Die Vor- und Nachteile der quantitativen Forschung

Marktforscher verwenden in unserer Arbeit oft quantitative Ansätze. Es ist wichtig, die Stärke und die Grenzen jedes Forschungsansatzes zu verstehen. Dies gilt besonders für quantitative Forschungstechniken aus zwei Gründen: (1) Wissenschaftliche und Laienkulturen sind durch quantitative Forschungstechniken sehr angetan und tendieren dazu, nicht tief auf das Design und die Mechanik solcher Verfahren zu schauen, und (2) es ist übermäßig leicht, eine quantitative Forschungsarbeit schlecht zu gestalten.

Ein falscher Fokus auf Zahlen

Es ist "cool", sagen zu können, dass Sie ein quantitativer Forscher sind. "Quants", der liebevolle Ausdruck, mit dem quantitative Analytiker sind bekannt, wurden auf die großen Zahlen in den Himmel Sockel gesetzt. Ich glaube, das ist mehr, weil komplexe Mathematik und Statistik verehrt werden, einfach weil die meisten von uns nicht viel von dem Gebiet verstehen. Wenn etwas einen sozialen Nutzen zu haben scheint und gleichzeitig schwierig und mysteriös ist, neigt es dazu, ein kulturelles "Glühen" anzunehmen. Der Markt beschäftigt sich mit Computermodellierung und -simulation. Sie verehrte die Black Box von Derivaten so sehr, dass sie nur langsam reagierte, wenn die Modelle die unvermeidliche Volatilität nicht vorhersagten.

Ganz auf der anderen Seite, sage laut, dass du ein qualitativer Forscher bist und die Leute dir wahrscheinlich einen verwirrten Blick geben. Die meisten Leute wissen, dass Quants irgendwie mit der Aktienauswahl und Portfolio-Bewertung beschäftigt sind.

Aber was macht ein qualitativer Forscher? Abgesehen davon, Margaret Mead zu sein, welche Rolle bleibt einem qualitativen Forscher? So könnte das konventionelle Denken gehen.

Ein sehr alter Tenent der Informatik ist. Computermodelle sind nur so gut wie der Inhalt, auf dem sie aufgebaut sind. Die Frage der Reflexivität ist nie weit entfernt.

George Soros hat das Wort reflexivity in Verbindung mit Wirtschaftswissenschaften im Allgemeinen und Finanzmärkten im Besonderen verwendet. Auch Heisenbergs Unsicherheitsprinzip, der Peer der Reflexivität auf dem Gebiet der Physik, ist in diesem Zusammenhang relevant. Heisenberg - in aller Nüchternheit, die dem Prinzip nicht gerecht wird - argumentierte, dass wir nicht zwei Attribute eines Dinges auf einmal messen können, weil wir in unseren Messungen die Attribute oder das Ding beeinflussen und daher eine Veränderung oder Verzerrung des Originals bewirken. ..

Betrachten Sie George Soros 'Kommentar an der MIT-Wirtschaftsabteilung 1994.

" Die allgemein akzeptierte Theorie besagt, dass die Finanzmärkte zu einem Gleichgewicht tendieren und die Zukunft im Großen und Ganzen richtig diskontieren. eine andere Theorie, nach der die Finanzmärkte die Zukunft nicht richtig diskontieren können, weil sie nicht nur die Zukunft diskontieren, sondern sie mitgestalten.Unter bestimmten Umständen können Finanzmärkte die so genannten Fundamentaldaten beeinflussen, die sie widerspiegeln sollen. Wenn dies geschieht, geraten die Märkte in einen Zustand des dynamischen Ungleichgewichts und verhalten sich ganz anders als das, was von der Theorie der effizienten Märkte als normal angesehen wird. "

Ein weiterer zeitgenössischerer Blick auf im Wesentlichen dasselbe Phänomen ist im Buch Der Schwarze Schwan von Nassim Nicholas Taleb Ein schwarzer Schwan ist in der Natur nicht üblich - nur wenige Menschen haben einen schwarzen Schwan gesehen.Taleb zufolge ist ein schwarzer Schwan ein positives oder negatives Ereignis, das als höchst unwahrscheinlich gilt. Aber wenn ein schwarzer Schwan auftritt, hat er massive Konsequenzen: Einige Leute glauben, dass schwarze Schwäne viel über die Welt erklären, aber die meisten Menschen - besonders Experten - sind für schwarze Schwäne blind.

Ein skeptischer Ansatz ist Wesentlich für die evidenzbasierte Wissenschaft Es gibt einige Dinge zu beachten bei der Erforschung der Konzepte im Zusammenhang mit dem Zahlenfetischismus, der die Menschen vor den Tücken der Akzeptanz quantitativer Forschung für bare Münze nimmt und übermäßig auf die Norm angewiesen ist. l Verteilung.

Es ist ein Irrtum zu glauben, dass quantitative Forschung, die auf inferentiellen Statistiken basiert, glaubwürdiger oder wissenschaftlicher ist als einsichtsbasierte Beobachtungsforschung. Ein wirklich wichtiger Punkt im Vergleich zwischen quantitativer Forschung und qualitativer Forschung ist, dass die subjektive -Beteiligung des Forschers - das ist einer der widerstandsfähigsten Einwände gegen qualitative Forschung - in quantitativen Ansätzen stattfindet. Tatsächlich tritt es in der empirischen Sequenz des Forschungsstroms in der quantitativen Forschung früher auf als in der qualitativen Forschung.

Der Forscher generiert eine Hypothese in der quantitativen Forschung, die von den statistischen Prozessen "getestet" wird. Die Generierung einer Hypothese kann eine sehr subjektive Aktivität sein. Und der sehr enge Fokus der Hypothesentests kann irreführend sein. Viele Formen der qualitativen Forschung lassen entstehende Muster in den Daten auf Themen hinweisen, die Beziehungen zuordnen können (dies entspricht der Hypothesentestung in der quantitativen Forschung). Qualitative Forschung ist eher offen für die "schwarzen Schwäne", für die es keine Hypothese gibt, die bewiesen oder widerlegt werden kann.