Rss

  • linkedin

Archives for : Epävarmuus

Mihin voi luottaa informaatioähkyn keskellä?

Internet on tiedon valtatie. Mutta valitettavasti se on myös temmellyspaikka monenkirjavien totuutena myytävien uskomusten levittäjille.

Tim Ferriss kirjoitti kirjassaan ”The 4-Hour Workweek”, kuinka yksi keino hankkia lisätuloja on alkaa asiantuntijaksi. Ferrissin mukaan 4 viikkoa riittää asiantuntijastatuksen haalimiseen uudella alalla. Tosin ei niin hyvän, että saisi kunnioitusta kyseisen alan oikeilta asiantuntijoilta, mutta sellaisen uskottavuuden että voi muodostaa riittävän suuren asiakaskunnan ihmisistä, jotka eivät tunne alaa.

Omalta erikoisalaltaan osaa erottaa juttujen sisällön perusteella nämä puoskarit tohtoreista, mutta entä kun puhe on aiheesta, josta itsellä ei ole kummoisia taustatietoja? Mihin tietoon tässä maailmassa voi luottaa?

Tieteellinen prosessi

Tiedon etsimisessä ei voi täysin nojautua yksittäiseen tutkimukseen. Yksittäisen tutkimuksen lopputulos voi osua harhaan monestakin syystä ja useamman vuoden vanha tutkimus on voitu jo kumota uusimmissa tutkimuksissa. Sen sijaan julkaisujen sarjasta koostuva tieteellinen prosessi johtaa pikkuhiljaa aina vaan lähemmäksi totuutta. Tieteellisen prosessiin kuuluu, että koko ajan mennään eteenpäin ja pyritään etsimään virheitä vanhoista omista olettamuksista. Hyvä tapa aloittaa uuteen aiheeseen tutustuminen on etsiä viimeisin review-artikkeli, joka kokoaa yhteen, mitä tähän mennessä eri tutkijat ovat löytäneet.

Uutisointi

Monessa muussa asiassa niin hyvin toimiva markkinatalous tuntuu yskivän tiedon levityksessä. Yliampuvat shokkiuutiset ja liian yksinkertaiset ratkaisut monimutkaisiin ongelmiin myyvät paremmin kuin analyyttinen asioiden punnitseminen eri näkökulmista. (Ketosen ja Myllyrinteen tiivistys). Tämä siitä huolimatta, että perusteellisesti analysoidun tiedon tehokkaampi leviäminen auttaisi meitä kaikkia tekemään parempia päätöksiä, joilla voisi nostaa itsemme ja läheistemme terveydellistä + taloudellista hyvinvointia.

Päivittäisen uutisvirran seuraaminen voi olla jopa haitallista asioiden ymmärtämisen kannalta, mitä tässä kirjoituksessa hyvin perustellaan. Itse pyrin seuraaman maailman menoa hieman suodatettuna niin että luen uutisen netistä vasta kun joku analyyttisena pitämäni Twitter-seurattava kommentoi uutista mielenkiintoisena.

Twitterissä olen kokenut hyödylliseksi seurattavaksi myös vahvan tieteellisen taustan omaavat aktiiviset ”bull shit detectorit” (esim. Markku Niemivirta @mniemivirta) ja harhaanjohtavalta otsikoinnilta suojelijat (esim. @klikinsaastaja).  Nämä säästävät omaa aikaani harhaanjohtavien uutisten lukemiselta.

Tieteellistä lähestymistapaa uutisten käsittelyyn edustaa nettisivusto Rootclaim. Kun maailmalla on tapahtunut jotain, jossa totuutta on vaikea hahmottaa kaikkien asian ympärillä pyörivien huhujen joukosta, Rootclaim ottaa asian punnittavaksi. Jäsenet muodostavat kilpailevia hypoteeseja vaihtoehtoisista totuuksista ja kokoavat yhteen tiedonmurusia asian ympärillä eri lähteistä. Lopputuloksena on Bayesläisen päättelyn tuloksena todennäköisyydet eri hypoteesien todennäköisyyksille. Kuka tahansa voi osallistua prosessiin tiedottamalla uusista tiedonjyväsistä ja todennäköisyydet sitä mukaa päivittyvät. Tällä hetkellä sivustolla punnitaan ainakin Malesialaisen lentokoneen katoamista, rokotteiden sivuvaikutuksia ja Syyriassa tapahtunutta kemiallista asehyökkäystä.

Vedonlyönti

Put your money where your mouth is or shut up.

Ne ketkä oikeasti ymmärtävät asioista, voivat myös lyödä vetoa näkemystensä puolesta. Silloin kun vedonlyönti on mahdollista, erinomainen näyttö ymmärtämisestä on voitollisen vedonlyöntihistorian esittely. Tosin tässä kirjoituksessani kävi ilmi että vetoja pitää löytyä aika paljon historiasta, että sillä voisi tilastollisesti osaamisensa todistaa. Kuitenkin jos on edes valmis laittamaan rahaa likoon näkemyksensä puolesta pelkän leukojen loksuttamisen sijaan, on se jo merkki uskottavuuden suuntaan.

Vedonlyöntikulttuuri kukoistaa penkkiurheilijoiden keskuudessa ja talousasioissa voi ottaa näkemystä joko osake- tai johdannaismarkkinoilla. Vedonlyöntifirmat ottavat myös kiitettävästi vetoja vastaan poliittisista vaaleista. Kaipaisin kuitenkin lisää herrasmiesvedonlyöntikulttuuria muillekin elämän osa-alueille. Silloin erimieltä olevien ei tarvitsisi loputtomasti jankuttaa SoMessa vaan sopia aiheeseen liittyvä veto ja jatkaa elämää. Vetojen lopputulokset kun vielä päivittyisivät julkiselle sivustolle niin pikkuhiljaa vetojen kertyessä alkaisi hahmottumaan, kuka on vahvemmin ja kuka heikommin asian ytimessä.

Asiantuntijoiden nahka

Kun ottaa neuvoja vastaan asiantuntijalta tai sellaisena esiintyvältä, pitää aluksi varmistaa missä pelissä tällä henkilö on niin sanotusti oma nahka pelissä (”skin on the game”). Varsinkin jos henkilö saa kaikki tulonsa yhdestä lähteestä, ensisijainen peli hänellä on työpaikkansa ja asemansa säilyttäminen. Esim. apteekkarilta voi saada hyvän näkemyksen siihen, mitä lääkkeitä eniten myydään. Sitten kun pohdinnan alla on apteekkimonopolin hyödyllisyys yhteiskunnalle, voi näkemys olla vähän yksipuolinen. Eikä kannata odottaa, että rivityöntekijätkään purevat ainoaa ruokkivaa kättä.

Asiantuntijalta kannattaa myös muotoilla kysymykset sellaiseen muotoon, missä vahvasti tuodaan hänen omaa nahkaansa peliin. Esim. kilpailevista hoitomuodoista voi kysyä lääkäriltä muodossa: ”Millä menetelmällä hoitaisit tällaisessa tapauksessa itseäsi / lastasi?

Superennustajien ominaisuudet

Philip E. Tetlockin ja Dan Gardnerin kirjoittamassa ja Terra Cognitan suomentamassa kirjassa Superennustajat kerrotaan ”Good Judgment” – tutkimusprojektista, jossa lukuisat tavalliset ihmiset tekivät ennusteita mitä erilaisista tulevaisuuden tapahtumista, kuten poliittisten konfliktien tai taloudellisten tunnuslukujen kehittymisestä. Hieman yllättävä tulos oli, että tietyt samat henkilöt vuodesta ja aiheesta toiseen erottuivat muista edukseen. Kirjoittajien mukaan vieläpä paljon paremmin kuin mitä pelkkä sattuma antaisi odottaa. Näitä tutkimuksen kestomenestyjiä kirjoittajat kutsuvat superennustajiksi. Ammatillisen taustan suhteen superennustajilla ei ollut mitään yhteistä selittäjää, mutta seuraavia yhteisiä taipumuksia heistä löytyi maailmankatsomuksen, kykyjen ja ajattelutapojen suhteen:

  • Varovainen (mikään ei ole varmaa)
  • Nöyrä (todellisuus on äärettömän monimutkainen)
  • Epädeterministinen (tapahtuva ei ole ennalta määrätty, eikä sen tarvitse tapahtua)
  • Aktiivisesti mieleltään avoin (uskomukset ovat testattavia hypoteeseja, eivät suojattavia aarteita)
  • Älykäs ja tietävä jolla on ”tunnustuksen” saamisen tarve (älyllisesti uteliaita, ongelmista ja mentaalisista haasteista nauttivia)
  • Reflektiivinen (itsetutkiskeleva ja itsekriittinen)
  • Numerotaitoinen (sinut numeroiden kanssa)

Lisäksi kirjassa mainitaan, että superennustajat pyrkivät jatkuvasti päivittämään ja parantamaan omia arvioitaan. Ohjelmointikielellä he ovat ikuisia ”beta-versioita” itsestään. Voitaneen lisätä, että he ovat käveleviä tieteellisiä prosesseja.

Mikäli kokee vedonlyönnin liian uhkapelinä, voi asiantuntijuuttaan osoittaa pitämällä julkisesti kirjaa ennusteistaan. Good Judgment – projektilla on avoin yhteisö, johon kuka tahansa voi liittyä ja alkaa tekemään ennusteita haluamistaan aiheista. Koska kirjanpidon hoitaa yhteisön verkkosivut automaattisesti, ei jälkikäteen voi pieleen menneitä ennustuksia piilotella. Tämän blogikirjoitukseni innoittamana itsekin kävin nyt kirjautumassa mukaan yhteisöön nimimerkillä ”Riski-Risto”.

Esimerkki

Lopuksi nostan esimerkkinä esiin yhden henkilön, jota en tunne henkilökohtaisesti millään tavalla, mutta hän on onnistunut herättämään valtavaa kunnioitusta. Kyseessä on osakerahaston hoitajana työskentelevä Anders Oldenburg. Vaikka lähtökohtaisesti välttelen aktiivisen salkunhoidon kuluja, tässä kohtaa olen tehnyt poikkeuksen ja sijoittanut rahastoon.

Tuottohistoria

Andersin hoitama Phoebus – rahasto on ollut pystyssä 15 vuotta yhden ja saman henkilön hoidossa. Tänä aikana rahasto on keskimäärin tuottanut sijoittajille 11.3% vuodessa. Tästä on vähennetty rahaston kulut (TKA) mitkä ovat olleet keskimäärin 1.2% vuodessa. Vertailuindeksin tuottaessa samana aikana 9.5%, saadaan tulokseksi, että Anders on osakevalinnoillaan pystynyt tuottamaan noin 3 % – yksikön verran vuosittaista ylituottoa, josta asiakkaalle on jäänyt hyötynä 1.8 % -yksikköä. Luvut voi käydä tarkemmin läpi täällä.

En ole tarkemmin tutkinut, missä ajassa osakemarkkinoilla erottuvat starat hyvätuurisista keskivertosijoittajasta tilastollisesti. Kutina on että 15 vuotta olisi jonkinlainen, muttei yksinään täysin vakuuttava näyttö.

Skin in the game

Anders on (ainakin omien sanojensa mukaan) sijoittanut itse merkittävän osan varallisuudestaan omaan Phoebus – rahastoonsa ja on rahaston suurin yksittäinen sijoittaja. Tämän luulisi takaavan, että rahastossa on Andersilla itsellään oma nahka mukana samassa pelissä kuin muilla sijoittajilla.

Superennustajan ominaisuudet

Oleellinen osa luottamuksen kehittymistä on ollut Andersin pitämä Phoebus – blogi, jossa hän kommentoi yhtiövalintojaan ja maailmaa niiden ympärillä. Mitä tulee Tetlockin ja Gardnerin mainitsemiin superennustajien ominaisuuksiin, Anders suorastaan korostaa epävarmuutta aina liikkuessaan kirjoituksissaan alueella, jota ei ole perinpohjin tutkinut. Hän myös paljon korostaa satunnaisuutta yritysten lyhyen ajan voitoissa. Lisäksi hän käy avoimesti läpi huonojakin osakevalintoja menneisyydestä ja pyrkii oppimaan virheistään.

Näihin ominaisuuksiin nojautuen olen uskaltanut antaa keskimääristä 1.2% vuosittaisista kuluista huolimatta palan sijoitusomaisuuttani Andersin käsiin ja sen lisäksi pyrin imemään hänen blogista vaikutteita maailman tutkimiseen analyyttisesti. Tämä siitä huolimatta, etten omista minkäänlaista sosiaalista suhdetta kyseiseen kaveriin tai hänen edustamaansa yritykseen.

Tiivistelmä

Ominaisuudet, jotka nostavat asiantuntijan uskottavuutta:

  • Taustalla pitkä tieteellinen prosessi
  • Julkinen vedonlyönti, sijoitus tai ennustus -historia
  • ”Skin in the game” samassa pelissä tiedon objektiivisuuden kanssa
  • Nöyrän analyyttiset ”superennustajan” ominaisuudet
Facebooktwittergoogle_plusredditpinterestlinkedinmail

Sotilaalliset luottamusvälit

Luottamusväli taitaa olla heti keskihajonnan jälkeen yleisimmin käytetty epävarmuutta kuvaava tilastollinen mittari. Siihen liittyy kuitenkin hyvin paljon hämmennystä. Olen monta kertaa päässyt apukirjoittajan tai tilastokonsultin roolissa seuraamaan vierestä tutkijan ja tiedelehden arvioitsijan välistä keskustelua, missä toinen puhuu aidasta ja toinen aidan seipäästä kun kyse on luottamusväleistä. Niinpä arvelen että blogosfäärissä olisi tilaa pienelle tietoiskulle aiheesta.

Varusmiesten paino

Lehdissä näkyy aina välillä huolestuneita kirjoituksia (esim. Yle) koskien muutoksia varusmiesten keskipainossa. Tämä sopii havainnollistavaksi esimerkiksi meidän kuvitteelliseen tutkimukseen.

Sovitaan, että olemme laskeneet keskiarvoksi (kilogrammoina) 77.5 ja keskihajonnaksi 8. Katsotaan millaiseksi luottamusväli muodostuu riippuen siitä, kuinka monta varusmiestä on aineistossa tutkittu. Kaikenkaikkiaan varusmiehiä on 25000 ja heihin tutkimustulokset halutaan yleistää. Tätä koko joukkoa kutsutaan perusjoukoksi. Kaikissa esimerkeissä käytetään 95% luottamusväliä.

  1. Otoskoko 100

Voimme laskea luottamusvälin mekaanisesti tilastotieteen oppikirjan kaavalla:

($ \overline{x}-t_{0.025}\cdot s/\sqrt n$ ; $\overline{x}+t_{0.025}\cdot s/\sqrt n$) \approx  (75.9 ; 79.1)

  1. Otoskoko 25000, kaikki sen vuoden varusmiehet

Nyt kun kaikki varusmiehet on tutkittu, pitääkin hetki pysähtyä. Mitä luottamusvälillä oikein haetaankaan? Sen avullahan tavoitellaan ymmärrystä laskelmiin liittyvästä epävarmuudesta. Yleensä nimenomaan otannasta johtuvaa epävarmuutta. Nyt kun kaikki varusmiehet on tukittu, ei ole mitään otannasta johtuvaa epävarmuutta, joten siinä mielessä koko luottamusvälin laskemisessa ei ole tolkkua. Toki meillä vielä voi olla muitakin mielenkiintoisia epävarmuuden lähteitä kuten esim. mittausvirhe, mutta se on eri tarina ja vaatii oman tutkimuksensa mittalaitteen tarkkuudesta.

  1. Otoskoko 15000

Jos kaksi edellistä kohtaa oli tuttua tavaraa niin tässä kohtaa saattaa tulla jotain yllättävää. Se mitä useimmista tilastotieteen perusteiden oppikirjoista unohtuu mainita, on se että kohdassa 1. käytettyyn kaavaan liittyy oletus: ”Tutkittava perusjoukko on kooltaan ääretön”. Nyt meidän perusjoukon koko N = 25000. Usein käytetty nyrkkisääntö kuuluu, että mikäli otoskoko on korkeintaan 5% perusjoukon koosta, kohdassa 1. käytettyä kaavaa voidaan käyttää. Otoskoko 15000 on nyt kuitenkin 60% perusjoukosta, joten peruskaava antaa virheellisiä tuloksia. Kaava, jolla luottamusväli lasketaan on nyt (laskukaavasta lisää täällä):

($ \overline{x}-t_{0.025}\cdot s/\sqrt n \cdot \sqrt{\frac{N-n}{N-1}}$ ; $\overline{x}+t_{0.025}\cdot s/\sqrt n \cdot \sqrt{\frac{N-n}{N-1}}$) \approx (77.4 ; 77.6)

Tässä tapauksessa ero luottamusvälin leveydessä on vain suuruusluokkaa 0.1 verrattuna kohdassa 1. käytettyyn kaavaan, joten suurta munausta ei olisi tullut vaikka oltaisiin menty peruskaavalla.

Lopuksi vielä graafi, josta näkee kuinka luottamusvälin leveys riippuu otoskoosta. Punainen käyrä kuvaa luottamusvälin leveyttä kohdan 1. Peruskaavalla ja musta käyrä kohdan 3. Tarkkaa kaavaa. Pystyviiva kertoo, missä kohti tulee täyteen nyrkkisääntömme ”5% perusjoukon koosta”. Perusjoukkoon kuuluu kaikki 25000 varusmiestä.

Nähdään, että nyrkkisääntö vaikuttaisi pitävän tässäkin hyvin kutinsa. Äärettöman perusjoukon olettava ”peruskaava” menee käsi kädessä tarkan välin pituuden kanssa, mutta alkaa sen jälkeen hiljalleen erkaantua. Huomataan myös, että tutkittavan joukon kasvattaminen 5000:sta ylöspäin ei enää kovin tehokkaasti kasvata tutkimuksen tarkkuutta luottamusvälin suhteen.

Kun paino jää sivuruuliin

Tahdon vielä nostaa esiin asian liittyen joidenkin tiedejulkaisujen intoon vaatia luottamusvälejä kehiin joka ikisen raportoidun luvun perään. Otetaanpa esimerkiksi tutkimuskysymys: ”Mikä on palvelusaikana syötyjen munkkien määrän vaikutus Cooperin testin tulokseen varusmiehillä?”. Lisäksi mitataan kontrollointitarkoituksessa pituus, paino ja monia terveysmuuttujia.

Näiden sivuroolissa olevin muuttujien keskiarvon ja keskihajonnan raportointi on asiallista toimintaa, jotta tutkimuksen lukija saa kuvan siitä minkä tyyppistä porukkaa taustatiedoiltaan on tällä kertaa otokseen sattunut. Ainoa ilmiö, mitä tutkimuksessa kuitenkin on tarkoitus yleistää, on munkkien ja juoksukunnon yhteys. Mikäli kaikille taustamuuttujillekin vaaditaan vielä lisäksi raportoitavaksi luottamusvälit, ainakin itselläni herää kysymys: Miksi?

Tämä varmaan lopulta on mielipidekysymys, mutta omasta mielestäni tutkimusartikkelit tuppaavat olemaan riittävän raskasta luettavaa ilmankin että tekstin sekaan tungetaan kaikkea mieleen juolahtavaa epäolennaista numeropuuroa.

Tulkinta

Viimeisimpinä, muttei helpoimpana asiana lienee syytä käydä vielä läpi vähän luottamusvälin tulkintaa. Silloin kun harrastin vielä tilastotieteen perusteiden luennointia, paniikkioireet kasvoivat aina kun läheni se hetki, että piti alkaa puhumaan luottamusväleistä. Tuntui mahdottomalta tehtävältä selittää luottamusvälit niin, että se olisi totta ja ettei opiskelijoiden+omat aivot menisi lopullisesti solmuun.

Luottamusvälin kaavat perustuvat frekventistiseen tieteenfilosofiaan. Tässä katsomuksessa mielenkiinnon kohteena oleva ”tutkimusparametri” (esim. Kaikkien varusmiesten keskipaino tai kaikkien varusmiesten keskuudessa vallitseva munkin syönnin sekä juoksukunnon välinen regressiokerroin) on kiinteä luku ja kaikki epävarmuus liittyy vain otanta-aineistoon liittyvään sattumaan. Niinpä puhuminen ”tutkimusparametrin” todennäköisyysjakaumasta on mieletöntä. 95% luottamusväli tulkitaankin otantajakauman avulla: ”Kun saman suuruista otantaa toistetaan ja toistetaan niin 95 prosentissa toistoista todellinen tutkimusparametri osuu luottamusvälille.”

Bayesläinen tieteenfilosofia

Tutkijalle kinkkistä tässä on, että hänen näkökulmastaan nimenomaan tutkimusparametriin liittyy mielenkiintoisin epävarmuus. Eihän koko tutkimusta tarvittaisi, mikäli tutkimuksen kohde olisi jo täsmällisesti tiedossa. Olisi siten luontevampaa kysyä tutkimusparametrin todennäköisyyksiin pohjautuvia kysymyksiä, esim. ”Mikä on otanta-aineistomme perusteella todennäköisyys, että kaikkien varusmiesten keskipaino on suurempi kuin 75 kg?” Vastaus tähän löytyy Bayesläisen tieteenfilosofian avulla. Siihen liittyvät menetelmät ovat välillä laskennallisesti raskaampia, mutta nykyisellä tietokoneiden laskentatehoilla se ei enää ole niin suuri ongelma. Jännityksellä odottelen, milloin Bayesläisyys alkaa lyömään kunnolla läpi akateemisessa maailmassa ja tiedejulkaisut alkavat pärjätä ilman hallitsematonta luottamusvälien ja p-arvojen sarjatulta.

Lisää frekventistisistä luottamusväleistä ja Bayesläisistä todennäköisyysväleistä simulointikokeilla havainnollistettuna voi lukea esimerkiksi täältä.

Statistickon steesit:

  • Kun raportoit (tai vaadit raportoimaan) luottamusvälin, mieti mistä epävarmuudesta olet oikeasti kiinnostunut
  • Kun tutkimuksen otoksena on suuri osuus perusjoukosta, luottamusvälin peruskaava antavat liian leveitä välejä
  • Yleensä luottamusväli määritellään mittatikkuna, jonne tutkimusparametri osuu halutulla varmuudella kun otetaan toistuvasti erilaisia satunnaisotoksia
  • Kun halutaan tehdä todennäköisyyspäätelmiä itse tutkimusparametrista, pitää käyttää Bayesläisiä analyysimenetelmiä
  • Liiallisen epäolennaisen numeerisen informaation viljely raporteissa ja artikkeleissa hankaloittaa lukijan ymmärrystä itse pääviestistiä
Facebooktwittergoogle_plusredditpinterestlinkedinmail

Moraali tarvitsee tuekseen ripauksen riippumattomuutta

Vuosituhannen ensimmäisenä vuosikymmenenä muhinut ja finanssikriisiin päättynyt Yhdysvaltojen asuntokupla perustui hieman yksinkertaistettuina seuraavaan kuvioon: pankit myönsivät holtittomasti asuntolainoja myös pienituloisille ihmisille, rakensivat näistä lainoista vähäriskisen näköisiä monimutkaisia sijoitustuotteita ja kauppasivat näitä eteenpäin muille rahoituslaitoksille ympäri maailmaa. Näin riskit saatiin siirrettyä eteenpäin, mutta itse saatiin välistä mukavat tuotot. Myös ensi kertaa oman kodin saaneet kansalaiset olivat tyytyväisiä unelmansa täyttymisestä. Oltiin tilanteessa, että liian monen henkilön, pankkiireista kiinteistövälittäjiin ja asuntovelallisiin, lyhyen tähtäimen hyvinvoinnin etu oli ylläpitää illuusiota ”asuntojen hinnat voivat vain nousta”.

The Big Short

Elokuva The Big Short on tositapahtumiin perustuva tarina muutamasta omilla tahoillaan toimineista laskelmoivasta tyypistä, jotka tajusivat asuntoluottokuvion paljon ennen kuin se lopulta räjähti käsille lukuisten lainanlyhennysongelmien myötä. Eräs tyypeistä tarjosi tutkimuslöydöksiään tutulle Wall Street Journalin toimittajille, jotta hän voisi paljastaa asioita suurelle yleisölle. Toimittajan urakehitys oli kuitenkin riippuvainen hyvistä suhteista eri toimijoihin Wall Streetillä ja kotona oli pieniä lapsia elätettävänä. Niinpä hän koki jutun liian riskialttiiksi julkaistavaksi.

Riippuvuus ja paksuhäntäiset jakaumat

Seuraava tarina kertoo 100 kotitalouden kylästä. Jokainen kotitalous vaihtaa asuntoa n. joka kymmenes vuosi, joten jokaisella kotitaloudella on yksittäisenä vuonna 10% todennäköisyys että se laittaa asuntonsa myyntiin. Sovitaan, että asuntomarkkinat vielä toimivat mikäli alle puolet kotitalouksista pyrkivät myymään asuntoaan samanaikaisesti. Mutta viimeistään kun 60 kotitaloutta yhtä aikaa yrittää myydä asuntoaan, hinnat romahtavat hallitsemattomasti.

Asunnon myyjien lukumäärän jakauma, kun ihmiset toimivat toisistaan riippumattomasti

Arvioidaan tulevana vuonna asuntoaan kaupustelevien kotitalouksien lukumäärää simuloimalla kyläläisten asunnonmyynti-intoa vuoden aikana 100 000 kertaa. Ensin oletetaan, että kotitaloudet toimivat toisistaan riippumattomasti. Punainen histogrammi kuvaa simuloinnin tulosta. Tilastotieteen suurten lukujen laki sanoo, että riippumattomien toistojen summa lähenee normaalijakaumaa kun toistojen lukumäärä kasvaa. Nyt kuvaajaan on piirretty vertailuin vuoksi sinisellä normaalijakauma, jolla on sama keskiarvo (10) ja keskihajonta (3) kuin todellisella myyjien lukumäärän jakaumalla.

Kuvasta nähdään, että jo 100 kotitaloutta tuo riittävästi toistoja, että normaalijakauma antaa hyvän arvion todellisuudesta. Riskilaskelmat voidaan perustaa normaalijakaumaan ja tässä tapauksessa todennäköisyys, että yli 60 kotitaloutta alkaisi myymään asuntoaan saman vuoden aikana on likimain (7 desimaalin tarkkuudella) 0. Itseasiassa jo lukumäärät yli 25 alkavat olla käytännössä mahdottomia.

Mutta kuinkas me ihmiset todellisuudessa käyttäydytäänkaan? Me otamme jatkuvasti vaikutteita käyttäytymiseemme toisiltamme. Uudet ideat leviävät verkostoissa ja massamediat pystyvät vaikuttamaan isoon joukkoon ihmisiä yhtä aikaa. Tehdäänpä samat simuloinnit niin että lisätään ihmisten käyttäytymiseen riippuvuustekijä. Oletetaankin, että jokaisen kotitalouden myynti-into korreloi kertoimella 0.3 kaikkien muiden kyläläisten kanssa.

Asunnon myyjien lukumäärän jakauma, kun ihmisten myyntipäätökset korreloivat kertoimella 0.3

Nyt keskiarvo on edelleen 10, mutta jakauman muoto on muuttunut. Päälle piirretyllä normaalijakaumalla on sama keskihajonta simuloidun datan kanssa, mutta muoto on täysin erilainen. Lisätty riippuvuustekijä teki jakaumasta niin sanotusti paksuhäntäisemmän. Todennäköisyys, että yli 60 kotitaloutta myy asuntoaan vuoden aikana on nyt 2.8%. Samalle riskille normaalijakaumaan perustuva laskenta antaa vain 0.14%. Naiivi riippumattomuusoletus tuottaisi 20-kertaa liian pienen riskiarvion.

Luottoluokittajien riskianalyysit

Viime vuosikymmenen jenkkien asuntokuplan paisumisen mahdollisti luottoluokittajat. Asuntoluottojen lopulliset riskin kantajat eivät ymmärtäneet kunnolta, mihinkä olivat sijoittaneet. He luottivat luottoluokittajiin, jotka olivat lyöneet AAA-leimat lukuisista asuntolainoista rakennettuihin sijoitustuotteisiin. Nate Silver kertoo kirjassaan The Signal and the Noise radikaalista virheestä, jonka luottoluokittajat olivat riskianalyyseissään tehneet. Eri asuntolainojen vakuutena olleiden asuntojen arvot olivat oletettu toisistaan riippumattomiksi. Mikäli näin olisi niin koko asuntoryppään arvon vaihtelut ehkä noudattaisivat kiltisti normaalijakaumaa.

Eiköhän asuntojen hinnat kuitenkin riipu toisistaan. Ainakin itselleni on vaikea ymmärtää, miksi asuntoni markkina-arvo olisi 200 000€ mikäli naapurissa on myynnissä useita täysin vastaavia asuntoja 150 000€ hintaan. Asiaa ei auta yhtään se, että itse vuosi sitten tulin maksaneeksi asunnostani sen 200 000€. Näin ollen asuntojen pakkomyyntiaaltojen alkaessa pulaan joutuvat myös hyvätuloiset asunnonomistajat, joilla on liikaa velkaa suhteessa varallisuuteensa. Toivottavasti alan ihmiset ovat ottaneet opikseen, pitäisihän nyt luottoluokittajien olla maailman huippuja riskianalyysissä.

Moraali ja palkanmaksu

Big Short elokuvassa vihjailtiin myös toisesta riippuvuusongelmasta luottoluokittajiin liittyen. Luottoluokittajien työntekijöiden palkat lopulta maksavat samat pankit, jotka eniten hyötyvät korkeista luottoluokituksen arvosanoista. Moraalikadon riski on ilmeinen. Epämiellyttäviä riippuvuusssuhteita on paljon muuallakin kuin rahoitusalalla. Esimerkiksi tutkija voi olla hyvin tietoinen, ettei 0.05 rajan alittavien P-arvojen jahtaaminen väkisin tutkimusdatasta ole hyvä tapa edistää tiedettä. Näin on kuitenkin tehtävä, ettei muuten ansiokas tutkimus jäisi julkaisematta tiedelehdessä. Julkaisut kun ovat portti uuteen rahoitukseen ja perheen elättämiseen jatkossakin.

Suojaantuminen moraalikatoa vastaan

Ilmeisesti tästä The Gambler elokuvan kohtauksesta alkunsa saanut käsite ”Fuck you position” tarkoittaa tilannetta, jossa henkilöllä on riittävästi sijoitusvarallisuutta riippumattomaan elämään. Tässä tilanteessa esim. osakkeiden tuottamat osingot riittävät tarvittaessa kattamaan välttämättömät elinkustannukset. Tämän olisi hyvä tapahtua vielä riittävällä turvamarginaalilla, koska osinkojen määrä vaihtelee vuodesta toiseen. Tällaisessa positiossa henkilö voi haistattaa pitkät ja erota mikäli työnantaja pakottaa tekemään jotain mikä on oman moraalinsa vastaista. Itse tahtoisin vielä kuitenkin laajentaa kyseistä käsitettä.

Kuten tässä blogipostauksessani perustelin, sijoitustoiminta on työtä nimeltä riskien kantaminen. ”Fuck you position” on mahdollista kun sinulla on mikä tahansa taito, millä tarvittaessa pystyt elättämään perheesi vaikka potkut tulisikin. Tämän taidon pitäisi tarvittaessa olla hyödynnettävissä toimialalla, mikäli alasi on liikaa yksittäisten toimijoiden vallassa. Kun on olemassa Plan B, voi toimia paremmin korkealla moraalilla vaikkei se oman alansa valtaapitäviä miellyttäisikään. Kyky yritysriskien kantamiseen on yksi takaportti, mutta sitä voisi olla myös kyky työllistyä taksikuskina tai suunnittelemalla nettisivuja. Positio on parhaimmillaan, kun tuloja tulee useasta eri lähteestä yhtä aikaa. Useiden tulonlähteiden tuomasta turvasta sekä ongelmista kirjoittelin aiemmin jo täällä.

Hypoteesi: Kun ihmiset pystyvät pienentämään riippuvuuttaan yksittäisistä yrityksistä tai instituutioista niin…

  • moraalikatoa olisi vähemmän, koska työntekijät uskaltaisivat kieltäytyä moraalittomista ”talon tavoista”?
  • markkinakuplia syntyisi vähemmän ja riskit olisivat helpommin laskettavissa?

Statistickon steesit:

  • Ihmisten toiminta on hyvin paljon toisistaan riippuvaista
  • Toisistaan riippuvaisten tapahtuminen summa voi olla erittäin ”paksuhäntäisesti” jakautunut, mikä vaikeuttaa riskilaskelmia
  • Jotkut riippuvuussuhteet pakottavat ihmisen moraalinsa kanssa ristiriitaisiin tekoihin
  • Oman elämän epämiellyttäviä riippuvuussuhteita voi vähentää hankkimalla erilaisia taitoja perheensä elättämiseen
Facebooktwittergoogle_plusredditpinterestlinkedinmail

Osakkeiden omistaminen on hyödyllistä riskien kantamista

stock_investing”Pörssipeliä”, ”pörssikeinottelua” ja ”kurssien kyttäämistä” ovat termejä jotka usein yhtyvät osakesijoittamiseen. Tässä kirjoituksessa kerron miksi itselleni kyse on jostain aivan muusta ja yritän avata, miksi yritysten omistaminen on hyvä keino säästää ja sijoittaa.

Spekulatiivinen kaupankäynti

Lähdetään liikkeelle aidosti spekulatiivisesta sijoitusmuodosta, kullasta. Mikäli omistat nuorena kultaharkon ja säilytät sitä elämän läpi, eläkkeellä ollessasi sinulla on edelleen yksi kultaharkko. Se ei ole tuottanut yhtään mitään. Ainoa tapa tehdä voittoa kullalla on yrittää myydä se kalliimmalla kuin mitä on ostanut. Tämä on spekulatiivista nollasummapeliä. Tehdäksesi voittoa jonkun toisen täytyy hävitä.

Arvonluonti

Muistellaanpa sitten aiempaa blogikirjoitustani. Siinä käytiin läpi, kuinka liiketoiminnassa luodaan arvoa. Peruskaava on se, että yritys kykenee luomaan tuotteen niin halvalla että asiakkaan kannattaa ennemmin ostaa se yritykseltä kuin alkaa valmistamaan itse. Tästä rahasummasta yritys ensin maksaa työntekijöiden palkat ja muut kulut sekä veroja monessa muodossa. Käsillä olevan ajan tarpeisiin laadukkaasti vastaavilla yrityksillä tämän jälkeen jää useinmmiten vielä pieni siivu omistajien voitoksi. Tämän voiton yritysjohto pyrkii investoimaan niin että jatkossa yritys pystyisi luomaan entistä enemmän arvoa ympärilleen. Siltä osalta kun tällaisia investointikohteita ei keksitä, omistajille maksetaan voitoista heille osinkoja. Tämä pieni siivu on se ratkaiseva tekijä, minkä takia osakkeiden omistaminen on historian saatossa ollut tuottoisaa.

Riskien kantaminen

Tosin kaikkea käteistä yrityksen ei pidä maksaa osinkoina ulos vaan turvata pitkäjänteinen toiminta pitämällä osan rahoista kassassa/korkosijoituksina puskurina pahojen päivien varalle. Tästä päästään osinkotuottojen hintaan: sijoittaja kantaa yrityksen riskit, jotta työntekijöille pystytään maksamaan palkat ja muut sopimukset kyetään hoitamaan. Sijoittajien ansiosta yritys ei mene konkurssiin heti kun tulee yksi epäonninen tappiollinen vuosi.

Tuottohistoriat

Riskeistä huolimatta laadukkaita yrityksiä elämänsä läpi omistavat kuitenkin tuppaavat vaurastumaan osinkojen turvin pikkuhiljaa elämänsä varrella toisin kuin kullan omistajat. Tämän voi todeta myös Jeremy J. Siegelin tutkimuksessa, jossa vertaillaan kuinka vuonna 1802 sijoitettu 1 dollari on keskimäärin tuottanut eri omaisuuslajeissa. Tästä kuvasta (kiitos linkistä Martin Paasille ja hänen blogikirjoitukselleen) selviää, että inflaation jälkeen osakkeet ovat tuottaneet keskimäärin 6.6% vuodessa. Kulta taas on jäänyt 0.7% :ään eli tuottanut likimain sitä mitä kiiltävän metallimöhkäleen kuuluukin koristearvon lisäksi tuottaa: ei mitään.

Spekulatiivinen kaupankänyti osakkeilla

Osakkeilla käydään kauppaa pörsseissä päivittäin, joten omistamisen lisäksi osakkeilla on myös mahdollista käydä spekulatiivista kauppaa arvuutellen lähitulevaisuuden hintamuutoksia. Eikö olisi upeaa kehittää algoritmi joka osaa ennustaa osakekurssien seuraavien päivien käänteet ja ”treidata” pelkkää omistamista selvästi korkeampaa tuottoa? Omalla analyyttisellä koulutuksellani ja historialla vedonlyöntimarkkinoiden treidaajana pitäisi olla jopa valmiudet tällaisten algoritmien kehittämiseen. En koe kuitenkaan kyseistä haastetta hirveän kiinnostavaksi tavaksi käyttää aikaa koska:

  1. Todennäköinen skenaario on, ettei sellaista ennustettavaa systematiikka löydy, mitä pystyisi tällaisella yhden miehen nyrkkipajalla hyödyntämään ainakaan järkevällä tuntipalkalla. Vielä ikävämpi riski on että, jotain lupaavaa muka löytyy, mutta vuosien päästä tämä ”löytö” osoittautuukin sattuman oikuksi.
  1. Voi myös käydä yllätys, että sattuisin löytämään jonkun oikean ennustettavan systematiikan, minkä avulla voisin lyhyen tähtäimen kaupankäynnillä jauhaa kaupankäyntikulut selvästi ylittäviä tuottoja. Toimeentuloni olisi jälleen vedonlyönti- ja pokeriuran perään kiinni nollasummapelistä, joka saattaa loppua milloin tahansa kun isompien ”pelaajien” algoritmit ne löytävät. On huomattavasti kestävämpää, että osaamisen käyttää sellaiseen mistä on hyötyä jollekin toisellekin taholle kuin itselleen. Pidemmän päälle kaupankäynnissä vaaditaan molempien osapuolien hyötyä, joten ainakin itse uskon, että selvästi edulliset nollasummapelit joko loppuvat tai muuttavat muotoaan ennemmin tai myöhemmin.

Minulla ei ole mitään treidaamista vastaan, mutta nollasummapelimäisen luonteen takia en koe sitä järkeväksi ajan käytöksi. Voin pelata pokeria silloin kuin haluan ottaa vähän älyllistä matsia rahasta. Jännitystä taas saan vaikka lyömällä vetoa urheilutapahtumasta. Onneksi hyvien, asiakkailleen arvoa luovien, yritysten omistaminen ei ole nollasummapeliä. Omistaminen ei myöskään vaadi päivittäistä tietokoneen ruudun tuijottamista.

Vaihtelevaa palkkaa riskien kantamisesta

Entäs sitten sijoittaminen asuntoihin? Siitäkin riittäisi turinaa sen verran, että tämä vertailu jää toiseksi tarinaksi. Sen verran kuitenkin sanottakoon, että myös asunnoissa riskien kantaminen on sijoittajan päätehtävä. He ketkä mentaalisesti epävarmuutta kestävät, he riskejä kantakoon jotta muiden elämä olisi rauhaisampaa.

Lopuksi pitänee vielä mainita, etten yritä sanoa, että juuri nyt olisi sen parempi tai huonompi aika sijoitta osakkeisiin kuin mikään muukaan aika tahansa. Hyvä on myös käydä lukemassa kirjoitukseni ennenaikaisesta eläköitymisestä, mikä omalta osaltaan muistuttaa sijoitustuottojen heilahtelusta.  Ja siitä että pidemmän päälle todennäköisyydet ovat kärsivällisen omistajan puolella.

Statistickon steesit

  • Osakkeiden omistajat kantavat epävarmassa maailmassa riskejä muidenkin puolesta
  • Osakkeiden tuotto perustuu yrityksen arvonluontiin
  • Jatkuva kaupankäynti osakkeilla on nollasummapelinä useimmille ajanhukkaa ellei erityisesti nauti siihen liittyvästä jännityksestä
Facebooktwittergoogle_plusredditpinterestlinkedinmail

Ylisovittaminen, case jalkapallojoukkueiden budjetit

football_stadiumKun numeroaineiston perusteella tehdään tutkimusta, helppo vaihe on oppia ymmärtämään, minkälainen ilmiö on ollut kyseisessä aineistossa. Usein varsinainen mielenkiinnon kohde kuitenkin ymmärtää, mitä voisi tapahtua samassa ilmiössä aineiston ulkopuolella ja ehkä jopa ennustaa tulevaisuutta. Tässä vaiheessa on helppo langeta syntiin nimeltä ”ylisovittaminen”.

Valioliigaseurojen pelaajabudjetit

Tutkitaan edellistä Englannin Valioliigan jalkapallokautta 2015/2016. Meitä kiinnostaa, kuinka joukkueen pelaajabudjetti selittää joukkueen saavuttamaa pistemäärää sarjataulukossa. Tässä minitutkimuksessa olemme päätyneet tilanteeseen, jossa meillä on käytettävissä budjettitiedot ja sarjapisteet vain kymmeneltä satunnaiselta joukkueelta. Aineisto (lähde) näyttää seuraavalta:

budjetit_otos_suora

Vaikuttaisi, että rahalla on odotettua vaikutusta, eli pisteet keskimäärin kasvavat kun budjettikin kasvaa. Mutta minkä muotoinen ”kasvukäyrä” on? Vaikka mahdollisesti muitakin hyviä malleja voisi löytyä, pysytään yksinkertaisuuden vuoksi polynomifunktioissa ja esitellään niistä ensin kaksi tapausta.

Ensimmäinen ajatus voisi olla kokeilla ensimmäisen asteen funktiota, mikä on tilastotieteen / ekonometrian peruskurssilta tuttu lineaarinen regressiomalli:  Points = a + b  \cdot Salary .

Ajatuksena, on että pistemäärä kasvaa keskimäärin tasaisesti sitä mukaa kun budjettikin kasvaa. Kuvaan olikin jo piirretty sellainen regressiosuora.

Huomattavaa on, että jotkut pisteet jäävät hyvinkin kauaksi suorasta. Me kuitenkin tiedetään, että osumatarkkuutta voidaan kasvattaa kun lisätään selittäjiä, tässä tapauksessa budjetin korkeampia potensseja, malliin. Mikäli työvuorossa sattuu olemaan täydellisyyteen pyrkivä insinööri, hän saattaisi innostua käyttämään hyvinkin korkean asteen, sanotaan vaikka viidennen asteen, polynomia,  Points = a + b_1 \cdot Salary + b_2 \cdot Salary ^2 + b_3 \cdot Salary ^3 + b_4\cdot Salary ^4 + b_5 \cdot Salary ^5 .

Tällaisen mallin käyrä kulkee paljon paremmin eri havaintopisteiden kautta, minkä voi havaita alla olevasta kuvaajasta.

budjet_otos_kayra

Selitysasteet

Tilastollisen mallin osumatarkkuutta kyseisessä aineistossa mittaa ns. selitysaste ja alla olevassa taulukossa on ratkaistu mallit 1-5 asteisille polynomifunktioille ja laskettu niiden selitysasteet.

Polynomifunktion aste Mallin selitysaste (isompi parempi, max 100%)
1. aste (lineaarinen) 20%
2. aste (paraabeli) 22%
3. aste 25%
4. aste 59%
5. aste 59%

Selitysasteen perusteella paras (suurin arvo) malli olisi 5. asteen malli ja se vielä paranisi, mikäli kuudes tai seitsemäs termi lisättäisiin. Maalaisjärkikin kuitenkin alkaa jo kolkutella, että näinköhän kyseinen poukkoilevasti kiemurteleva käyrä kuvaisi ilmiötä oikeasti. Ensimmäinen korkea nyppylä n. 50 miljoonan punnan kohdalla selittyy varmaankin vain sillä, että kyseisellä kaudella poikkeuksellisen hyvin pienellä budjetilla menestynyt Leicester sattui omaaman sen suuruusluokan budjetin. Tuskin on mitään syytä, miksi jatkossa havainnot noudattelisivat juuri tuolla tavalla poukkoilevaa käyrää.

Havaitun aineiston ulkopuolelle

Kun halutaan tietää, kuinka hyvin joku tilastollinen malli toimisi aineiston ulkopuolella, niin selitysasteen sijaan mittarina pitää käyttää informaatiokriteerejä. Tunnetun tällainen on Akaiken informaatiokriteeri, AIC. AIC pyrkii arvioimaan sitä, kuinka hyvin mallimme toimii aineiston ulkopuolella. Se palkitsee kyllä hyvästä selitysasteesta, mutta rankaisee mallissa käytettävien tuntemattomien tekijöiden (tässä tapauksessa b-kertoimet) lukumäärästä ajatuksella ”Yksinkertaisella mallilla on pienempi riski ylisovittamiselle”. Ylisovittamisella tarkoitetaan, sitä että yritetään löytää matemaattinen selitys havaintoaineiston satunnaisvaihtelulle, mikä ei toistu samalla logiikalla aineiston ulkopuolella. Viidennen asteen polynomifunktion on malliesimerkki ylisovittamisesta. Seuraavassa taulukossa on laskettu kaikille viidelle mallillemme AIC:

Polynomifunktion aste AIC (pienempi parempi)
1. aste (lineaarinen) 82.6
2. aste (paraabeli) 84.4
3. aste 86.0
4. aste 82.0
5. aste 84.0

Koska AIC:ssä pyritään mahdollisimman pieneen lukuun, suositeltu malli on 4. asteen funktio ja heti alkuun kokeiltu lineaarinen 1. asteen funktio jää niukasti hopealle.

(Sivuhuomautuksena kerrottakoon, että AIC :n käyttöön liittyy tiettyjä oletuksia ja sen toiminta on epävarmaa silloin kuin oletukset eivät ole voimassa. Mikäli käyttäisimme Bayesläisiä analyysimenetelmiä, työkalupakista löytyisi esim. WAIC (widely applicaple information criterion), joka toimii yleisemmin.)

Havaittu ennustustarkkuus

Katsotaan vielä lopuksi kuinka sitten ennustamisessa kävikään. Alla olevassa kuvaajassa on alkuperäisten havaintojen päälle sovitettu AIC :n suosittelemat 4. asteen käyrä sekä lineaarinen suora ja lisäksi punaisella värillä loput kymmenen joukkuetta viime kaudelta, mitkä eivät vielä olleet mukana tilastollisessa mallinnuksessa.

Lasketaan, mikä polynomifunktioistamme olisi parhaiten ennustanut näitä punaisia uusia havaintoja. Mittarina käytetään keskineliövirhemittaria, RMSE, mikä on sitä parempi, mitä pienempi.

Polynomifunktion aste RMSE (pienempi parempi)
1. aste (lineaarinen) 66.7
2. aste (paraabeli) 65.8
3. aste 62.2
4. aste 98.2
5. aste 79.1

Huomaamme, että yksinkertaiset 1.-3. asteen funktiot ennustivat paremmin kuin monimutkaiset 4.-5. asteen funktiot, koska niillä on selvästi pienemmät RMSE-luvut. Ennustuskisan voiton vie lopulta kolmannen asteen funktio.

Ilmiön kuvaaminen

Ne ketkä ovat selvinneet tänne asti, saattavat olla kiinnostuneita siitä, mikä pelaajabudjetin vaikutus nyt olikaan menestykseen. Tässä kirjoituksessa päähuomio on uusien havaintojen ennustamisessa, jolloin ilmiön järjellinen selittäminen ei ole välttämättä edes mielenkiintoista. Nyt kun tuli kuitenkin aloitettua, niin…

Edellä esiteltyjen tunnuslukujen perusteella ei ole tällä pienellä aineistolla selvää, mitä mallia kannattaisi käyttää ilmiön selittämiseen. ”Keep it simple, stupid” -periaatteella vaaka kuitenkin kallistuu tasaisessa tilanteessa yksinkertaisempaan suuntaan. Niinpä sovitetaan lineaarinen regressiomalli nyt koko aineistolle ja se sanoo, että 25 miljoonan punnan budjetin jälkeen yhden miljoonan kasvatus pelaajabudjetissa lisäsi keskimärin 0.11 pistettä sarjan aikana. Toisin sanoen yksi lisäsarjapiste maksoi n. 9 miljoonaa puntaa.

Kuten nyt kaikki tiedämme, esim. Leicester ei paljoa lineaarista mallia kunnioittanut vaan paineli mestaruuteen häntäpään budjetilla. Ei lähdetä kuitenkaan ylisovittamaan mitään maagista 48 miljoonan euron optimibudjettia, vaikka selitysaste mittarina sitä tarjoaisikin.

Statistickon steesit

  • Kun tilastollisen mallinnuksen tarkoitus on ennustaa uusia havaintoja, on varottava datan satunnaisten piirteiden selittämistä, eli ylisovittamista.
  • Selitysaste kertoo, kuinka hyvin tilastomalli selittää jo havaittua dataa ja paranee aina kun malliin lisätään selittäviä muuttujia.
  • Informaatiokriteerit ennustavat mallin toimivuutta havaitun datan ulkopuolella.
  • Ennustemallin toimintaa kannattaa testata uudella ”testidatalla” aina ennen kuin alkaa tehdä sen avulla suuria päätöksiä.
  • Ennustemallien rakentaminen on yhdistelmä tiedettä ja taidetta.

Lähdeteoksena useassa kohtaa on käytetty kirjaa Richard McElreath: Statistical Rethinking

Facebooktwittergoogle_plusredditpinterestlinkedinmail

Brexit äänestysgallupit

aanestajaKun juhannuksen aikoihin Isossa Britanniassa äänestettiin EU-erosta, piti eroamisen olla epätodennäköistä. Viimeisenä päivänä ennen äänestystuloksia 23.6.2016 vedonlyöntimarkkinoilta sai suuruusluokkaa 6 olevia kertoimia, mikä tarkoittaisi eroamisen voittavan äänestyksen (vallalla olevan näkymyksen mukaan) noin kerran kuudesta. (lähde)

Galluppien sanoma

Kun tämä epätodennäköisempi tulos sitten toteutuikin, alkoi jälkiviisastelun vyöry: ”Vedonlyöntimarkkinat olivat väärässä”. Mikäli vääryyden perusteena on pelkästään vastakkainen lopputulos, kyseessä on vain joutavaa jälkiviisastelua. Sama olisi heittää kerran noppaa, saada ykkönen ja ihmetellä miten pystyi tulemaan ykkönen, vaikka sen todennäköisyys piti olla vain kerran kuudesta. Jotkut ihmettelijät kuitenkin perustelivat vedonlyöntimarkkinan vääryyttä viime hetken gallup-tuloksilla, jotka ennustivat kannatukselle tiukkaa lopputulosta: 48% (ero) – 52% (pysyminen). Tässä on kuitenkin helppo mennä lankaan. Se että gallup kertoo eron puolesta äänestävien osuudeksi 48%, ei tarkoita että eroamisen voiton todennäköisyys olisi 48%. Ratkaisevaa on, kuinka paljon epävarmuutta gallup-tulokseen sisältyy. Alla olevassa kuvaajassa on esimerkki galluptuloksesta, joka ennustaa 48% osuutta eroamisen kannattajille. Käyrä kuvaa tulokseen liittyvää epävarmuutta. Mielenkiinnon kohteena oleva todennäköisyys on nyt pinta-ala joka jää käppyrän ja 50% osuutta kuvaavan punaisen pystyviivan väliin. Tämä mielenkiinnon kohteen oleva alue on värjätty sinisellä.

Kiinostava todennäköisyys on sinisen pinta-alan osuus koko käyrän alle jäävästä pinta-alasta

Kiinostava todennäköisyys on sinisen pinta-alan osuus koko käyrän alle jäävästä pinta-alasta

Kuinka suuri tämä todennäköisyys nyt sitten oli? Tällä sivustolla on koottu eri galluppien tuloksia. Jos yhdistetään sivuston viiden viimeisimmän gallupin (kaikki tehty 22.6.2016 ja otoskoko ilmoitettu) tulokset yhdeksi isoksi gallupiksi, saadaan yhteensä 14013 kantaa ottaneen henkilön otos, joista 48% kannatti EU-eroa. Olettakaamme seuraavat kaksi asiaa:

  • Meillä ei ole mitään muuta tietoa kuin näiden n. 14000 henkilön mielipide
  • Tämä joukko on kattava satunnaisotos äänestyspäivänä äänestävistä henkilöistä.

Nyt pystymme laskemaan todennäköisyyden EU-eron voitolle (kannatus yli 50%) käyttäen Bayes-menetelmää epäinformatiivisellä priorijakaumalla. Vastaus on karu: n. 0.0004%, eli kerran 250 000 :sta. Tilanne kääntyykin toisin päin: pelkkien galluppien perusteella olisi kannattanut lyödä vetoa isolla panoksella EU:ssa pysymisen voitosta. Vieressä vielä gallup-tulos tiivistettynä kuvaajaan.

Yhdistelmägallupin tulos

Yhdistelmägallupin tulos

Muut huomioitavat asiat

Käyttämämme rajoittavat oletukset ovat kuitenkin syynä, ettei tuloksemme pohjalta vedonlyöntipäätöstä olisi vielä pitänyt tehdä. Ne, ketkä ovat tosissaan omilla rahoillaan lyöneet vetoa, ovat hyödyntäneet varmasti muitakin tietolähteitä kuin viimeisiä gallup-tuloksia. He ovat mahdollisesti myös tutkineet systematiikkaa, millä tavalla galluppeihin vastaavat henkilöt yleensä poikkevat niistä henkilöistä, jotka oikeasti vaaliuurnille vaivautuvat. Vedonlyöntikertoimet kuvaavat aina sitä näkemystä mikä milloinkin on vallalla kaikkien niiden mielestä, jotka ovat valmiita laittamaan rahojaan likoon näkemyksensä puolesta. Nyt vedonlyöjät olivat varautuneet brexit-yllätykseen huomattavasti paremmin kuin pelkkä gallup-analyysimme.

Loppukaneetti

Itse en tunne politiikkaa ja äänestyskäyttäytymisen harhan lähteitä niin hyvin, että osaisin sanoa kumman tuloksen puolesta olisi kannattanut lyödä vetoa ennen brexit-vaaleja sen aikaisilla tiedoilla. Ainoastaan sen osaan sanoa, että pelkkiä galluppeja tuijottamalla piti EU:ssa pysyminen olla selvä voittaja.

Facebooktwittergoogle_plusredditpinterestlinkedinmail

Hajauttaminen osakesijotuksissa

investingUuden kirjansa myötä paljon mediassakin viihtynyt sijoituskirjailija Mika Hyttinen on tullut tunnetuksi filosofoimisesta sijoittajalegenda Warren Buffetin tyyliin. Pääviesti on ollut, ettei osakesijoituksia pidä roiskia sinne tänne vaan tulee keskittää sijoitukset muutamaan kaikista laadukkaimpaan yritykseen. Ostoksia tehdään kuitenkin vain silloin kun niitä saa tuotto-odotuksiin nähden kohtuullisen edulliseen hintaan. Mikan ajatuksiin voi tutustua hänen nettisivuillaan.

Talousvalmentaja Martin Paasi turinoi opettavasti ja viihdyttävästi talousasioista Rahapodi -webcastissä. Hän suosittelee olemaan vaivaamatta päätään yhtiöiden valikoimisella ja hajauttamaan yhtiöriskiä sijoittamalla vähäkuluisiin indeksirahastoihin (esim. Helsingin pörssin yleisindeksiä seuraava rahasto) varmistaen näin osakemarkkinoiden keskimääräisen tuoton.

Onko nyt sitten parempi hajauttaa vai keskittää? Tähän kysymykseen yritän riskinhallinnan näkökulmasta vastata. Kurssien liikkeiden arvaileminen lyhyellä, alle vuoden, tähtäimellä ei ole kummakaan mestarin mielenkiinnon kohteena ja tässäkin pohditaan vain pitkäjänteistä ”osta ja omista” -sijoittamista.

Kolme yhtiötä, neljä sijoittajaa

Ennen kun voidaan sijoittamisen riskejä tutkiskella, pitäisi riski määritellä. Tämä ei ole aivan yksiselitteistä. On paljon erilaisia mielipiteitä siitä, mikä on oikea tapa mitata sijoittamisen riskiä, mutta käytetään tässä seuraavaa mittaria: riski = tappiollisten sijoitusvuosien lukumäärä keskimäärin sadan vuoden aikana

Olkoon meillä seuraavat kolme yritystä ja niihin liittyvät sijoittajan odotetut vuosituotot päivän kurssilla:

  • Aatami Oy: 6%
  • Beetami Oy: 8%
  • Ceetami Oy: 10%

Käytetään laskelmassa oletusta, että kaikkien yritysten toteutuvat tuotot vaihtelevat siten, että keskihajonta on 25%-yksikköä ja tuotot noudattavat normaalijakaumaa. Käytännön sovelluksissa normaalijakauman käyttäminen oletuksena on kyseenalaista, koska se aliarvioi suurten romahdusten ja supernousujen todennäköisyyttä. Tähän esimerkkiin se sopii kuitenkin riittävän hyvin. Lisäksi osakkeiden tuotot ovat riippuvaisia toisistaan niin, että kahden osakkeen välinen korrelaatiokerroin r = 0.6.

Nyt meillä on neljä erilaista sijoittajatyyppiä, jotka toteuttavat erilaista strategiaa sijoituksissaan näihin kolmeen osakkeeseen. Huomioitavaa on tässä, että kukaan ei tiedä varmaksi annettuja tuotto-odotuksia vaan kukin yrittää arvioida niitä omalla tavallaan.

  1. Auvo Arvuuttelija

Auvolla on parempia harrastuksia kuin lukea yritysten tilinpäätöstietoja. Hän kuitenkin lukee sanomalehdestä aina taloussivut ja valitsee niiden tietojen perusteella fiilispohjalta yhden suosikkiosakkeen, johon hän sijoittaa kaiken. Todellisuudessa valtamediassa kerrotut tiedot ovat kaikkien muidenkin sijoittajien tiedossa. Näinollen Auvo ei kykene tekemään keskimääräistä parempia päätöksiä vaan hänen valintansa vastaa osakkeen valitsemista tikkaa heittämällä.

  1. Hannele Hajauttaja

Hannele ei myöskään halua käyttää paljoa aikaa sijoitustoimintaan. Hän haluaa minimoida riskit ja myöntää ettei kykene valitsemaan parhaiten tuottavaa, joten hän jakaa sijoitettavan rahasumman tasaisesti kaikkiin yrityksiin.

  1. Touko Tutkija

Touko lukee tarkkaan yritysten tilinpäätöstiedot ja näkee niistä, että Aatami Oy:llä ei ole edellytyksiä tehdä yhtä hyvää tulosta jatkossa kuin kahdella muulla. Hän ei kuitenkaan kykene näkemään selvää eroa Beetamin ja Ceetamin välillä, joten hän sijoittaa niihin molempiin.

  1. Keijo Keskittäjä

Keijo vanhana kehäkettuna ymmärtää jokaisen yrityksen bisneslogiikan ja tietää jokaisen yrityksen kilpailuedut sekä yrityskulttuurin. Hän osaa poimia tilinpäätöksestä olennaisimmat luvut ja tehdä tarvittavat matemaattiset laskelmat. Hän näkee Ceetamin selkeästi potentiaalisimpana sijoituskohteena ja sijoittaa kaikki rahat siihen.

Alla on kunkin sijoittajan odotettu tuotto ja riskitaso.

Sijoittaja Tuotto-odotus Riski (tappiovuosia sadasta)
Auvo Arvuuttelija 8% 38
Hannele Hajauttaja 8% 35
Touko Tutkija 9% 34
Keijo Keskittäjä 10% 35

Ensimmäisenä nähdään, että Auvon ja Hannelen tuoton odotusarvo on sama, mutta Hannelella on pienempi riski. Huomion arvoista on myös se, että Keijolla on tällä mittarilla sama riski kuin täysin hajauttavalla Hannelella. Sen minkä tässä tapauksessa hajautuksella voittaa, häviää huonommalla tuotto-odotuksen tuomalla ”turvavälillä”.

Nämä tulokset riippuvat siitä, mitä taustaoletuksia valittiin. Vertailun vuoksi samat laskelmat siinä harvinaisessa tapauksessa, että yritysten tuotot olisivat toisistaan riippumattomia, eli korrelaatiokerroin r = 0.

Sijoittaja Tuotto-odotus Riski (tappiovuosia sadasta)
Auvo Arvuuttelija 8% 38
Hannele Hajauttaja 8% 29
Touko Tutkija 9% 31
Keijo Keskittäjä 10% 35

Nyt useampaan kohteeseen sijoittajat alkaisivat repiä hajautushyötyä pienemmällä riskillä ja pääsisivät nauttimaan kunnolla siitä kuuluisasta ilmaisesta lounaasta.

Meillä oli myös oletus, että kaikkien osakkeiden tuoton vaihtelut olivat samoja. Mikäli uskoo Capital Asset Pricing –teoriaan, jossa tuoton vaihtelu kulkee aina käsikädessä tuotto-odotuksen riskilisän kanssa, keskihajonnat voisivat olla:

Aatami Oy: 17%

Beetami Oy:24%

Ceetami Oy: 30%

Tästä seuraisi sijoittajien riskitasot (korrelaatiokerroin alkuperäinen r = 0.6):

Sijoittaja Tuotto-odotus Riski (tappiovuosia sadasta)
Auvo Arvuuttelija 8% 37
Hannele Hajauttaja 8% 35
Touko Tutkija 9% 35
Keijo Keskittäjä 10% 37

Mitä tästä kaikesta voidaan päätellä? Selvä johtopäätös, on että tasaisesti hajauttavan Hannelen strategia on selvästi parempi kuin Auvo Arvuuttelijan, koska sama tuotto-odotus saadaan pienemmällä riskillä. Käytännössä tämä puhuu vähäkuluisen indeksirahaston puolesta ja pisteet talousvalmentaja Martin Paasille. Toisaalta realistisissa skenaarioissa, missä tuotot korreloivat keskenään, Touko saa Hannelea parempaa tuottoa samalla tai pienemällä riskillä. Näin ollen Mika Hyttisen saarnat laadukkaisiin yhtiöihin keskittämisestä eivät ole tuulesta temmattuja.

Salkun hajautuksen optimointi

Ehkäpä Hannelen kannattaisi optimoida eri osakkeiden määrät jotenkin järkevästi painottaen? Harry Markowitz on ystävällisesti laskeskellut portfolioteoriassaan, kuinka optimoidaan sijoitussalkun tuotto ja riski sopivilla painotuksilla. Optimoinnissa on suuressa roolissa tuoton vaihtelut ja korrelaatiot. Todellisessa tilanteessä näitä ei tiedetä vaan kaikki edellä mainittu informaatio pitää arvioida esimerkiksi historiadatan perusteella.

Riskitietoisuus -kirjassaan Gerd Gigerenzer kertoo simulaatiotutkimuksestaan, jossa hän vertaili Markowitzin ohjeilla hajauttavan ja yksinkertaisesti kaikkia osakkeita tasaisesti painottavan sijoitussalkun performanssia. Selvisi että vaatisi taustalle vähintään 500 vuoden tilastoaineisto, jotta tuoton vaihtelut ja korrelaatiot saataisiin arvioitua historiadatasta niin tarkasti, että Markowitzin optimointimenetelmällä saataisiin oleellisia hyötyjä tasaiseen painotukseen verrattuna. Markowitzin portfolioteoria on mielenkiintoista aivojumppaa, mutta käytännössä tunnuslukujen arviointiin liittyvä epävarmuus syö optimoinnin hyödyt.

Omat näkemykset

Järkevä sijoitusstategia riippuu henkilön osaamisesta, ajankäyttömieltymyksistä ja riskinsietokyvystä. Oma suosikkini on Toukon strategia, joka on yhteen yhtiöön keskittämisen ja laajan hajautuksen välimaastossa. ”The absoluuttisen voittajayhtiön” valinta on hankalaa ja aina voi jotain yllättävää tapahtua. Siksi on hyvä, etteivät kaikki munat ole samassa korissa. Itselleni yritysten analysointi on myös mielenkiintoista puuhaa ja valintojen onnistumisen vertailu esim. ammattilaisten hoitamiin rahastoihin tuo viihdettä harrastukseen.

Itse aloitin sijoittamisen Auvo Arvuuttelijan tyyliin roiskimalla osakesijoituksia vajaavaisilla tiedoilla vähän sinne ja tänne. Näin jälkikäteen katsottuna toimin siis hölmösti, mutta oleellisinta oli että jostain aloittamalla pääsin vauhtiin oppimisprosessissa. Nykyinen sijoitusstrategiani on sekoitus Hannelesta ja Toukosta. Joka kuussa menee automaattisesti pieni sijoitus pohjoismaisiin indeksirahastoihin. Lisäksi teen silloin tällöin suoria osakeostoksia hyvin huolellisesti valikoituihin yrityksiin. Sekä Martin Paasin että Mika Hyttisen opit ovat siis aktiivisesti käytössä.

Tavoite on lopettaa indeksisijoitukset sitten kun tunnen olevani riittävän hyvä yritysten analysoimisessa. Vielä kuitenkin säännölliset indeksiostot suojaavat vajaavaista tietämystäni ja ajankäyttörajoitteitani vastaan.

Ymmärrys on oleellisinta

Sattuma on pohjimmiltaan tiedon puutetta, niinkuin aiemmassa postauksessa havainnollistin. Tietoa voi hankkia aina lisää, jos jaksaa nähdä vaivaa ja tiedon puutetta voi jonkin verran paikata hajauttamalla riskejä. Valitsitpa sitten vaivattoman tai työlään strategian, olellisin neuvo kuuluu: ”Ymmärrä, mihin sijoitat”. Jos valitset osakkeita, perustele itsellesi: ”Miksi yrityksen myymän tuotteet/palvelut käyvät kaupaksi vielä vuosienkin päästä ja miksi juuri tämä yhtiö hoitaa homman kilpailijoitaan paremmin?”

Indeksisijoittajankin on syytä ymmärtää, minkälaisista yrityksistä indeksi pääasiassa koostuu. Esim. Norjan yleisindeksiin sijoittavan on hyvä ymmärtää olevansa vahvasti mukana öljybisneksessä.

Pankin aktiivisesti hoidettuihin rahastoihin luottavien taas pitäisi selvittää: ”Miksi juuri tämä salkunhoitaja kykenee tuottamaan minulle kulujaan enemmän lisäarvoa tulevaisuudessakin verrattuna indeksisijoittamiseen?”. Tämän selvittäminen voi olla kaikista vaikein haaste.

Statistickon steesit:

  • Osakesijoittamisen riskiä voi pienentää tutkimalla yritystä syvällisesti tai hajauttamalla useaan mahdollisimman vähän toisistaan riippuvaan kohteeseen
  • Mitä enemmän pystyy käyttämään aikaa ns. laatuyhtiöiden tunnistamiseen ja niiden arvonmääritykseen sitä enemmän kannattaa sijoituksia niihin keskittää
  • Indeksirahastot ovat vaivaton ja kuluiltaan edullinen tapa hajauttaa osakesijoitukset
  • Tärkeintä on ymmärtää, mistä sijoituksen mahdolliset tuotot tulevat ja mitkä ovat siihen liittyvät riskit
Facebooktwittergoogle_plusredditpinterestlinkedinmail

Kärjistyvät näkemykset

Ihmisen aivot on ohjelmoitu vetämään härskisti muutaman havainnon perusteella syy-seuraus yhteyksiä. Itse työskentelen päivittäin satunnaisvaihtelun ymmärtämisen parissa. Mutta annas olla kun vaihdan vapaalle ja vähän rentoudun niin muutaman tuopillisen jälkeen alkaa jutuissani näkymään riippuvuussuhteita siellä sun täällä yksittäisiin esimerkkeihin nojaten: ”Alkulämmittely urheilussa on vaan haitaksi. Itsekin pelasin urani parhaan futsal-pelin silloin Ristiinassa kun huonon ajokelin takia ei keretty lämmittelemään ollenkaan.” Eikä siinä mitään, näin syntyy tarinoita ja legendoja. Elämä ympärivuorokautisena satunnaisvaihteluintoilijana olisi todella tylsää.

angryVaarallisemmaksi tilanne muuttuu, kun mukaan astuvat vahvat poliittiset ideologiat. Olet ehkä jo saavuttanut ajatuksillesi jonkinlaista kannatusta, etkä halua kannattajiesi silmissä leimautua ”takin kääntäjäksi”. Alitajuntasi alkaa rekisteröimään vain aiempia näkemyksiä tukevia havaintoja ja vastakkaista näkemystä tukevat havainnot humahtavat ohi niin että tukka hulmuaa. Ehkä SoMe:ssakin kaveripiiri alkaa koostumaan vaan saman ideologian jakajista ja toisenlaiset näkemykset blokataan sekopäisten hourailuna. Sinulla on kansantalouden tutkimuksista löytynyt oma suosikkisi, johon voit viitata kohdatessasi vasta-argumentteja. Mutta hetkinen, vastapuolellakin on viittaus tieteelliseen artikkeliin, jolla hän perustelee omaa näkemystään. Mitä ihmettä, onko koko tiedemaailmakin sekaisin?

Totuus hahmottuu vähitelleen

Vaikka maailmassa on paljon tutkijoita, joilla on vaikeuksia käsitellä todennäköisyyksiä ja joissain tiedelehdissä on kehnoja julkaisukriteerejä, niin suuressa mittakaavassa tiede tekee oikeita asioita. Taistelu totuuden löytämiseksi sattuman sekoittamassa maailmassa on vaan kovaa hommaa.

Matematiikassa tai fysiikassa voi olla mahdollista todistaa uusi tutkimuslöydös yhdellä tutkimuksella aukottomasti todeksi. Suurimmalle osalle ihmisistä olennaisempia ovat kuitenkin ”pehmeämmät” tieteet kuten yhteiskuntatieteet ja niissä on pakko turvautua havaintoihin. Tilastotiede kehittää tutkimusmenetelmiä eri soveltavien tieteiden tarpeisiin, mutta monet perinteiset menetelmät toimivat täydellisesti vain satunnaistettujen kokeiden (satunnaisesti valittu koeryhmä ja vertailuryhmä) yhteydessä. Hienostuneemmat menetelmät ovat taas useille tutkijoille matemaattisesti liian monimutkaisia.

Poliittisesti herkässä kansantaloustieteessä satunnaistetut kokeet ovat harvoin mahdollisia. Vai miltä kuulostaa seuraava koe: Rakennetaan Suomeen kolme uutta samankaltaista asuinaluetta ja arvotaan tuhansia ihmisiä (tarvittaessa pakkosiirretään) asumaan kuhunkin kymmeneksi vuodeksi. Yhdessä alueessa käytetään nykyistä sosiaaliturvajärjestelmää, toisessa perustuloa ja kolmannessa ei ole sosiaaliturvaa ollenkaan. Näin voitaisiin saada helposti tieteellistä näyttöä eri tulonsiirtomekanismien toimivuudesta, mutta lienee selvää miksei tällaisia kokeita voida järjestää. Satunnaiskokeiden puutteen takia taloustieteen tutkimukset ovat herkkiä sille, kuinka kaikki oleelliset taustatekijät on huomioitu. Tästä hyvä esimerkki on edellinen kirjoitukseni tuloeroista.

Kun soppaan lisätään vielä muu totuuden etsimiseen liittyvä hankalasti kontrolloitava satunnaisuus (aiemassa kirjoituksessani tätä on yritetty avata) niin ei ole mikään ihme että yksittäiset tutkimukset voivat saada toisistaan vastakkaisia tuloksia. Tiede onkin jatkuvasti kehittyvä prosessi. Vasta kun vuosien varrella useimmat toisistaan riippumattomat tutkimukset alkavat saada samankaltaisia tuloksia, voidaan alkaa puhumaan yleisestä totuudesta.

Radikalisoituminen

radikaali_graafi2Ikävä puoli tässä kaikessa on, että erilaiset ideologiset ryhmittymät vahvistavat valikoiden omia näkemyksiään ja alkavat sitten käymään täysin tarpeetonta vihanpitoa toisiaan kohtaan. Loppupelissä kyse on vain satunnaisvaihtelusta, josta ryhmittymät ovat ajautuneet näkemään vain toisen puolen. Jottei tämäkään kirjoitus jäisi ilman jotain tilastollista käppyrää, piirsin kuvaajan hahmottamaan ilmiötä. Totuus kiistanalaisesta asiasta on jakauman keskellä, mutta sen havaitsemiseen liittyy satunnaisuutta ja ryhmät rekisteröivät vain toista puolta ja etsivät sitä tukevia yksittäisiä tutkimuksia.

Esimerkiksi keskellä voisi olla totuus ”Virkamiehet ovat keskimäärin yhtä fiksuja ja rehellisiä kuin muutkin ihmiset” (en tiedä, pitääkö oikeasti paikkansa). Musta käyrä kuvaa, yksittäisiin virkamiehiin liittyvää vaihtelua todellisuudessa ja pallerot kansalaisten havaintoja heistä. Mitä oikeammalla vaakasuunnassa pallero sijaitsee, sitä pätevämpi havaittu virkamies on. Nyt siniseeen porukkaan kuuluvat ovat kohdanneet tai muuten vaan mielikuviin rekisteröineet esimerkkejä korruptoituneista ja epäpätevistä tapauksista. Punainen porukka on taas rekistenöinyt havaintoja lähinnä fiksuimmista ja rehdimmistä kavereista. Punaisilla ja sinisillä saattaa olla tämän jälkeen pientä erimielisyyttä siitä, kuinka paljon virkamiehillä pitää olla valtaa.

Asiaa ei helpota yhtään, että nykypäivänä netin keskustelukanavat vilisevät trolleja, joiden päämääränä on lisätä hämmennystä ja media kilpailee klikkauksista ylidramatisoivilla sekä harhaanjohtavilla otsikoilla. Otsikon harhaanjohtavuus on helppo huomata, kun kyse on itselle ennalta tutusta aiheesta. Vieraasta aiheesta taas harhaa emme tunnista vaan muodostamme omaa todellisuutta näiden ”havaintojen” perusteella.

Mennyt vuosi on ollut kriisipitoinen ja kotimaan poliittisessa keskusteluissa ovat olleet tunteet pinnassa. Ainakin julkinen keskustelu menee liian helposti asia-argumentoinnin sijaan henkilökohtaisuuksiin ja vastapuolen syyttelyyn ”kuplassa elämisestä”. Kannustan kaikkia ensisijaisesti pohtimaan, mistä oma kupla muodostuu. Kaikilla meillä sellainen on.

Esimerkkiä pelkkään toisen osapuolen vääriin näkemyksiin keskittymiseen tarjoavat eduskunnan televisioitavat istunnot. Näitä katsoessa on kuitenkin hyvä muistaa, että vaikka edustajat TV-kameroiden ollessa päällä vetävät tunteenpalossa roolejaan, eduskunnan käytäviltä kantautuvien huhujen perusteella useimmat näistä ”ammattiräyhääjistä” pystyvät ihan asiallisesti kahvipöydissä keskustelemaan kameroiden ollessa kiinni. Istuntosalissakin on ainakin näin joulun aikaan merkkejä vähemmän kiihkeästä suhtautumisesta omiin rooleihin ainakin tämän pätkän perusteella.

Yhteistyöllä eteenpäin

Maailman muuttuessa talouteen tulee ajoittain shokkeja ja vaikeita aikoja, mutta yhteistyöllä varmasti pääsemme niistä yli. Me tarvitsemme toisiamme:

  • Ilman riskiä kantavia yritysten omistajia ei duunareilla ole töitä ja ilman ahkeria duunareita ei yrityksissä tapahdu mitään.
  • Ilman liiketoiminnan (ALV, palkat ja voitot) generoimia verorahoja sekä yrittämällä rikastuneiden säätiöitä ei tutkimukselle löytyisi rahoitusta. Toisaalta ilman laadukasta tutkimusta kuluttajat jäisivät paitsi monien innovaatioiden hyödyistä, eivät tietäisi mikä on terveydelle hyväksi ja yrityksillä ei olisi kaikkea tehostavaa teknologiaa käytössään.
  • Ilman yksityisen sektorin generoimia verorahoja ei julkisen sektorin työntekijöille voisi maksaa palkkoja, mutta ilman julkisen sektorin tarjoamaa turvallisuutta ja koulutusta olisi yhteiskunta aika kehno paikka yrittää ja etsiä päteviä työntekijöitä.

Haloo Helsingin säkeiden myötä haluan toivottaa lukijoille rauhaisaa joulua ja avarakatseista uutta vuotta!

Facebooktwittergoogle_plusredditpinterestlinkedinmail

Menneisyyden ruotiminen

Tuleeko mieleen tilanteita, joissa on tullut ruodittua omia valintoja jälkikäteen ankaraan sävyyn? Esimerkiksi seuraavaan tyyliin:

”Lähdin treffeille Kertun, enkä Venlan kanssa. Kerttu osoittautui alkuhuuman jälkeen ääliöksi ja Venlalla on nyt poikaystävä. Miten olinkaan niin idiootti, etten aikanaan valinnut Venlaa?”

”Sijoitin Talvivaaran osakkeisiin, koska työkaverikin sijoitti ja nyt hävisin rahani konkurssissa. Eiköhän se ole parempi ettei meikäläinen sijoita koskaan enää yhtään mihinkään”

Elämä on sattumien summa

Yleensä emme voi tietää lopputulosta, mikäli olisimme toimineet toisin. Ashton Kutcherin tähdittämä elokuva Perhosvaikutus leikittelee ajatuksella, että voisi palata menneisyyteen toimimaan erilailla kuin tuli toimittua. Termi ”perhosvaikutus” viittaa kaaosteoriaan, minkä kuuluisa esimerkki on Brasilialainen perhonen, jonka siivenisku saa aikaan ilmavirtauksissa ketjureaktion, mikä monen sattuman kautta voisi aiheuttaa myrskyn Teksasissa. Ashtonin roolihahmo palaa menneisyyteen auttamaan lähimmäistään, mutta tästä toiminnasta alkaneesta tapahtumaketjusta seuraa aina monen sattumuksen kautta paljon pahempi onnettomuus jollekin toiselle läheiselle. Myöskään parinvalintaesimerkissämme emme voi tietää kuinka suhteessa Venlan kanssa olisi käynyt. Ehkä suhde olisi päättynyt itsetunnon sekä rahojen menettämiseen ja tilanne olisi nyt nykyistä huonompi. Onneksi Kerttu ja Venla eivät ole maailman ainoita naisia.

Informaation hyödyntäminen

Kuinka menneitä tulisi sitten ruotia? Mielestäni kannattaa keskittyä pohtimaan seuraavaa:

Olisiko sinulla päätöstä tehdessä ollut käytettävissä enemmän informaatiota, mikä olisi auttanut tekemään toisenlaisen ratkaisun?

  1. Ei, ainakaan kovin helposti. Teit silloin käytettävissä olevilla tiedoilla todennäköisesti parhaan ratkaisun, mutta kävi huono tuuri. Mene eteenpäin!
  2. Kyllä, mutta unohtui hyödyntää. Muista ensi kertaa vastaavassa tilanteessa hyödyntää käytettävissä oleva informaatio hieman huolellisemmin. Mutta hei, olet nyt yhtä kokemusta viisaampi ja vahvempi tulevaisuutta ajatellen. Mene siis eteenpäin!

Uutta matoa koukkuun

Totaalinen luovuttaminen ja piiloutuminen poteroon yhden ikävän sattumuksen takia ei johda mihinkään. Jokaisen menestystarinan takana on lukuisia epäonnistumisia. Niitä kutsutaan oppirahoiksi. Talvivaaran osakkeissa olen itsekin hävinnyt rahaa ja siitä tullut oppi voisi mennä seuraavasti: ”Aloitetaan sittenkin sijoittamaan osingonmaksukykynsä todistaneisiin firmoihin, joiden liiketoiminta on helpompi ymmärtää. Sitten kun omaisuus ja kokemus on hieman karttunut voi ehkä tehdä pienen kokeilun alkuvaiheen riskibisnekseen, jonka liikevoitot ovat vasta haavenumeroita PowerPoint-kalvolla”

Perhosvaikutuksessa Ashton Kutcherin esittämä päähenkilö tekee lopussa stopin menneisyyden jossittelulle jatkamalla vaan matkaa nähdessään kadulla elämän toisen skenaarion suuren ihastuksen. Eli menee eteenpäin.

Statistickon steesit:

  1. Elämä on niin monen sattuman summa ettemme voi varmaksi tietää, mihin olisimme päätyneet erilaisilla valinnoilla
  2. Epäonnistumisen jälkeen on tärkeintä mennä entistä vahvempana eteenpäin informaatiota paremmin hyödyntäen
  3. Muista iloita niistä positiivisista sattumuksista mitä on tapahtunut

”Jos käännyt katsomaan
taaksesi, näetkö silloin eteen”

Tulivuoria – Pariisin Kevät

Facebooktwittergoogle_plusredditpinterestlinkedinmail

Useat tulonlähteet

Vossikka

Vossikka

Teknologia kehittyy ja maailma muuttuu kokoajan. Taxi-kuskit ovat tällä hetkellä huolissaan työpaikkojensa puolesta ja protestoivat Uber-kuskeja vastaan. Muistaakohan kukaan, että taxi-autoilijoiden ammattikunta on aikoinaan kaapannut markkinat vossikkakuskeilta?

 Useat tulonlähteet tulevaisuuden turvana

Kehitykseen kuuluu luonnollisena se, että joillekin töille on jatkossa vähemmän tarvetta ja tilalle tulee uusia ammatteja. Koska elämme sattuman sekoittamassa maailmassa, on vaikea ennustaa, mikä on oman nykyisen ammattiosaamisen kysyntä 10 vuoden päästä.

Kannatan ajatusta, että olisi hyvä olla useita tulonlähteitä, jolloin on paremmin suojautunut maailman muutoksien tuomia riskejä vastaan. Helpoin tapa sivutienesteille, mikä itselleni tulee mieleen, on aloittaa säännöllinen sijoittaminen vähäkuiluisiin indeksirahastoihin ja päästä näin käsiksi passiivisiin sijoitustuloihin. Tästä löytyy esimerkki edellisestä postauksestani. Toisille taas sopii paremmin asuntosijoittaminen, mikä tosin vaatii hieman enemmän aktiivisuutta ja isompaa kertasijoitusta.

Menestyspotentiaalin ja itsensä kehittämisen puolesta houkuttelevin vaihtoehto on yrityksen perustaminen ja pyörittäminen palkkatyön ohessa. Nykypäivänä verkkokaupan pystyttäminen ei edes vaadi kovin suuria alkuinvestointeja. Oma yrittäjätaipaleeni alkoi aikoinaan tällaisen verkkokaupan merkeissä. Tosin aikaa joutuu jostakin repimään ja yrittäminen usein kannattaakin aloittaa yhdessä luotettavan kumppanin kanssa, että saa työtaakkaa sekä ajatuksia jaettua.

Moni varmasti ajattelee, että sekä sijoittaminen että yrittäminen on riskialtista. Tottahan se on, mutta omasta mielestäni on vielä riskialttiimpaa, jos koko elämä roikkuu yhden työpaikan varassa. Suomessa sosiaaliturva tuo kyllä toimeentulon puolesta riittävän turvan yhden työn vakituisille työntekijöille, mutta riskinä on oman elämän päätäntävallan valuminen työnantajan ja sosiaaliviranomaisten käsiin. Pomolla on aina valta antaa potkut, mutta sivubisnes antaa myös työntekijälle vallan siirtyä satsaamaan omaan bisnekseen jos tuntuu, että pitää päästä vaihtamaan maisemaa.

Omat tulonlähteeni

Itselläni tulojen jakautuminen on hieman mennyt överiksi. Laskeskelin, että viimeisen kolmen vuoden aikana kuudella eri tulonlähteellä on ollut jonkinlainen rooli itseni elättämisessä. Jonkinlainen fokusoituminen voisi olla jatkossa paikallaan. Nyt kesäloman kynnyksellä olenkin vähän pureskellut menneiden vuosien bisneksieni hyviä ja huonoja puolia.

1. Yrittäjyys

Yrittäjänä on mahdollisuus saavuttaa oikeasti jotain merkittävää. Se tuo mahdollisuuden työllistää ja olla tärkeä palanen yhteiskuntaa. Vastuu on myös iso eikä virheitä voi täysin välttää. Mutta tyytyväisen asiakkaan palaute korvaa kyllä helposti pettymysten hetket. Saimme juuri Statistin kotisivut uuteen uskoon ja tällä ilmeellä lähdemme ottamaan selvää, missä ensi syksynä data-analyysiosaaminen kohtaa maailman tarpeet.

2. Sijoittaminen

Sijoittaminen avaa portit passiivisille osinko/vuokratuloille. Tämä mahdollistaa haaveen ”taloudellinen riippumattomuus jo ennen virallista eläkeikää” saavuttamisen. Tosin huonolla riskienhallinnalla ja tunteiden vallassa elämisellä sijoittaminen voi myös tärvellä oman talouden. Sijoittaminen tarjoaa analyyttisia haasteita ja omia tuloksiaan voi vertailla tunnettujen ”gurujen” kanssa. Erityisesti osakesijoittaminen on avannut silmät siitä, mitä ympärillä maailmassa oikeasti tapahtuu. Se on myös motivoinut ottamaan selvää historiasta, mikä taas luo pohjaa mielenkiintoisille keskusteluille erilaisten ihmisten kanssa. Sijoittaminen tulee taatusti olemaan vahvasti mukana elämässäni jatkossakin.

3. Akateeminen tutkimus

Tällä hetkellä en ole mukana aktiivisesti missään akateemisessa tutkimuksessa. Olen ollut hieman kriittinen tieteellisten artikkeleiden julkaisuprosesseja kohtaan, mutta ne vaikuttavat kehittyvän parempaan suuntaan. Tiedon kaivaminen sekä jakaminen on lähellä sydäntäni ja olen edelleen avoin mielenkiintoisille tutkimuskohteille.

4. Urheiluvedonlyönti

Urheilu on aina ollut läheinen osa elämääni ja siihen liittyvä data-analyysi on kiehtovaa. Vuosikymmen sitten rahan tekeminen nettivedonlyönnissä onnistui vähän yksinkertaisemmallakin matematiikalla, mutta nykypäivänä tehostuneilla markkinoilla analyysitaidot joutuvat tositestiin. Nostankin nöyrästi hattua niille, jotka elättävät itsensä pelkällä vedonlyönnillä ilman sisäpiiritietoa. Itselläni rahkeet riittävät tällä hetkellä vain tiettyjen erikoistilanteiden ja itseäni viisaampien näkemyksen hyödyntämiseen. Vedonlyöntiharrastukseen liittyy matsin katsomiseen yhdistettynä elämyksiä tuova jännitysmomentti ja aionkin pitää sen mukana harrastuksena ilman isoja tuotto-odotuksia. Jokainen plussamerkkinen euro on kotiinpäin.

5. Nettipokeri

Pokerin pelaaminen (itselläni nopeat ”sit and go” -turnaukset) tyydyttää kilpailuviettiä ja pelaamiseen keskittyminen on erinomainen tapa tyhjentää päätä kaikesta muusta epämääräisestä hälinästä. Menestys ei kuitenkaan ole ollut enää viime vuosina huipputasolla. Edellisen kolmen vuoden sijoitetun pääoman tuotto on +0.8 %. Se ei ole riittävä korvaus stressistä, mikä tulee pokeritulojen hurjasta vaihtelusta. Nettipokeri on myös yksinäistä ja isoina annoksina puuduttava harrastus, enkä halua tehdä sitä niin paljon että nykyisellä tuotto-odotuksella vuositulot olisivat varmasti positiiviset (todennäköisyys tehdä neljän tuhannen vuosittaisella turnaustahdilla ja 0.8 % tuotto-odotuksella positiivinen vuositulos on vain 62 %). Trendi vaikuttaa olevan, että vastustajien taso vaan kovenee vuosi vuodelta, joten ilman huomattavia satsauksia lisäkouluttautumiseen ei omassa tapauksessani ole kyse kovin kannattavasta bisneksestä.

En olevielä valmis ripustamaan korttipakkaa täysin naulaan, mutta jatkossa keskitän pelaamisen vain aikoihin kun tuotto-odottama on väliaikaisesti poikkeuksellisen korkea esim. pelifirman tarjoaman bonuksen vuoksi.

6. Tilastotieteeen opetus yliopistokurssilla

Perusasioiden opettaminen on varsin helppo työ, kun materiaalit ja prosessit ovat vuosien varrella kehittyneet toimiviksi. Kolikon kääntöpuolena työ tulisi jatkossa olemaan samojen asioiden ”jankkaamista” eikä kehittäisi itseäni eteenpäin. Niinpä päätin nyt keväällä luopua kurssin vetämisestä tällä erää.

Yhteenveto

Useampi tulonlähde helpottaa selviytymisestä elämän yllättävistä käänteistä ja ylläpitää oman elämän valinnanvapautta. Ajanhallinta on kuitenkin vaikeaa, jos erilaisia tulonlähteitä yrittää haalia liikaa. Itse aion jatkossa keskittyä enemmän yrittämiseen ja sijoittamiseen sekä vähemmän pokerinpelaamiseen ja opettamiseen. Näin uskon myös vapautuvan enemmän aikaa hyvinvoinnin ylläpitämiseen ja sosiaaliseen elämään.

Facebooktwittergoogle_plusredditpinterestlinkedinmail