Kịch bản 1: Vâng, đồng đô la Mỹ đang giảm và vàng dự kiến sẽ tăng. Một cái nhìn vào vàng, chắc chắn đủ.
Kịch bản 2: Đồng đô la Mỹ lại giảm và hiện tại vàng đang ở trên bầu trời. Xem này, tại sao vàng không tăng? Không tăng cũng không sao mà vẫn giảm với đồng USD? ?
Tôi nghĩ rằng loại tình huống này nên được gặp phải thường xuyên. Đó là những gì tôi muốn nói về sự liên quan.
Điều bạn cần biết là mối tương quan không có nghĩa là quan hệ nhân quả. Có thể không có mối liên hệ logic tất yếu giữa hai dữ liệu tương quan. Dữ liệu hoàn toàn tương quan và giá sản phẩm thường từ cùng một nguồn.
Nói cách khác, nếu biến động giá của hai giống rất giống nhau, thì không nhất thiết là A đã ảnh hưởng đến B hoặc B đã ảnh hưởng đến A. Họ có thể có một cha mẹ chung là C, và chính C có ảnh hưởng chung đến A và B.
Do đó, kết luận rằng A là tác động của B hoặc B là nguyên nhân của A không thể có được thông qua mối tương quan giữa A và B trong dữ liệu.
Các biến của các loại khác nhau là khác nhau, và các sự kiện được phản ánh bởi các dữ liệu khác nhau là khác nhau, cũng có thể có một mối quan hệ logic rất chặt chẽ giữa các dữ liệu mà không có mối tương quan. Tại sao? Mỗi số liệu kinh tế, hay số liệu của từng loại giá đều có những nguyên lý và biến số riêng. Các biến và nguyên tắc của mỗi dữ liệu là khác nhau và các sự kiện được phản ánh cũng khác nhau.
Điều đó có nghĩa là, cần phải hiểu các nguyên tắc cơ bản của dữ liệu, một đường cong hoặc một biến thể, sau đó tiếp tục thu thập các biến của nó ở cấp độ vi mô và hiểu những sự kiện mà nó đại diện bằng cách nghiên cứu các biến của nó, nghĩa là để hiểu tại sao dữ liệu tăng Lên, xuống, xuống.
Khi bạn có thể hiểu một phần dữ liệu từ góc độ nguyên tắc, biến số và sự kiện, về cơ bản bạn có thể hiểu nó. Vì vậy, việc tìm hiểu dữ liệu hay giống không thể chỉ dừng lại ở mối tương quan, rất dễ mắc một số sai lầm trong nghiên cứu và suy luận, suy luận sau này.
Ví dụ: giá của tài sản A và tài sản B tương tự nhau trong nhiều năm và nhiều chu kỳ trong quá khứ, nhưng đột nhiên giá của tài sản B không đổi. với một?
Để tôi nói cho bạn rõ, không. Bởi vì khi chúng ta không thể hiểu được nguyên lý và biến số của A và tại sao nó tăng, còn nguyên lý và biến số của B và tại sao nó đi ngang thì chúng ta không thể đưa ra kết luận như vậy.
Do đó, cần phải hiểu các nguyên tắc, biến số và sự kiện của nhiều loại hoặc dữ liệu, để so sánh mối quan hệ giữa các dữ liệu khác nhau và lý giải xem liệu sẽ có mối quan hệ hồi quy hay bắt kịp hay không.
Mục đích cơ bản của việc nghiên cứu những điều này là để hiểu các sự kiện được phản ánh bởi dữ liệu, hiểu đường đi của vốn, hiểu phản hồi liên tục về hành vi của những người tham gia nền kinh tế thực và những người tham gia thị trường tài chính, đồng thời tìm ra mối liên hệ logic đằng sau dữ liệu. Hiểu các nguyên tắc, biến và sự kiện của dữ liệu và giống thông qua dữ liệu, sau đó tìm ra mối liên hệ logic của chúng.
Điều đó có nghĩa là, nếu có những điều tương tự hoặc các phần giống nhau giữa các nguyên tắc và biến số của chúng, thì đây là lý do cho mối tương quan, thay vì xem dữ liệu giống nhau trên bề mặt, chúng được coi là tương quan hoàn toàn tích cực hoặc tiêu cực , và không thể Ở trên cấp độ này.
Chỉ cần liệt kê một số loại dữ liệu hoặc mối quan hệ giữa các loại, nguyên tắc hoặc biến số.
Đầu tiên là mối quan hệ đường dẫn , khi nghiên cứu mối quan hệ này, trục thời gian của nó sẽ được dịch chuyển sang trái hoặc phải trong một khoảng thời gian nhất định, để chúng ta có thể thấy rõ dữ liệu được truyền như thế nào, vì quá trình truyền bị trễ thời gian. Ví dụ: A xuất hiện tại thời điểm 1, sau đó B được tạo ra tại thời điểm 2 và B là kết quả của A. Đây là mối quan hệ dẫn truyền đường dẫn.
Thứ hai là quan hệ nhân quả logic phổ biến hơn.
Thứ ba là mối quan hệ tới hạn có điều kiện , nghĩa là A và B là điều kiện cần thiết cho C, và sự xuất hiện đồng thời của A và B sẽ kích hoạt C, đây là mối quan hệ tới hạn có điều kiện.
Thứ tư là mối quan hệ phản hồi lẫn nhau.Giả sử rằng dữ liệu việc làm ở Hoa Kỳ giảm, chính phủ thường sẽ tăng trợ cấp tài chính, điều này sẽ làm tăng thâm hụt tài khóa một cách tương ứng.Mối quan hệ giữa dữ liệu việc làm, hành vi của chính phủ và thâm hụt tài khóa là tương hỗ quan hệ phản hồi.
Nhìn vào hình bên dưới, mục đích nghiên cứu của chúng tôi là khai thác các kết nối logic đằng sau dữ liệu. Không thể thấy hai đường cong hay hai số liệu kinh tế rất giống nhau ở phía trước nhưng khác ở phía sau, nên nói rằng cái này sẽ đi xuống, cái kia sẽ đi lên, và không thể kết luận theo cách này.
Vẫn cần phải hiểu riêng các nguyên tắc và biến số của từng đường cong, dữ liệu kinh tế hoặc giá sản phẩm, và chỉ khi đó chúng ta mới có thể hiểu ý nghĩa kinh tế mà nó đại diện, suy luận chúng một cách riêng biệt và cuối cùng rút ra kết luận liệu nó có nên quay trở lại hay không.
Trong nhiều trường hợp, nó có thể không nhất thiết phải quay trở lại, nó có thể tiếp tục tăng hoặc có thể đi ngang hoặc giảm.
Mục đích của nghiên cứu là tìm ra mối liên hệ logic đằng sau dữ liệu, bao gồm hiểu các sự kiện được dữ liệu phản ánh, hiểu đường đi của vốn, hiểu hành vi của những người tham gia trong nền kinh tế thực và hiểu hành vi của những người tham gia trong nền kinh tế thực. thị trường tài chính.
Chỉ bằng cách này, chúng ta mới có thể tìm thấy hoặc khám phá mối liên hệ logic trong nền kinh tế hoặc thị trường tài chính được phản ánh bởi các dữ liệu khác nhau, bao gồm mối quan hệ dẫn đường đã nói ở trên, mối quan hệ nhân quả logic, mối quan hệ quan trọng có điều kiện và mối quan hệ phản hồi lẫn nhau.
Khi nhiều dữ liệu kinh tế, giá tài sản và hành vi của các lĩnh vực khác nhau liên tục được hiểu rõ hơn ở cấp độ vi mô, thì sự chắc chắn trong lý luận tương lai của chúng ta về giá cả sẽ tăng lên.
Thêm
