Dora
2022-05-03 16:17老師，在幫我講講這幾個(gè)偏差好嗎，謝謝
所屬：CFA Level I > Quantitative Methods 視頻位置 相關(guān)試題
來源： 視頻位置 相關(guān)試題
1個(gè)回答
Evian, CFA助教
2022-05-03 21:39
該回答已被題主采納
ヾ(?°?°?)??你好同學(xué)，
A Survivor bias 幸存偏差：只抓取行業(yè)現(xiàn)存數(shù)據(jù)（業(yè)績(jī)好），因?yàn)闃I(yè)績(jī)不好的已經(jīng)不再進(jìn)行投資，不可查。導(dǎo)致評(píng)估偏差（偏高）
D Backfill bias 回填偏差：某個(gè)指數(shù)（代表市場(chǎng)業(yè)績(jī)）經(jīng)過一段時(shí)間，需要補(bǔ)上空缺，“回填”到這個(gè)指數(shù)一定是業(yè)績(jī)高于市場(chǎng)平均的數(shù)據(jù)。導(dǎo)致評(píng)估偏差（偏高）
B和C是22年新考綱新增的偏差：
B 自選擇偏差是指解釋變量不是隨機(jī)的，而是個(gè)體選擇的結(jié)果，而這個(gè)選擇的過程會(huì)使對(duì)主效應(yīng)的估計(jì)產(chǎn)生偏差。
C 隱性偏差的一種常見形式是確認(rèn)偏差，即模型構(gòu)建者無意中以認(rèn)可已有觀念和假設(shè)的方式處理數(shù)據(jù)
---------------------
學(xué)而時(shí)習(xí)之，不亦說乎??【點(diǎn)贊】鼓勵(lì)自己更加優(yōu)秀，您的聲音是我們前進(jìn)的源動(dòng)力，祝您生活與學(xué)習(xí)愉快!~
-
追問
啊 B 和 C 不涉及嘛那就好。。。我是在老師的講義里面看到的，但是她的解釋很模糊～！
-
追答
你說的對(duì)，講義上有，是22年新考綱新增的偏差。
B
Self-selection bias，樣本選擇偏差。它指的是基金經(jīng)理在對(duì)外報(bào)告自己業(yè)績(jī)的時(shí)候，可以自我選擇披露的對(duì)象，比如只披露自己手中經(jīng)營(yíng)的明星產(chǎn)品，業(yè)績(jī)一般的就不對(duì)外進(jìn)行公開。這種由自我選擇所產(chǎn)生的偏差，被稱為自我選擇偏差。比如對(duì)沖基金的業(yè)績(jī)披露就是如此。
C
Implicit? selection，隱性選擇偏差。例如，我們想研究的是整體股票市場(chǎng)中所有股票，此時(shí)樣本是從上證50里抽取的，由于上證50中的股票比其他股票的質(zhì)量高，在上證50里抽樣，會(huì)對(duì)整體股票市場(chǎng)中所有股票估計(jì)有所偏差（估計(jì)結(jié)果偏好） -
追問
老師 那請(qǐng)問 self-selection 和 data ming 的區(qū)別是啥嗎 ，之前老師好像有說過data ming 有cherry picking, 那這兩個(gè)不就很相似嗎？
-
追答
self-selection自我選擇偏差和cherry picking有相似之處，self-selection是基金經(jīng)理選擇拿得出手業(yè)績(jī)好的資產(chǎn)作為廣告，而cherry piakcing指的是在采摘櫻桃之類的水果過程中,采摘者選自己認(rèn)為最成熟最健康的水果。
Data mining bias指的是數(shù)據(jù)挖掘偏差，是模型過度抓取了樣本數(shù)據(jù)的特征，而不能準(zhǔn)確估計(jì)總體特征。
例如，研究哺乳動(dòng)物。
用貓的圖片作為樣本，總體是哺乳動(dòng)物，模型抓取信息過度的意思是，模型從貓的圖片中總結(jié)“耳朵在頭上方、爬行、全身有毛發(fā)，四肢差不多長(zhǎng)”來估計(jì)總體，可是我們給電腦模型一張人類的圖片，模型會(huì)說人不是哺乳動(dòng)物。
這個(gè)過程沒有人為主動(dòng)影響結(jié)果好壞，主要原因是模型的設(shè)置，或者樣本容量較小。
0
0
0
0
