{"id":8,"date":"2022-10-12T13:00:29","date_gmt":"2022-10-12T10:00:29","guid":{"rendered":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/?p=8"},"modified":"2022-10-12T13:34:29","modified_gmt":"2022-10-12T10:34:29","slug":"onko-maailma-lineaarinen","status":"publish","type":"post","link":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/onko-maailma-lineaarinen\/","title":{"rendered":"Onko maailma lineaarinen?"},"content":{"rendered":"

Marcos Lopez de Prado toteaa kirjansa Advances in Financial Machine Learning<\/em> johdannossa (vapaa suomennos): \u201cMinulla ei ole ep\u00e4ilyst\u00e4k\u00e4\u00e4n, ekonometria on ensisijainen syy, miksei rahoituksen ja taloustieteen tutkimus ole sanottavasti kehittynyt viimeisen 70 vuoden aikana.\u201d.<\/em> Voimakas mielipide, osin varmasti liioiteltukin, mutta todenn\u00e4k\u00f6isesti Lopez de Prado tiet\u00e4\u00e4 mist\u00e4 puhuu omatessaan vuosikymmenten kokemuksen n\u00e4iden alojen k\u00e4yt\u00e4nn\u00f6st\u00e4 ja akateemisesta tutkimuksesta.<\/p>\n

Mit\u00e4 on ekonometria? Kysymyksess\u00e4 on tilastotieteest\u00e4 omaksi tieteenalakseen erkaantunut haara, jota k\u00e4ytet\u00e4\u00e4n rahoituksen, taloustieteen ja laskentatoimen tutkimuksessa. Keskeinen piirre ekonometriassa on oletus, ett\u00e4 kaikki ilmi\u00f6t voidaan mallintaa lineaarisesti. Eli yksinkertaistettuna ilmi\u00f6 voidaan kuvata suoran avulla. Toki t\u00e4st\u00e4 on joitain poikkeuksia, mutta v\u00e4itt\u00e4isin ett\u00e4 yli 90 % tutkimuksista k\u00e4ytt\u00e4\u00e4 lineaarisia malleja.<\/p>\n

Mutta onko maailma lineaarinen? Ja erityisesti, onko rahoituksen, taloustieteen ja laskentatoimen tutkimusalaan kuuluvat ilmi\u00f6t lineaarisia? Oikeastaan jokainen meist\u00e4, joka harrastaa jotain, tiet\u00e4\u00e4 t\u00e4h\u00e4n vastauksen. Oli harrastus mik\u00e4 hyv\u00e4ns\u00e4, kun olet hankkimassa siihen v\u00e4lineit\u00e4, n\u00e4iden hinta ei todellakaan kasva lineaarisesti. Aluksi lis\u00e4euroilla saa mukavasti paremmat v\u00e4lineet, mutta sitten parantuminen hidastuu ja koko ajan saa ly\u00f6d\u00e4 enemm\u00e4n euroja p\u00f6yt\u00e4\u00e4n saadakseen pienen parannuksen v\u00e4lineen ominaisuuksiin. N\u00e4m\u00e4 samat piirteet toistuvat my\u00f6s rahoituksen, taloustieteen ja laskentatoimen tutkimuskohteissa.<\/p>\n

Maailma ei todellakaan ole lineaarinen. Mutta onko siit\u00e4 haittaa? Voisiko ajatella, ett\u00e4 lineaarisella mallilla saadaan riitt\u00e4v\u00e4n tarkkaan kuvattua tutkimuksen kohteena oleva ilmi\u00f6. Valitettavasti n\u00e4ytt\u00e4\u00e4 silt\u00e4, ett\u00e4 ei. L\u00e4ht\u00f6kohtaisesti teoreettisessa tutkimuksessa, siis sellaisessa, joka pyrkii rakentamaan jonkinlaisen selitt\u00e4v\u00e4n teorian havaitulle ilmi\u00f6lle, mallin pit\u00e4isi vastata mahdollisimman tarkkaan tarkasteltavan ilmi\u00f6n \u201dmekaniikkaa\u201d. Jos t\u00e4m\u00e4 mekaniikka ei ole lineaarinen, malli ei toimi ja teoriat ovat huonoja. Lis\u00e4ksi aivan viime aikoina on julkaistu tutkimuksia, joissa simuloinneilla on voitu osoittaa, miten vaarallista on mallintaa lineaarisilla malleilla ep\u00e4lineaarisia ilmi\u00f6it\u00e4. On mahdollista, ett\u00e4 seurauksena saadaan merkitt\u00e4vi\u00e4 yhteyksi\u00e4 muuttujille, joilla ei todellisuudessa ole mit\u00e4\u00e4n tekemist\u00e4 ilmi\u00f6n kanssa. T\u00e4m\u00e4 on \u00e4\u00e4rimm\u00e4isen huolestuttava l\u00f6yt\u00f6, koska hyvin suuri osa n\u00e4iden alojen tutkimuksesta keskittyy etsim\u00e4\u00e4n yhteyksi\u00e4 eri muuttujien v\u00e4lill\u00e4. Esimerkiksi etsit\u00e4\u00e4n, mitk\u00e4 yrityksen ominaispiirteet vaikuttavat sen suorituskykyyn.<\/p>\n

Ent\u00e4 jos suurin osa n\u00e4ist\u00e4 aiemmin l\u00f6ydetyist\u00e4 yhteyksist\u00e4 ei olekaan todellisia, vaan seurausta lineaarisen mallin k\u00e4yt\u00f6st\u00e4 ep\u00e4lineaarisen ilmi\u00f6n selitt\u00e4miseen? T\u00e4m\u00e4n takia ekonometrisen tutkimuksen olisi t\u00e4rke\u00e4\u00e4 siirty\u00e4 suosimaan ep\u00e4lineaarisia malleja. Aikaisemmin niiden k\u00e4ytt\u00f6 oli vaikeaa, koska tyypillisesti kysymyksess\u00e4 oli erilaiset koneoppimismallit, jotka ovat hyvin vaikeita tulkita. Ennusteet ovat ensiluokkaisia, mutta mallista on vaikeaa todeta, miten eri muuttujat vaikuttavat t\u00e4h\u00e4n ennusteeseen.<\/p>\n

Edell\u00e4 mainittuun ongelmaan on kuitenkin koneoppimismallien tutkimus tuonut viime aikoina muutoksen, ja erilaisilla explainable AI -menetelmill\u00e4 on nyky\u00e4\u00e4n mahdollista tulkita monimutkaiset koneoppimismallit kuten lineaariset mallit. T\u00e4ten mahdollisuus tehd\u00e4 tutkimusta niin, ett\u00e4 saadaan selville todelliset rakenteet ja muuttujien vaikutukset tarkasteltavana olevaan ilmi\u00f6\u00f6n ovat huomattavasti parantuneet. Valitettavasti kyseisten alojen tutkijayhteis\u00f6 on hyvin konservatiivista ja siirtyminen pois satoja vuosia k\u00e4yt\u00f6ss\u00e4 olleista lineaarisista malleista on hyvin hidasta.<\/p>\n

Mikko Ranta<\/a><\/p>\n

Kirjoittaja ty\u00f6skentelee tutkijatohtorina (tenure track) Laskentatoimen ja rahoituksen yksik\u00f6ss\u00e4 sek\u00e4 Digital Economy -tutkimusalustalla.\u00a0<\/em><\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Marcos Lopez de Prado toteaa kirjansa Advances in Financial Machine Learning johdannossa (vapaa suomennos): \u201cMinulla ei ole ep\u00e4ilyst\u00e4k\u00e4\u00e4n, ekonometria on ensisijainen syy, miksei rahoituksen ja taloustieteen tutkimus ole sanottavasti kehittynyt viimeisen 70 vuoden aikana.\u201d. Voimakas mielipide, osin varmasti liioiteltukin, mutta todenn\u00e4k\u00f6isesti Lopez de Prado tiet\u00e4\u00e4 mist\u00e4 puhuu omatessaan vuosikymmenten kokemuksen n\u00e4iden alojen k\u00e4yt\u00e4nn\u00f6st\u00e4 ja akateemisesta […]<\/p>\n","protected":false},"author":161,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[11,1],"tags":[10,7,9,8],"class_list":["post-8","post","type-post","status-publish","format-standard","hentry","category-data-economy","category-yleinen","tag-datatalous","tag-ekonometria","tag-koneoppiminen","tag-lineaarisuus"],"acf":[],"post_meta":" Digital Economy<\/a><\/span><\/span>DATA ECONOMY<\/a> YLEINEN<\/a><\/span>","post_thumbnail":null,"_links":{"self":[{"href":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/wp-json\/wp\/v2\/posts\/8"}],"collection":[{"href":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/wp-json\/wp\/v2\/users\/161"}],"replies":[{"embeddable":true,"href":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/wp-json\/wp\/v2\/comments?post=8"}],"version-history":[{"count":5,"href":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/wp-json\/wp\/v2\/posts\/8\/revisions"}],"predecessor-version":[{"id":15,"href":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/wp-json\/wp\/v2\/posts\/8\/revisions\/15"}],"wp:attachment":[{"href":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/wp-json\/wp\/v2\/media?parent=8"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/wp-json\/wp\/v2\/categories?post=8"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blogs.uwasa.fi\/digitaleconomy\/wp-json\/wp\/v2\/tags?post=8"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}