देखो-आगे बीसा
लुक-अहेड बायस क्या है?
लुक-फॉरवर्ड पूर्वाग्रह एक अध्ययन या सिमुलेशन में जानकारी या डेटा का उपयोग करके होता है जो विश्लेषण किए जाने की अवधि के दौरान ज्ञात या उपलब्ध नहीं होगा। इससे अध्ययन या सिमुलेशन में गलत परिणाम हो सकते हैं। इससे भी महत्वपूर्ण बात यह है कि लुक-फॉरवर्ड पूर्वाग्रह अनुकार रूप से अनुकरण के परिणाम परीक्षण के वांछित परिणाम के अनुरूप हो सकता है। इससे अर्थशास्त्रियों और विश्लेषकों को अपने मॉडलों और भविष्य की घटनाओं की भविष्यवाणी करने और उन्हें कम करने के लिए मॉडल की क्षमता में बहुत अधिक विश्वास होता है । पिछले डेटा का उपयोग करके विशेष ट्रेडिंग रणनीतियों का मूल्यांकन करते समय निवेशकों को लुक-फॉरवर्ड पूर्वाग्रह की क्षमता के बारे में पता होना चाहिए।
चाबी छीन लेना
- लुक-फॉरवर्ड पूर्वाग्रह तब होता है जब उस समय उपलब्ध डेटा का उपयोग उस समय अवधि के सिमुलेशन में किया जाता है।
- एक नज़र आगे के परिणामों को संक्षिप्त करता है और तिरछे परिणामों से बने मॉडल और अन्य रूपरेखाओं में अति आत्मविश्वास की ओर जाता है।
- एक लुक-फॉरवर्ड पूर्वाग्रह के साथ एक बैकटेस्टेड सिमुलेशन एक सटीक परिणाम नहीं दिखाएगा। इसलिए, यह निर्धारित करने के लिए सावधानीपूर्वक शोध आवश्यक है कि उस समय क्या डेटा उपलब्ध था।
लुक-अहेड बायस को समझना
लुक-फ़ॉरवर्ड पूर्वाग्रह अक्सर “परिदृश्यों” में हो सकता है, जहां एक निवेशक या अन्य पेशेवर विचार करता है कि दृष्टिहीनता में एक चूक का अवसर क्या है। वह व्यक्ति जो महसूस करने में विफल रहता है, वह यह जानता है कि जिस फैसले के समय उसने निर्णय लिया था, उससे कहीं अधिक अब उसे वापस देख रहा है। इसलिए, यह उनके या अन्य लोगों के साथ न्याय करने में नासमझी हो सकती है – भूतकाल के प्रदर्शन भी पूर्वव्यापी रूप से बहुत कठोर हैं, खासकर यदि महत्वपूर्ण जानकारी गायब थी।
एक निवेशक है, तो backtesting एक के प्रदर्शन ट्रेडिंग रणनीति है, यह महत्वपूर्ण है कि वे केवल जानकारी है कि व्यापार के समय उपलब्ध हो गया होता का उपयोग एक नज़र आगे पूर्वाग्रह से बचने के लिए। उदाहरण के लिए, यदि किसी ट्रेड को उस जानकारी के आधार पर सिम्युलेटेड किया जाता है जो ट्रेड के समय उपलब्ध नहीं थी – जैसे कि एक त्रैमासिक आय संख्या जो एक महीने बाद जारी की गई थी – यह ट्रेडिंग रणनीति की सही प्रदर्शन और संभावित पूर्वाग्रह की सटीकता को कम कर देगी। वांछित परिणाम के पक्ष में परिणाम।
इनवेस्ट में लुक-अहेड बायस एंड अदर बायसेस
देखो-आगे पूर्वाग्रह कई पूर्वाग्रहों में से एक है जो सिमुलेशन चलाने के लिए जिम्मेदार होना चाहिए। अन्य सामान्य पूर्वाग्रह नमूना चयन पूर्वाग्रह, समय अवधि पूर्वाग्रह, और उत्तरजीविता पूर्वाग्रह हैं । इन सभी गैसों में सिमुलेशन के वांछित परिणाम के साथ सिमुलेशन परिणाम के करीब आने की संभावना है, क्योंकि सिमुलेशन के इनपुट मापदंडों को वांछित परिणाम के पक्ष में इस तरह से चुना जा सकता है।
जैसा कि उल्लेख किया गया है, इन पूर्वाग्रहों को सबसे स्पष्ट रूप से देखा जाता है जब निवेशक वर्ष पर वापस देखते हैं। जिन स्टॉक्स ने पूरे साल अच्छा प्रदर्शन किया है, उन्हें अब इस धारणा पर काबू पाया जा सकता है कि वे अगले साल भी यही काम करेंगे। जबकि पिछला प्रदर्शन भविष्य के प्रदर्शन को प्रभावित करता है, निवेशकों के लिए कंपनी के मूल सिद्धांतों को ध्यान से देखना महत्वपूर्ण है क्योंकि हमेशा ओवरवैल्यूएशन का खतरा होता है।
यदि आपने वर्ष के अंत में शीर्ष प्रदर्शन करने वाले शेयरों को लिया और फिर वर्ष के प्रारंभ में उनके पास मौजूद सामान्य डेटा बिंदुओं को चुनने की कोशिश की, जैसे कि अनुगामी पी / ई अनुपात सीमा, तो आप एक नज़र के शिकार होंगे। आगे पूर्वाग्रह क्योंकि आप केवल उन शेयरों को देख रहे होंगे जिन्हें आप जानते हैं कि उस समय एक समान अनुगामी पी / ई अनुपात रेंज वाले सभी शेयरों के बजाय महत्वपूर्ण वृद्धि हुई थी। शेयरों की पूरी श्रृंखला को शामिल नहीं करके, आप भविष्य की सराहना की भविष्यवाणी करने के लिए महत्वपूर्ण उपाय के रूप में पी / ई अनुपात को पीछे छोड़ते हुए अति आत्मविश्वास के साथ समाप्त हो जाएंगे। इस लुक-फॉरवर्ड पूर्वाग्रह को नमूना को उन सभी शेयरों में चौड़ा करके ठीक किया जा सकता है जो वर्ष की शुरुआत में आपके विशेष मानदंडों को फिट करते हैं और साथ ही उनके परिणामों पर नज़र रखते हैं।