็นผลให้เกิดการเบี่ยงเบนหลักจากข้อมูลต้นฉบับ
-
ถ้าการทำให้ข้อมูลเรียบไม่เกินกว่าที่จะให้ข้อมูลเพียงแค่การฟแวร์อาจทำให้เกิดความผิดพลาดได้โดยวิธีดังต่อไปนี้
-
สามารถนำข้อผิดพลาดมาจากการบิดเบือนที่ถือว่าข้อมูลที่ราบเรียบเหมือนกับว่าเป็นต้นฉบับ ข้อมูล.
-
สามารถอธิบายความหมายโดยการเพิกเฉยและซ่อน - ความเสี่ยงที่ฝังอยู่ในข้อมูล
อาจทำให้สูญเสียรายละเอียดภายในข้อมูลของคุณซึ่งเป็นวิธีหนึ่งที่เส้นโค้งที่ราบเรียบอาจเบี่ยงเบนไปจากข้อมูลต้นฉบับ
-
การทำให้ข้อมูลมีความราบรื่นมากน้อยเพียงใดอาจส่งผลต่อข้อมูลของคุณขึ้นอยู่กับลักษณะของข้อมูลที่อยู่ในมือและเทคนิคการให้เรียบที่ใช้กับข้อมูลนั้นตัวอย่างเช่นถ้าข้อมูลเดิมมียอดมากขึ้นในนั้นการทำให้ข้อมูลเรียบขึ้นจะทำให้มีการขยับยอดของยอดเหล่านั้นในกราฟที่ราบรื่นมากที่สุดซึ่งส่วนใหญ่จะเป็นภาพบิดเบี้ยว
-
ต่อไปนี้เป็นข้อควรระวังในขณะที่คุณใช้วิธีการทำให้ข้อมูลราบรื่น:
-
ควรเปรียบเทียบกราฟที่ราบเรียบกับกราฟแท่งที่ยังไม่ถูกแตะต้องซึ่งพล็อตข้อมูลต้นฉบับ
จุดข้อมูลที่ลบออกระหว่างการทำให้เรียบข้อมูลอาจไม่เป็นเสียงรบกวน ข้อมูลที่เป็นจริงซึ่งเป็นผลมาจากเหตุการณ์ที่หายาก แต่เป็นจริง
การทำให้ข้อมูลเรียบขึ้นจะเป็นประโยชน์ในการดูแล แต่การใช้มากเกินไปอาจนำไปสู่การบิดเบือนข้อมูลของคุณได้ผิดพลาด
-
การใช้วิจารณญาณอย่างมืออาชีพและความเชี่ยวชาญด้านความรู้ทางธุรกิจของคุณคุณสามารถใช้ข้อมูลที่ราบรื่นได้อย่างมีประสิทธิภาพ การลบเสียงรบกวนออกจากข้อมูลของคุณโดยไม่ส่งผลต่อความถูกต้องและประโยชน์ของข้อมูลเดิม ๆ อย่างน้อยก็คือศิลปะในฐานะวิทยาศาสตร์
