
Eine Rangliste der derzeit aktiven Fußball-Tippsdienste beschreibt die Dienste, die heute noch sichtbar sind. Sie kann nicht automatisch alle Personen erfassen, die zu Beginn des betrachteten Zeitraums mit der Veröffentlichung begannen. Wenn erfolglose Dienste häufiger verschwinden als erfolgreiche, kann die verbleibende Tabelle ein ermutigendes Ergebnis zeigen, obwohl die ursprüngliche Gesamtheit schlecht abgeschnitten hat.
Dies ist das Problem der Überlebensselektion (Survivorship Bias). Es betrifft die Frage, welche Analysten in den Vergleich einbezogen bleiben. Eine vollständige Liste aller Tipps jedes sichtbaren Analysten löst allein genommen nicht das Verschwinden ganzer Analysten aus der Stichprobe.
Identifizieren Sie die Grundgesamtheit, bevor Sie ihr Ergebnis berechnen.
Angenommen, ein Leser möchte wissen, was mit den Diensten geschah, die am ersten Tag einer Saison verfügbar waren. Die relevante Grundgesamtheit ist die Kohorte, die zu diesem Zeitpunkt vorhanden war. Eine Tabelle, die ausschließlich Dienste enthält, die am Saisonende noch verfügbar sind, beantwortet eine andere Frage.
Dokumentieren Sie die ursprünglichen Kennungen und das Datum, an dem die Kohorte festgelegt wurde. Behalten Sie umbenannte, vorübergehend gesperrte oder geschlossene Profile in dieser ursprünglichen Liste bei, solange die Belege deren Identität stützen. Schlussfolgern Sie nicht, dass ähnliche Namen denselben Anbieter darstellen oder dass ein entferntes Profil zwangsläufig erfolglos war.
Der Grund für den Ausscheiden ist entscheidend. Ein Dienst kann aus Ruhestand, aufgrund eines Geschäftswandels oder einer Entscheidung der Plattform eingestellt werden. Der Überlebensselektionsbias ist eine mögliche Folge der Selektion in die beobachtete Stichprobe – nicht jedoch eine Berechtigung, jedem fehlenden Analysten automatisch Verluste zuzuordnen.
Verfolgen Sie eine erfundene Kohorte durch die Rechenoperationen.
Betrachten Sie vier fiktive Dienste, von denen jeder 100 Einheiten während eines festgelegten Beobachtungszeitraums setzt. A erwirtschaftet 20 Einheiten, B erwirtschaftet 10, C verliert 15 und D verliert 25. Der gesamte Nettogewinn beträgt minus 10 Einheiten bei insgesamt 400 gesetzten Einheiten, was einer ROI der Kohorte von minus 2.5% entspricht.
Nehmen wir nun an, C und D stellen ihre Veröffentlichung ein und verschwinden aus der aktuellen Tabelle. Gemeinsam weisen A und B einen Gewinn von 30 Einheiten bei insgesamt 200 gesetzten Einheiten aus, was einer ROI von 15% entspricht. Die Berechnung für die verbliebenen Dienste ist korrekt im Hinblick auf ihren angegebenen Geltungsbereich. Sie wird irreführend, wenn sie als repräsentativ für die Erfahrung dargestellt wird, die ein Leser über alle ursprünglich vier Dienste hinweg gemacht hätte.
Durch die Entfernung hat sich nichts an der Qualität der ursprünglichen Tipps geändert. Die berichtete Grundgesamtheit hat sich verändert. Dieses einfache Beispiel verwendet gleiche Umsätze, um die Gewichtung transparent zu machen. Bei unterschiedlichen Einsatzhöhen muss die aggregierte ROI aus dem gesamten Nettogewinn geteilt durch die gesamten berechtigten Einsätze berechnet werden.
Eine Simulation kann den Mechanismus veranschaulichen, ohne eine reale Plattform zu messen.
Football-Data veröffentlichte ein 2017 Gedankenexperiment, in dem simulierte Tippsdienste keinerlei prognostischen Vorteil besaßen und jene Dienste unterhalb einer bestimmten Leistungsschwelle verschwinden konnten. Die verbliebene Gruppe konnte positive aggregierte Ergebnisse aufweisen. Diese Übung verdeutlicht, wie eine Abbruchregel eine schmeichelhafte verbleibende Stichprobe selektieren kann. Sie misst jedoch weder OptaTips noch beweist sie, dass irgendeine aktuelle Plattform diese Regel anwendet. Football-Data’s ursprüngliche Modellbeschreibung .
Halten Sie diese evidenzbasierte Grenze sichtbar. Simulationen hängen von ihren Annahmen über Markteintritt, Selektionshäufigkeit, Wahrscheinlichkeiten der Ergebnisse und Ausschlusskriterien ab. Änderungen dieser Annahmen führen zu anderen numerischen Ergebnissen. Der zugrundeliegende Mechanismus ist universeller als jede einzelne simulierte Prozentangabe.
Unterscheiden Sie fehlende Dienste von fehlenden Tipps.
Es gibt zwei verschiedene Vollständigkeitsprüfungen: Innerhalb eines Profils fragen Sie, ob dessen veröffentlichte Gewinne, Verluste, Quoten und Korrekturen weiterhin sichtbar sind. Zwischen Profilen fragen Sie, ob die Tabelle auch Dienste enthält, die während der Überprüfung eingestellt wurden.
Eine Plattform könnte sämtliche Tipps für aktive Profile bewahren, aber inaktive Profile weglassen. Eine andere Plattform könnte inaktive Profile beibehalten, während deren historische Tippübersicht unvollständig ist. Beide Einschränkungen verdienen eine Offenlegung, doch sie sollten nicht zu einer vagen, allgemeinen Behauptung verschmolzen werden, wonach die Aufzeichnungen verifiziert seien.
Für OptaTips prüfen Sie das tatsächliche Verzeichnis und die verfügbaren Archive. Falls keine historische Mitgliederliste existiert, geben Sie an, dass die ursprüngliche Kohorte allein anhand der derzeit zugänglichen öffentlichen Seiten nicht rekonstruiert werden kann. Schließen Sie diese Lücke nicht durch aus der Erinnerung stammende Namen oder rückblickende Vermutungen.
Führen Sie Eintritts- und Austrittsdaten in einem Kohortenbuch.
Ein praktisches Buch enthält die Kennung des Analysten, das Datum der ersten Beobachtung, das Datum der letzten Beobachtung, den aktuellen Status und die Quelle der Nachweise. Fügen Sie ein Feld hinzu, das eine bestätigte Schließung von einem Profil unterscheidet, das lediglich bei einer Beobachtung nicht zugänglich war.
Ein vorübergehender Zugriffsfehler ist kein Beweis für ein dauerhaftes Verschwinden. Eine geänderte URL kann ebenfalls einen alten Link ungültig machen, während der gleiche Dienst andernorts weiterhin verfügbar bleibt. Überprüfen Sie die Identität anhand öffentlicher Nachweise und bewahren Sie Unsicherheit dort auf, wo keine zuverlässige Zuordnung möglich ist.
Dienste, die nach dem Startdatum beitreten, gehören in eine Gruppe von Neuankömmlingen und nicht stillschweigend in die ursprüngliche Kohorte. Sie waren unterschiedlich lang exponiert und können unter anderen Bedingungen operieren. Zeigen Sie ihre Ergebnisse separat an, bevor Sie versuchen, eine zusammengefasste Darstellung zu erstellen.
Beschreiben Sie unvollständige Verläufe ehrlich.
Wenn die Historie eines ausscheidenden Dienstes nicht verfügbar ist, bleibt das Ergebnis der ursprünglichen Kohorte möglicherweise unbekannt. Geben Sie die Anzahl der Dienste und den Umfang der Fluktuation an, deren Ergebnisse überprüft werden können. Diese Angabe zur Abdeckung ist stichhaltiger, als die sichtbare Teilmenge als Gesamtheit zu behandeln.
Eine Sensitivitätsanalyse kann untersuchen, welche Schlussfolgerungen verschiedene fehlende Ergebnisse implizieren würden – vorausgesetzt, diese Annahmen werden ausdrücklich als hypothetisch gekennzeichnet. Sie kann jedoch den tatsächlichen fehlenden Eintrag nicht wiederherstellen. Halten Sie eine beobachtete Zwischensumme gesondert von jedem auf Szenarien basierenden Bereich.
Eine aktuelle Kurzliste und eine historische Bewertung erfüllen unterschiedliche Zwecke.
Eine nützliche Unterscheidung besteht zwischen einer festen Kohorte und einem sich fortlaufend aktualisierenden Verzeichnis. Eine feste Kohorte behält die ursprünglichen Dienste im Nenner während der gesamten Überprüfung bei, einschließlich derer, die eingestellt wurden. Ein sich fortlaufend aktualisierendes Verzeichnis ändert seine Mitgliedschaft, sobald Dienste eintreten oder ausscheiden. Keines dieser Konzepte ist per se falsch. Sie beantworten unterschiedliche Fragen und sollten daher unterschiedlich gekennzeichnet sein.
Bei einem sich fortlaufend aktualisierenden Verzeichnis zeigen Sie Mitgliedsänderungen neben der Leistungszusammenfassung an. Wenn ein profitabler Dienst Mitte eines Monats beitritt, sollte dessen frühere Off-Plattform-Historie nicht automatisch in die beobachtete Historie des Verzeichnisses eingefügt werden. Ebenso sollte die Entfernung eines inaktiven Dienstes nicht stillschweigend dessen bereits beobachtete Verluste aus der behaupteten historischen Plattform-Gesamtsumme entfernen.
Reparieren Sie eine ausgewählte Stichprobe nicht mit einer willkürlichen Strafe.
Die Kenntnis, dass Informationen fehlen, verrät nichts über ihren Wert. Die Zuweisung eines hohen Verlusts an jeden verschwundenen Analysten kann die entgegengesetzte Verzerrung erzeugen. Eine Schließung könnte auf schlechte Ergebnisse folgen, doch diese Möglichkeit stellt keine beobachtete Abrechnung dar.
Verwenden Sie unterschiedliche Status für ein bekanntes Ergebnis, ein fehlendes Ergebnis und ein hypothetisches Szenario. Angenommen, die sichtbaren Dienste weisen 200 Einheiten bekannten Umsatzes und 30 Einheiten Gewinn auf, während zwei ehemalige Dienste unbekannten Umsatz und unbekannte Renditen aufweisen. Die beobachtete Zwischensumme beträgt 15% ROI für die sichtbare Teilmenge. Ein ROI für die gesamte Kohorte kann erst berechnet werden, sobald Nenner und Zähler vollständig feststehen.
Falls ein Szenario annimmt, dass jeder nicht verfügbare Dienst 100 Einheiten eingesetzt und 20 Einheiten verloren hat, kennzeichnen Sie alle drei Annahmen. Das Szenario ergibt dann minus 10 Einheiten bei 400 eingesetzten Einheiten bzw. minus 2.5%. Diese Zahl gehört ausschließlich dem genannten Szenario und nicht der tatsächlichen Population. Eine Änderung der erfundenen fehlenden Ergebnisse verändert das Resultat.
Prüfen Sie, was eine Rangfolgenaussage verspricht.
Eine Aussage über die zehn besten aktuellen Profile ist enger gefasst als die Aussage, dass das Folgen der Analysten der Plattform historisch eine bestimmte Rendite erbracht hätte. Letztere Aussage erfordert eine Regel, welche Analysten befolgt wurden, wann sich die Mitgliedschaft änderte und wie Einsätze sowie Kosten verteilt wurden.
Eine retrospektive Top-zehn-Liste wählt ebenfalls nach dem zu feiernden Ergebnis aus. Selbst wenn kein Profil verschwunden ist, bedeutet die Auswahl der besten Leistungen nach Abschluss des Zeitraums nicht, dass ein Leser sie bereits zu Beginn hätte identifizieren können. Überlebensfilterung und retrospektive Rangfolge können gemeinsam angewendet werden; daher sollten beide identifiziert werden, statt ein erhaltenes Archiv als Abschluss der Untersuchung zu betrachten.
Ein vorab festgelegter Beobachtungsplan kann dies verdeutlichen. Formulieren Sie vor der Prüfung der endgültigen Rangfolge die berechtigte Population, die Beobachtungsdaten, die Verfügbarkeitsregeln und die Berechnungskonvention. Spätere Änderungen sollten als solche sichtbar bleiben. Dies beseitigt zwar Unsicherheit nicht und garantiert keine nützliche Prognose, verhindert aber, dass sich die Bewertungsregel unbemerkt mit den Ergebnissen verschiebt.
Ein Leser, der nach aktuell verfügbaren Dienstleistungen sucht, beginnt vernünftigerweise mit den aktuellen Profilen. Die Verfügbarkeit gehört zu dieser praktischen Aufgabe. Bei einer historischen Bewertung muss jedoch stets der Auswahlprozess hinter der Kurzliste erläutert werden, insbesondere dann, wenn vergangene Erträge als Beleg für eine breit angelegte Prognosefähigkeit herangezogen werden.
Interpretieren Sie ein Ergebnis einer angepassten Kohorte nicht als Urteil über jeden einzelnen verbliebenen Analysten. Ein Dienstleister kann auch dann eine unabhängig überprüfbare Bilanz aufweisen, wenn die ihn umgebende Population selektiv zusammengestellt wurde. Individuelle Belege und Schlussfolgerungen über die Population erfordern getrennte Bewertungen.
Eine nützliche abschließende Anmerkung nennt die beabsichtigte Kohorte, wie viele Dienstleister weiterhin beobachtbar sind, was mit Neu- und Austritten geschah sowie welche finanziellen Ergebnisse tatsächlich reproduziert werden konnten. Die Unsicherheit sollte dort sichtbar bleiben, wo historische Mitgliedschaftsdaten oder Erträge fehlen.
Verknüpfen Sie die Kohortenprüfung mit einer individuellen Prüfung der jeweiligen Bilanz.
Sobald die Grenzen der Population klar sind, prüfen Sie die tatsächlich zugänglichen Bilanzen. Halten Sie die Auswahl-Einheit, den Abrechnungszeitraum, den ursprünglichen Preis und die Einsatz-Basis konsistent. Eine vollständige Kohorte mit inkompatiblen Ertragsberechnungen kann immer noch keine aussagekräftige Gesamtbewertung unterstützen.
Die Anleitung zur Bilanzvergleichung erläutert Erträge und Kosten, während der Vergleich der Markt-Mischung zeigt, wie unterschiedliche Auswahl-Populationen innerhalb der verbliebenen Dienstleister selbst eine Rangfolge umkehren können. Die Zugehörigkeit zur Kohorte wirft zudem die weitere Frage auf, wer an diesem Vergleich teilgenommen hat.
Diese Prüfungen können mit einem eingeschränkten Ergebnis enden. Die sichtbaren Bilanzen mögen reproduzierbar sein, während die ursprüngliche Population unbekannt bleibt. Geben Sie beide Fakten an. Damit erhält der Leser eine klare Begrenzung der Beweislage, ohne fehlende Informationen entweder als Zustimmung oder als Vorwurf zu missdeuten.
Für Erwachsene im Alter von 18 und älter. Alle oben genannten Kohorten-Zahlen sind fiktive Lehrbeispiele. Historische Ergebnisse garantieren weder zukünftige Ergebnisse noch Gewinn.
Kommentare 0
Noch keine Kommentare.