"Власть секретарши" в инвестициях
Наверняка, у этого явления есть какое-то официальное научное название в экономике, но я его не знаю. Впервые я столкнулся с ним в романе Тома Клэнси "Слово Президента":
Именно поэтому я люблю различные CRM, ERP и подобные информационные системы в бизнесе. Работая аналитиком, я видел задачу настроить эти системы так, чтобы они могли подавать сигналы о том, куда стоит обратить особое внимание.
Пример из финансов:
Сравнение средней и медианной доходности инструмента может показать, что "более выгодный" вариант - банальная случайность. Вывод не 100%, но расхождение средней и медианы - это сигнал для дополнительного анализа.
Для того, чтобы все эти сигналы и индикаторы работали как надо, нужно быть уверенным в исходных данных. Вот здесь и проявляется "власть секретарши".
Только на этой неделе произошло два случая:
1️⃣ Я подписан на финансиста, который концентрируется на "лайфхаках" консервативных инструментов, позволяющих получить дополнительную доходность.
Обычно они дают краткосрочный прирост в десятые доли процентных пунктов.
В последнем примере я увидел серьезную ошибку в расчетах доходности, которая завышала результат в два раза.
Лайфхак был такой, что по цифрам легко считалась доходность в уме. И моя прикидка не совпала с результатами эксперта.
Я раньше никогда не проверял его расчеты и верил на слово. Теперь же все эти расчеты скомпрометированы - вдруг эта ошибка в расчетах присутствует везде, и "лайфхаки" не так выгодны?
2️⃣ Для дивидендного рейтинга акций я собираю данные по котировкам и выплатам дивидендов. Поделился этими данными с коллегой, и он прислал мне обратную связь: "в твоей таблице у Лензолота нет выплат дивидендов в 2023м году, а они были".
Быстрая проверка показала, что в моем источнике данных действительно ошибка.
Вопрос: сколько же еще таких ошибок в моей таблице, ведь я собирал данные по нескольким сотням компаний по всему миру?
🤷🏻♂️Вечная дилемма: перепроверять самому каждый чих (но мои ресурсы не безграничны) или же доверять внешним источникам...
Наверняка, у этого явления есть какое-то официальное научное название в экономике, но я его не знаю. Впервые я столкнулся с ним в романе Тома Клэнси "Слово Президента":
Новый Президент США читает ежедневную аналитическую сводку о событиях в стране и мире, подготовленную Администрацией Белого Дома, и размышляет о принятии решений.
Да, Президент обладает полнотой власти и может принимать решения. Но эти решения основываются на полученных им данных. А решение о том, какие данные увидит Президент, принимается Администрацией.
И вообще большие начальники вполне могли спихнуть рутинную работу по сбору информации на какого-нибудь стажера, вчера закончившего колледж.
И именно этот стажер, в конечном счете, определяет решения Президента...
Именно поэтому я люблю различные CRM, ERP и подобные информационные системы в бизнесе. Работая аналитиком, я видел задачу настроить эти системы так, чтобы они могли подавать сигналы о том, куда стоит обратить особое внимание.
Пример из финансов:
Сравнение средней и медианной доходности инструмента может показать, что "более выгодный" вариант - банальная случайность. Вывод не 100%, но расхождение средней и медианы - это сигнал для дополнительного анализа.
Для того, чтобы все эти сигналы и индикаторы работали как надо, нужно быть уверенным в исходных данных. Вот здесь и проявляется "власть секретарши".
Только на этой неделе произошло два случая:
1️⃣ Я подписан на финансиста, который концентрируется на "лайфхаках" консервативных инструментов, позволяющих получить дополнительную доходность.
Обычно они дают краткосрочный прирост в десятые доли процентных пунктов.
В последнем примере я увидел серьезную ошибку в расчетах доходности, которая завышала результат в два раза.
Лайфхак был такой, что по цифрам легко считалась доходность в уме. И моя прикидка не совпала с результатами эксперта.
Я раньше никогда не проверял его расчеты и верил на слово. Теперь же все эти расчеты скомпрометированы - вдруг эта ошибка в расчетах присутствует везде, и "лайфхаки" не так выгодны?
2️⃣ Для дивидендного рейтинга акций я собираю данные по котировкам и выплатам дивидендов. Поделился этими данными с коллегой, и он прислал мне обратную связь: "в твоей таблице у Лензолота нет выплат дивидендов в 2023м году, а они были".
Быстрая проверка показала, что в моем источнике данных действительно ошибка.
Вопрос: сколько же еще таких ошибок в моей таблице, ведь я собирал данные по нескольким сотням компаний по всему миру?
🤷🏻♂️Вечная дилемма: перепроверять самому каждый чих (но мои ресурсы не безграничны) или же доверять внешним источникам...