ट्रेडिंग रणनीति डाटा खनन

गणितीय व्यापार रणनीतियों एन्कोड करने के लिए कैसे (। उदाहरण के लिए अनुक्रमणिका, मुद्रा, वस्तुओं, ब्याज दर) में आप अलग अलग अर्थमितीय डेटा का एक गुच्छा है, तो आप डेटा में कोई संबंध नहीं है देखने के लिए एक फार्मूला खोजने की कोशिश कर सकते हैं - जैसे इस खोज पैटर्न से यह भविष्यवाणी करने के लिए। आप एक सूत्र एफ (के लिए खोज कर सकते हैं इस अर्थ में कि एक और तरीका है) ऐसे दिए गए फ़ॉर्म कुछ संकेतक जब लंबे या छोटे जाने के लिए पाए जाते हैं, जहां एक व्यापार रणनीति का प्रतिनिधित्व करता है कि वहाँ है (या: क्या मैं यहाँ पूछ रहा हूँ थोड़ा अलग है किसी भी व्युत्पन्न संयोजन)? विचार सूत्र में ही संकेतक / व्यापार-रणनीतियों के एन आयामी अंतरिक्ष में रहती है और सबसे अच्छा के रूप में यह कर सकते हैं जब तक जीवित करने की कोशिश करता है। इस कृत्रिम शेयर बाजारों का अनुकरण बहु एजेंट प्रणाली के लिए एक मानक प्रक्रिया होनी चाहिए। काश, मैं सिर्फ इतना है कि ऐसा करने के लिए एक सरल तरीका खोजने में असमर्थ हूँ। डेटा माइनिंग पिछले कुछ दशकों में कंप्यूटर प्रौद्योगिकी के तेजी से विकास के लिए उपयोग और वित्तीय आंकड़ों की भारी मात्रा का विश्लेषण करने की क्षमता के साथ निवेश पेशेवरों (और शौकीनों) प्रदान की गई है। इसके अतिरिक्त, वर्ल्ड वाइड वेब, ईमेल, और बुलेटिन बोर्ड यह संभव विश्व भर में लोगों को जल्दी से इस जानकारी का उपयोग करने के लिए करते हैं, साथ ही व्यक्तियों को अपनी राय आवाज और बातचीत करने के लिए एक साधन उपलब्ध कराने के। नतीजतन, हाल के वर्षों में बहस का अधिक पेचीदा विषयों में से कुछ अभ्यास और के परिणामों के आसपास घूमती है "डाटा खनन।" डाटा खनन संयोग से या बिना सोचे समझे की स्थिति में होने के लिए प्रत्याशित किया जाएगा कि परिणामों से अलग है कि सह-संबंध और पैटर्न के लिए डेटाबेस के माध्यम से खोज शामिल है। में और खुद के डेटा खनन का अभ्यास न अच्छा न बुरा है और डाटा खनन के उपयोग से कई उद्योगों में आम हो गया है। उदाहरण के लिए, जीवन प्रत्याशा शोधकर्ताओं मृत्यु दर के साथ कारणों और सह-संबंध का विश्लेषण करने के लिए डाटा खनन उपयोग हो सकता है में सुधार करने की कोशिश में। डाटा माइनिंग भी उपभोक्ताओं को लक्षित करने के लिए विज्ञापनदाताओं और विपणन कंपनियों द्वारा इस्तेमाल किया जाता है। लेकिन डेटा खनिक की संभवतः सबसे कुख्यात समूह भविष्य शेयर की कीमत आंदोलन की भविष्यवाणी करने के लिए चाहते हैं कि शेयर बाजार शोधकर्ताओं रहे हैं। सभी शेयर बाजार विसंगतियों खोज की गई है यदि नहीं, तो सबसे अतीत की कीमतों और संबंधित (या कभी कभी असंबंधित) चर के डेटा खनन के माध्यम से (या कम से कम दस्तावेज)। बाजार पिटाई रणनीतियों डेटा खनन के माध्यम से खोज कर रहे हैं, एक के पीछे से परीक्षण किया रणनीति से छलांग बनाने में संभावित समस्याओं का एक नंबर सफलतापूर्वक भविष्य वास्तविक दुनिया की स्थिति में निवेश करने के लिए कर रहे हैं। पहली समस्या रिश्तों यादृच्छिक पर या विसंगति परीक्षण किया गया था कि विशिष्ट नमूने के लिए अद्वितीय हो सकता है कि क्या हुआ है कि संभावना को निर्धारित किया जाता है। सांख्यिकीविदों आप लंबे समय के लिए पर्याप्त डेटा अत्याचार करते हैं, तो यह कुछ भी करने के लिए मान लूंगा कि ओर इशारा करने के शौकीन हैं। एक कुख्यात उदाहरण बनता जा रहा है क्या डेविड LEINWEBER (6/16/97) "वह जो खानों डेटा मूर्ख सोने हड़ताल कर सकते हैं" पीटर विनीत शीर्षक से एक बिजनेस वीक लेख में LEINWEBER के निष्कर्षों वर्णित एस एंड पी 500 के लिए यादृच्छिक सहसंबंध के लिए खोज गया। लेख पर चर्चा की डाटा खनन, माइकल Drosnin की पुस्तक बाइबल कोड। पैटर्न आप कई कारकों पर विचार करना है, खासकर यदि शुद्ध संयोग से डेटा में हो जाएगा कि और तथ्य। डेटा खनन के कई मामलों सांख्यिकीय सत्यापन या खंडन करने के लिए प्रतिरक्षा हैं। डेटा खनन के नुकसान का वर्णन करने में, LEINWEBER "संयुक्त राष्ट्र की एक सीडी-रोम के माध्यम से sifted और ऐतिहासिक दृष्टि से, स्टैंडर्ड पुअर्स 500 शेयर सूचकांक की सर्वश्रेष्ठ एकल भविष्यवक्ता बांग्लादेश में मक्खन उत्पादन था कि पता चला।" सबक विनीत एक है के अनुसार जानने के लिए "जरूरी किसी भी भविष्य कहनेवाला मूल्य नहीं होगा अतीत के डेटा फिट करने के लिए होता है कि फार्मूला है।" वापस परीक्षण हमेशा जानकारी का एक संदिग्ध वर्ग की गई है। आप पीछे की ओर देखो, तुम ही अच्छा है दिखाने के लिए क्या करने जा रहे हैं। डेटा खनन के माध्यम से खोज की विसंगतियाँ समय बढ़ जाती है की अवधि के रूप में और अधिक महत्वपूर्ण माना जाता है और कर रहे हैं विसंगति अलग अलग समय अवधि और (विदेशी बाजारों में उदाहरण के लिए) के लिए तुलनीय बाजारों पर नमूना परीक्षण के बाहर में पुष्टि की जा सकती है। एक विसंगति वापस परीक्षण में पता चला है, तो इसकी भी महत्वपूर्ण निर्धारित करने के लिए कैसे लागत (लेन-देन की लागत, बोली-पूछते हैं, फैल संस्थागत व्यापारियों के लिए प्रभाव लागत) रिटर्न को कम करेगा। कुछ विसंगतियों बस वसूली योग्य नहीं हैं। इस विषय पर अधिक के लिए मूल्य लाइन विसंगति और कार्यान्वयन की कमी देखें। इसके अतिरिक्त, अतीत में काम किया है रणनीति है कि बस अधिक निवेशकों की रणनीति के अनुसार निवेश शुरू के रूप में काम करना बंद कर सकता है। इस विषय पर अधिक के लिए कुशल बाजार परिकल्पना देखें। पंचमेल बेवकूफ व्यक्तिगत निवेशकों के लिए शैक्षिक सलाह की पेशकश के लिए कई द्वारा प्रशंसा की गई है (उदाहरण के लिए, पंचमेल बेवकूफ शेयर दलालों और ब्याज के विश्लेषकों संघर्षों से सावधान रहना होगा, और सावधान रहना होगा, शेयर खरीदने और पकड़ करने के लिए निवेशकों को सलाह देने में ध्वनि सिफारिशों प्रदान करता है अवास्तविक प्रदर्शन दावों के)। लेकिन पंचमेल बेवकूफ के "मूर्ख चार" शेयर रणनीति और उसके अंतर्निहित तर्क आलोचना तैयार की है। 1997 में, BYU प्रोफेसर ग्रांट McQueen और स्टीवन Thorley डॉव रणनीति (सार) के बेहद लोकप्रिय कुत्तों पर सवाल उठाया है कि वित्तीय विश्लेषकों जर्नल (FAJ) में एक कागज coathored। डॉव कुत्तों का विश्लेषण करने के लिए पहले से ही डेटा इकट्ठा होने, प्रोफेसर पंचमेल बेवकूफ के मूर्ख चार में से डाटा खनन में एक मामले का अध्ययन कर रही द्वारा पीछा किया। निवेश गाइड (MFIG) बेवकूफ पंचमेल में वर्णित के रूप में McQueen और Thorley मूर्ख चार विश्लेषण किया, लेकिन मूर्खों वास्तव में (यह भी मूर्ख चार समझाया और मूर्ख चार इतिहास देखें) मूर्ख चार के कई रूपों है। यही कारण है कि अनुसंधान शीर्षक से वित्तीय विश्लेषकों जर्नल के मार्च / अप्रैल 1999 के अंक में प्रकाशित एक लेख में हुई "खनन बेवकूफ है गोल्ड।" मूर्ख मनोरंजक और रचनात्मक लेखन शैली की भावना में, प्रोफेसरों BYU सर्वर पर एक "फुल्का" (वर्ड पर्फेक्ट में) कागज के संस्करण को तैनात किया है। अध्ययन में इस्तेमाल डेटा डाउनलोड किया जा सकता। McQueen और Thorley डेटा खनन के संभावित नुकसान का एक पूर्ण विवरण शामिल हैं और वे मूर्ख चार पर नमूना परीक्षण के बाहर का आयोजन किया। डाटा खनन व्यापार शासन की जटिलता से पता लगाया जा सकता है कि प्रोफेसर कारण, एक सुसंगत कहानी या सिद्धांत की कमी है, आउट-ऑफ-नमूना परीक्षण के प्रदर्शन, और जोखिम के लिए रिटर्न, लेनदेन की लागत, और करों का समायोजन। इसके अतिरिक्त, वे मूर्ख चार और डॉव दस व्यापार नियमों वर्ष के मोड़ पर शेयर की कीमतों को प्रभावित करने के लिए काफी लोकप्रिय हो गए हैं कि लोगों का तर्क है। पंचमेल बेवकूफ 1999 अभिलेखागार में पहुंच रहे हैं, जो उनके मूर्ख चार पोर्टफोलियो रिपोर्ट में FAJ पेपर के लिए एक उत्साही प्रतिक्रिया पोस्ट किया गया है। 5/10 दिनांकित रिपोर्ट देखें। 5/11। 5/12। 5/13। 5/14। 5/17। 5/18। 5/19। 5/20। और 5/21। कई काउंटर FAJ पेपर के लिए तर्क और साथ ही पत्र में चर्चा वैध मुद्दों की स्वीकृतियां इन प्रतिक्रियाओं में शामिल हैं। मुद्दों के कई बहस का मुद्दा रहे हैं, FAJ कागज की असली अग्नि परीक्षा और महत्वपूर्ण निष्कर्ष मूर्ख चार बमुश्किल के औसत से डॉव 30 हरा उस अवधि के लिए 1972 के लिए 1949 से मूर्ख चार रिटर्न के लिए नमूने के परीक्षण की एक बाहर था काफी अधिक जोखिम के साथ प्रति वर्ष 0.32%। अवधि के लिए डॉव कुत्तों का प्रदर्शन बेहतर रणनीति किया था, लेकिन लेन-देन के बाद यह स्पष्ट रूप से अवधि के लिए DJIA lagged गया होता जोखिम के लिए लेखांकन लागत और इतना ही नहीं। इस महत्वपूर्ण मुद्दे 5/14 दिनांकित रिपोर्ट में संक्षेप में चर्चा की गई। परिप्रेक्ष्य में इस मुद्दे पर डाल करने के लिए, पिछले 24 वर्षों में वापस DJIA प्रदर्शन पर देख रहे हैं 1973 के शुरू में एक निवेशक मानते हैं। यह एक निवेशक मूर्ख चार आगे जा रहा है बाजार की धड़कन रिटर्न का उत्पादन होता है कि उस समय ज्ञात हो सकता है कि कैसे युक्तिसंगत बनाने के लिए मुश्किल है। नमूने के परीक्षण से बाहर दूसरे में, McQueen और Thorley MFIG में चर्चा का आधार 1973 -1996 अवधि का इस्तेमाल किया, लेकिन जनवरी के बजाय पुनर्संतुलन के लिए जुलाई का इस्तेमाल किया। उन परिस्थितियों में मूर्ख चार रिटर्न जनवरी पुनर्संतुलन के साथ DJIA से अधिक 12.23% लाभ की तुलना में काफी कम औसत पर प्रति वर्ष केवल 2.95%, द्वारा DJIA हराया। मूर्खों की रक्षा में, कई खुलासे में कम से कम MFIG में और वेब साइट पर किए गए थे। मूर्ख चार रिपोर्ट में 8/7/98 दिनांकित। वे रिटर्न पुनर्संतुलन जनवरी की तुलना में अन्य महीनों में हुई जब कम थे कि खुलासा। इसके अतिरिक्त, MFIG में एक बीस साल की अवधि से एक 25.5% वापसी आंकड़ा कई बार इस्तेमाल किया जाता है, लेकिन वे कम से कम वे वापस 1961 के लिए और लंबे समय अवधि के लिए नंबरों पर शोध किया कि उल्लेख करते हैं, रिटर्न 18.35% से गिरा दिया। दूसरी ओर, यह एक बार समय की एक लंबी अवधि निश्चित रूप से संदिग्ध के रूप में देखा जा सकता है कि डेटा पर मजबूत छोटी अवधि की संख्या और आधारित तर्क अदालत में तलब करने के लिए जारी रखने का अध्ययन किया गया था कि खुलासा किया है। का खुलासा और लंबी अवधि के परिणामों पर ध्यान केंद्रित एक डेटा खान में काम करनेवाला तर्क की विश्वसनीयता बढ़ जाता है। जेसन Zweig मूर्ख चार के बारे में उनकी राय आवाज उठाई और शेयरों का खनन अपने डेटा पैसा पत्रिका से झूठी मुनाफे में "अतिरिक्त बेवकूफ" विभागों (अगस्त, 1999), "बहुत ही बेवकूफ" और। मॉर्निंगस्टार वेब साइट पर आप भी खनन शीर्षक से एक लेख में जॉन Rekenthaler के बस foolin में राय 'के आसपास के रूप में अच्छी तरह से निवेश सलाहकार विलियम बर्नस्टीन की राय पढ़ सकते हैं: सभी खनन (भी जेम्स O'Shaughnessy की प्रतिक्रिया और आगामी बहस देखें) । दिसंबर 2000 में, पंचमेल बेवकूफ है कि वे अब वे बनाया था जो "मूर्ख चार" शेयर रणनीति, वकालत की घोषणा की। वे अपने वेब साइट और पुस्तकों के माध्यम से साल के लिए टाल दिया था एक रणनीति की सिफारिश मूर्ख नहीं रह पीछे तर्क के लिए मूर्ख चार फिर से सोच देखें। एक और डाटा खनन बहस, विलियम बिज्जू पर चल रहा है। जोसेफ Lakonishok। और ब्लेक LeBaron (BLL) वित्त जर्नल के दिसंबर 1992 के संस्करण में शीर्षक से एक लेख "सरल तकनीकी व्यापार नियमों और शेयर लाभ के स्टोकेस्टिक गुण," प्रकाशित किया। अध्ययन तकनीकी विश्लेषण (लेख की एक पूरी चर्चा के लिए तकनीकी विसंगतियाँ देखें) पर आधारित एक सफल व्यापार रणनीति दस्तावेज़ के लिए कुछ शैक्षिक पेपर में से एक है। प्रोफेसर दोनों चल औसत और समर्थन और प्रतिरोध उपकरण 1897-1986 की अवधि के लिए डाओ जोन्स इंडस्ट्रियल एवरेज करने के लिए भविष्य कहनेवाला मूल्य रिश्तेदार था कि प्रदर्शन किया। डाटा स्नूपिंग, तकनीकी ट्रेडिंग नियम प्रदर्शन, और बूटस्ट्रैप BLL कागज फिर से देखता है और वित्त की पत्रिका के अक्टूबर 1999 के संस्करण में दिखाई देगा कि एक लेख है। लेख में, रयान सुलिवन, एलन Timmermann, और Halbert व्हाइट (STW) प्रयास BLL परिणामों पर डाटा Snooping के प्रभाव का निर्धारण करने के लिए। उन्होंने यह भी नमूने के परीक्षण की एक बाहर प्रदान करने के लिए (BLL डेटा 1986 के माध्यम से भाग) मूल अध्ययन के बाद की अवधि से एकत्र किए गए आंकड़ों का उपयोग करें। डेटा की एक पूर्ण 100 साल प्रदान की हाल के वर्षों जोड़ना। STW एक ब्रेक पूर्ण अवधि के लिए सबसे अच्छा प्रदर्शन व्यापार शासन के लिए व्यापार के प्रति 0.27% प्रतिशत का भी लेन-देन लागत के स्तर की गणना की। मूल BLL डेटा लगभग 90 साल की एक अत्यंत लंबी अवधि के कवर के बाद से, एक रणनीतियों नमूना परीक्षण के बाहर में अच्छा प्रदर्शन करने की उम्मीद कर सकते हैं। लेकिन अध्ययन के निष्कर्ष कुशल बाजार परिकल्पना का एक और संभावित उदाहरण के रूप में इस्तेमाल किया जा रहा खत्म हो सकता है। STW पाया "BLL के परिणामों के लिए मजबूत होना दिखाई देते हैं कि डेटा-स्नूपिंग। हालांकि, हम भी अवधि 1987-1996 को कवर करने के लिए सबसे अच्छा व्यापार शासन के बेहतर प्रदर्शन के बाहर के नमूना प्रयोग में नहीं दोहराया है कि खोजने के लिए" और "तकनीकी व्यापार नियमों अवधि 1987-1996 के दौरान किसी भी आर्थिक मूल्य के थे कि अल्प सबूत नहीं है।" यह शेयर बाजार के आंकड़ों खनिक और सक्रिय निवेशकों के लिए एक और चेतावनी दे सकते हैं। यहां तक ​​कि अगर एक विसंगति समय की बहुत लंबी अवधि में अतीत में काम किया है, और परिणाम जासूसी डेटा के नुकसान से ग्रस्त नहीं दिखाई देते हैं, भले ही विसंगति की खोज की है एक बार इसे आगे जा रहा है काम करने के लिए संघर्ष कर सकते हैं। उचित लोगों को यह नैतिकता या विश्वास का एक मुद्दा बनने के बिना राय का एक उचित अंतर हो सकता है। डाओ जोन्स एसेट मैनेजमेंट से चिन्ताजनक क्षमता (आरआर) (5-6 / 99) डाटा खनन और की समस्या की चर्चा है कि एक दिलचस्प लेख है "overfitting।" निवेश उद्योग के दिग्गजों डेविड शॉ से टिप्पणी भी शामिल हैं। टेड Aronson। और रॉबर्ट Arnott। लेख ऐतिहासिक डेटा की एक निश्चित राशि और जटिल मॉडल की एक अनंत संख्या को देखते हुए बेख़बर निवेशकों "overfitting" डाटा में लालच हो सकता है कि तर्क है। व्यवस्थित हो ग्रहण कर रहे पैटर्न है कि वास्तव में नमूना-विशेष है और इसलिए कोई मूल्य नहीं हो सकता है। लोग हमें करने के लिए कथित तौर पर बहुत बड़ी अतिरिक्त रिटर्न करना है कि व्यापार रणनीतियों के साथ हर समय आ रहे हैं। लेकिन लोगों को डेटा का एक विशाल राशि के माध्यम से मानक गणितीय उपकरण ले रही है और sifting से पता चलता है कि चीजों के विशाल बहुमत सांख्यिकीय कलाकृतियों हैं। Aronson बाजार "लगभग पूरी तरह से कुशल" है और उस का तर्क है कि "क्या आप अधिक 51 के बारे में अधिक से% या समय के 52% से दूसरे आदमी outguess हूँ लगता है तो आप खुद को बेवकूफ बना रहे हैं।" Aronson बाजार अक्षमताओं के लिए खोज निवेशकों के लेन-देन की लागत के बराबर करने के लिए उन विसंगतियों से लाभ के लिए संभावित कम कर दिया है कि विश्वास रखता है। यदि यह मामला है, लेनदेन की लागत को कम करने बाजार को हरा करने के प्रयास में महत्वपूर्ण है। तो नमूना परीक्षण के बाहर में पुष्टि की गई है कि किसी भी विसंगतियों से देखते हैं? एक और आगामी जर्नल वित्त लेख में, जेम्स एल डेविस, यूजीन एफ Fama। और केनेथ आर फ्रेंच जवाब एक निश्चित हाँ है कि बहस। कम कीमत के साथ कंपनियों मात मूल्य अनुपात बुक करने के लिए और पैटर्न दोनों अमेरिका और विदेशी बाजारों में दर्ज किया गया है। लक्षण, सहप्रसरण, और औसत रिटर्न में: लेखकों पहले की अवधि के लिए 1929 से 1963 तक मूल्य के शेयरों बुक करने के लिए कम कीमत के रिटर्न का दस्तावेजीकरण में आगे एक बड़ा कदम जाना 1929-1997, मूल्य प्रीमियम (0.50% प्रति भी बड़ा था अधिक हाल ही में जुलाई 1963 की तुलना में जून के महीने) 1997 की अवधि (प्रति माह 0.43%)। अंत में, हम कभी वास्तव में भविष्य में मात जाएगा क्या रणनीति सुनिश्चित करने के लिए पता है? कि सवाल पर राय निश्चित रूप से भिन्न है, लेकिन मानक अस्वीकरण हमेशा के रूप में लागू होता है। पिछले प्रदर्शन से भविष्य के प्रदर्शन की कोई गारंटी नहीं है। अतिरिक्त गणितीय विचार विमर्श चेरी उठा में शामिल किए गए हैं। शेयर बाजार घोटाले। और पृष्ठों सिक्का Flipping। इन्वेस्टर होम के लिए सुझाव और टिप्पणी भेजें अंतिम अद्यतन 2001/02/12। कॉपीराइट 2001 इन्वेस्टर होम ©। सर्वाधिकार सुरक्षित। त्याग मैं सांख्यिकीय और वित्तीय परामर्श के क्षेत्र में एक पेशेवर सेवाओं की पेशकश कर रहा हूँ। मैं सांख्यिकी में पीएचडी की डिग्री और स्टैनफोर्ड विश्वविद्यालय से फाइनेंस में पीएचडी माइनर पकड़। मैं इतने पर डेटा माइनिंग, कारक विश्लेषण, क्लस्टर विश्लेषण, समय श्रृंखला विश्लेषण, स्टोकेस्टिक में अस्थिरता मॉडलिंग / परिसंपत्ति मूल्य निर्धारण, सांख्यिकीय आर्बिट्रेज / मालिकाना व्यापार रणनीतियों का विकास, और से संबंधित परियोजनाओं पर ध्यान केंद्रित कर, चार साल के लिए इस उद्योग में काम किया है। समान रूप से महत्वपूर्ण बात है, मैं वित्तीय और सांख्यिकीय परामर्श अनुभव के छह साल है। मैं विपणन, चिकित्सा, जीव विज्ञान, मनोविज्ञान, समाजशास्त्र, राजनीति विज्ञान, शिक्षा, कंप्यूटर विज्ञान और वित्त के क्षेत्र में कंपनियों, व्यापार पेशेवरों, शोधकर्ताओं और छात्रों से सलाह ली है। स्थान के अनुसार, अपने ग्राहकों को न्यूयॉर्क, बोस्टन, फिलाडेल्फिया, वाशिंगटन, लॉस एंजिल्स, सैन फ्रांसिस्को, सैन जोस, स्टैनफोर्ड, सिएटल, शिकागो, टोरंटो, टोरंटो, लंदन, एडिनबर्ग, बर्गन, फ्रैंकफर्ट, कुवैत सिटी, हांगकांग में आधारित कर दिया गया है इतने पर हांगकांग, एडिलेड, मेलबर्न, सिडनी और। आमतौर पर, मैं मैनहट्टन में मिलने या ग्राहकों को अब तक न्यूयॉर्क से कर रहे हैं, तो स्काइप, ई-मेल और फोन के माध्यम से परामर्श करें। इसके अलावा, मैं या एक बैठक की आवश्यकता नहीं हो सकता है, जो अपने ग्राहकों के लिए परियोजनाओं को पूरा करते हैं। सेवाओं के उदाहरण: प्रमुख सांख्यिकीय संकुल (आर, मैटलैब, एसएएस, एसपीएसएस, Stata) में से किसी में डेटा विश्लेषण, सत्र परामर्श प्रयोगों, मूल्य निर्धारण और व्यापार प्रणाली, शोध प्रबंध सहायता के विकास के डिजाइन सामान्य ज्ञान में सुधार करने के लिए। सेवा के प्रकार का विस्तृत वर्णन पढ़ें। अनुभव। मामले के अध्ययन और भुगतान विकल्प। तात्कालिकता शामिल है, जब तक कि दर मानक परियोजनाओं के लिए प्रति घंटे $ 60 (प्रतिगमन, एनोवा, सर्वेक्षण डिजाइन, गैर पैरामीट्रिक परीक्षण) और अधिक के लिए & quot; उच्च तकनीक & quot; सामग्री (डेटा खनन, क्लस्टर विश्लेषण, पैनल डेटा, बहुभिन्नरूपी समय श्रृंखला, छुपा मार्कोव मॉडल, मार्कोव श्रृंखला मोंटे कार्लो, बायेसियन मॉडलिंग, GWAS, एसएएस कार्यक्षमता, सांख्यिकीय आर्बिट्रेज / व्यापार रणनीतियों, विदेशी परिसंपत्ति मूल्य निर्धारण, बाजार जोखिम प्रबंधन)। कृपया अधिक विस्तृत मूल्य निर्धारण की जानकारी या किसी भी अन्य स्पष्टीकरण के लिए मुझे ई-मेल करें। consultingstanfordphd