Marktforscher wenden in unserer Arbeit oft quantitative Ansätze an. Es ist wichtig, die Stärken und Grenzen eines jeden Forschungsansatzes zu verstehen. Dies gilt insbesondere im Hinblick auf quantitative Forschungstechniken aus zwei Gründen: (1) Wissenschaftliche und Laienkulturen sind von quantitativen Forschungstechniken sehr angetan und tendieren dazu, das Design und die Mechanismen solcher Verfahren nicht gründlich zu untersuchen, und (2) es ist unangemessen leicht, eine quantitative Forschungsbemühung schlecht zu gestalten.
Ein falscher Fokus auf Zahlen
Es ist "cool" zu sagen, dass Sie eine quantitative Forschung sind. "Quants", der liebevolle Ausdruck, mit dem quantitative Analytiker bekannt sind, wurden auf die großen Zahlen im Himmelspodest gesetzt . Ich glaube, das liegt eher daran, dass komplexe Mathematik und Statistik einfach deshalb verehrt werden, weil die meisten von uns nicht viel von dem Gebiet verstehen. Wenn etwas einen sozialen Nutzen zu haben scheint und zugleich schwierig und geheimnisvoll ist, neigt es dazu, einen kulturellen "Glanz" anzunehmen. Der Markt beschäftigt sich mit Computermodellierung und -simulation. Die Blackbox mit Derivaten wurde so sehr geschätzt, dass sie nur langsam reagierte, wenn die Modelle die unvermeidliche Volatilität nicht vorhersagen konnten.
Auf der anderen Seite sagen Sie laut, dass Sie eine qualitative sind Forscher und Leute werden Ihnen wahrscheinlich einen verwirrten Blick geben. Die meisten Leute wissen, dass die Quants irgendwie mit der Aktienauswahl und der Portfoliobewertung beschäftigt sind.
Aber was macht ein qualitativer Forscher? Abgesehen davon, dass sie Margaret Mead ist, welche Rolle bleibt einem qualitativen Forscher? So könnte das konventionelle Denken gehen.
Ein sehr alter Grundsatz der Informatik ist. Computermodelle sind nur so gut wie der Inhalt, auf dem sie gebaut werden. Die Frage der Reflexivität ist nie sehr weit entfernt.
George Soros hat das Wort Reflexivität in Verbindung mit der Wirtschaft im Allgemeinen und den Finanzmärkten im Besonderen verwendet. Heisenbergs Unschärferelation, der Reflexivitätsaspekt auf dem Gebiet der Physik, ist in diesem Zusammenhang ebenfalls relevant. Heisenberg - kurz gesagt, dem Prinzip nicht gerecht - argumentierte, dass wir zwei Eigenschaften eines Dinges nicht gleichzeitig messen können, weil wir bei unserer Messung die Attribute oder das Ding beeinflussen und daher eine Veränderung oder Verzerrung des Originals bewirken .
Berücksichtigen Sie George Soros 'Kommentar zum MIT Department of Economics World Economy im Jahr 1994.
" Die allgemein akzeptierte Theorie besagt, dass die Finanzmärkte zum Gleichgewicht tendieren und insgesamt die Zukunft richtig abwerten. Ich arbeite nach einer anderen Theorie, nach der die Finanzmärkte die Zukunft nicht richtig diskontieren können, weil sie nicht nur die Zukunft diskontieren; Sie können dazu beitragen, dass sich die Finanzmärkte unter Umständen auf die so genannten Fundamentaldaten auswirken, die sie widerspiegeln sollen: Wenn dies geschieht, geraten die Märkte in einen Zustand dynamischer Ungleichgewichte und verhalten sich anders als in der Theorie üblich von effizienten Märkten. "
Ein weiterer zeitgenössischer Blick auf im Wesentlichen das gleiche Phänomen wird in dem Buch The Black Swan von Nassim Nicholas Taleb beschrieben. Ein schwarzer Schwan ist in der Natur nicht üblich - nur wenige Menschen haben einen schwarzen Schwan gesehen. Laut Taleb ist ein schwarzer Schwan ein positives oder negatives Ereignis, das als höchst unwahrscheinlich gilt. Aber wenn ein schwarzer Schwan auftritt, verursacht das massive Konsequenzen. Einige Leute glauben, dass schwarze Schwan Ereignisse viel über die Welt erklären. Aber die meisten Menschen - vor allem Experten - sind blind gegenüber schwarzen Schwänen.
Ein skeptischer Ansatz ist für die evidenzbasierte Wissenschaft essentiell. Es gibt einige Dinge, die es zu beachten gilt, wenn man die Konzepte des Zahlenfetischismus erforscht, die die Menschen blind machen, wenn sie quantitative Forschung zum Nennwert akzeptieren und zu sehr auf die Normalverteilung angewiesen sind.
Es ist ein Fehler zu glauben, dass quantitative Forschung basierend auf Inferenzstatistiken glaubwürdiger oder wissenschaftlicher ist als auf Erkenntnissen basierende Beobachtungsforschung. Ein wirklich wichtiger Punkt im Vergleich zwischen quantitativer Forschung und qualitativer Forschung ist, dass die subjektive Beteiligung des Forschers - eine der widerstandsfähigsten Einwände in Bezug auf qualitative Forschung - in quantitativen Ansätzen stattfindet . Tatsächlich tritt es in der quantitativen Forschung früher in der empirischen Sequenz des Forschungsstroms auf als in der qualitativen Forschung .
Der Forscher generiert eine Hypothese in der quantitativen Forschung, die von den statistischen Prozessen "getestet" wird. Die Erzeugung einer Hypothese kann eine sehr subjektive Aktivität sein. Und der sehr enge Fokus der Hypothesentests kann irreführend sein. Viele Formen der qualitativen Forschung erlauben es, dass in den Daten auftauchende Muster auf Themen verweisen, denen Beziehungen zugeordnet werden können (dies entspricht dem Hypothesentest in der quantitativen Forschung). Qualitative Forschung ist eher offen für die "schwarzen Schwäne", für die es keine Hypothese gibt, die bewiesen oder widerlegt werden könnte.