Es neatstāju finanses, lai pārietu uz pilnīgi citu jomu. Es papildinu savu finanšu pieredzi ar matemātiku, statistiku un programmēšanu. Mans mērķis ir dziļāk izprast finanšu jautājumus un rūpīgāk pārbaudīt idejas.
Šis process vēl turpinās. Es turpinu strādāt finansēs, gatavojos turpmākām studijām un apgūstu prasmes, kas būs vajadzīgas kvantitatīvajā pētniecībā.
Kāpēc sāku ar finansēm
Latvijas Universitātē ieguvu profesionālo bakalaura grādu finanšu vadībā. Studijas man palīdzēja saprast, kā savstarpēji saistīti finanšu pārskati, ieguldījumi, plānošana un uzņēmuma darbība.
Šāds domāšanas veids joprojām ir svarīgs manā darbā. Finanšu modelis nav tikai formulu kopums. Tas parāda, kā pieņēmumi par ieņēmumiem, izmaksām, investīcijām, finansējumu un naudas plūsmu ietekmē gala rezultātu.
Bakalaura darbā analizēju UCITS ETF, izmantojot slīdošos vidējos. Darba aizstāvēšanā saņēmu augstāko vērtējumu. Darbs pie pētījuma man parādīja, ka pat labi pazīstama tēma kļūst sarežģīta, ja ir jādefinē metode, tā konsekventi jāizmanto un skaidri jāpasaka, ko rezultāti pierāda un ko nepierāda.
Ko izklājlapas dara labi un kur parādās to ierobežojumi
Izklājlapas joprojām ir viens no galvenajiem rīkiem manā finanšu analītiķa darbā. Es tās izmantoju modeļu veidošanai, prognozēm, plāna un fakta salīdzināšanai un pārskatu sagatavošanai.
Tās labi darbojas, ja uzdevums ir skaidri definēts un loģikai ir viegli izsekot. Problēmas sākas, kad pieaug datu apjoms, vienas un tās pašas darbības jāatkārto daudzas reizes vai modeli kļūst grūti pārbaudīt. Manuāls darbs palielina arī kļūdu risku.
Tas mani vairāk ieinteresēja modeļa pamatstruktūrā. Vēlējos saprast, kuri mainīgie ir svarīgi, kā attēlot nenoteiktību un kā vienu un to pašu analīzi atkārtot ar citiem datiem.
Kāpēc man vajadzīga matemātika un statistika
Matemātika palīdz skaidri aprakstīt sakarības. Statistika palīdz novērtēt, ko var secināt no nepilnīgiem vai trokšņainiem datiem.
Finansēs skaitli bieži ir vieglāk iegūt nekā izskaidrot. Prognoze var būt loģiski pareiza, bet tomēr neuzticama. Vēsturiska sakarība var būt redzama vienā periodā un pazust citā. Modelis var labi aprakstīt pagātni, bet nebūt noderīgs nākotnes lēmumiem.
Tāpēc gatavojos studijām matemātikas un datu zinātnes, kā arī finanšu ekonomikas programmās. Pirmā programma padziļinās manas zināšanas matemātikā, statistikā un skaitļošanā. Otrā saglabās ciešu saikni ar ekonomikas un finanšu jautājumiem.
Kāpēc mācos Python un R
Līdztekus matemātikai un statistikai padziļinu Python un R zināšanas. Mērķis nav vienkārši papildināt programmēšanas valodu sarakstu. Vēlos iemācīties pārvērst analīzi procesā, kuru var pārbaudīt, atkārtot un uzlabot.
Python ir noderīgs datu sagatavošanai, aprēķinu automatizēšanai un analītisku darba procesu veidošanai. R ir īpaši noderīgs statistiskajā analīzē un vizualizācijā. Abos gadījumos metodes kvalitāte ir svarīgāka par sintaksi.
Reāli dati reti ir pilnīgi sakārtoti. Definīcijas var atšķirties, novērojumi var trūkt un dažādi avoti vienu mainīgo var reģistrēt atšķirīgi. Tāpēc datu tīrīšana un pārbaude ir daļa no pašas analīzes.
Finanšu pieredzes apvienošana ar kvantitatīvām metodēm
Finanšu pieredze palīdz saprast kontekstu. Tā ļauj novērtēt, vai datos redzama sakarība var būt saistīta ar grāmatvedības principiem, tirgus struktūru, finansēšanas lēmumiem vai īslaicīgu ekonomisko situāciju.
Ar kontekstu vien nepietiek. Arī ticams skaidrojums ir jāpārbauda. Kvantitatīvās metodes liek skaidri definēt mainīgos, pieņēmumus un noteikumus. Rezultāts var apstiprināt sākotnējo ideju, to mainīt vai parādīt, ka pierādījumu ir par maz.
Pieeja, pie kuras strādāju, ir vienkārša. Finanšu zināšanas palīdz izvēlēties noderīgus jautājumus. Matemātika palīdz tos aprakstīt. Statistika palīdz novērtēt pierādījumus. Programmēšana ļauj darbu vieglāk atkārtot un pārbaudīt.
Ko daru pašlaik
Turpinu strādāt par finanšu analītiķi, veidojot finanšu modeļus, prognozes, pārskatus un analītiskos rīkus. Paralēli gatavojos turpmākām studijām matemātikā un datu zinātnē, kā arī finanšu ekonomikā.
Manas ilgtermiņa intereses ir kvantitatīvā pētniecība, statistika, mašīnmācīšanās, algoritmiskā tirdzniecība un matemātiskās finanses. Šīm jomām nepieciešamās zināšanas vēl tikai veidoju, tāpēc nošķiru pabeigtu darbu no idejām, kuras vēl tiek attīstītas.
Kas sekos tālāk
Nākamais solis ir turpināt mācīties un praktizēties. Vēlos izmantot jaunas metodes reālu problēmu risināšanai, pārskatīt sava darba vājās vietas un labāk dokumentēt pieņēmumus un rezultātus.
Rezultāts nav vērtīgs tikai tāpēc, ka tas izskatās iespaidīgi. Tas ir jāpārbauda bez nākotnes informācijas, izmantojot tajā brīdī pieejamus datus un skaidri norādot ierobežojumus.
Ko esmu iemācījies līdz šim
- Sākt ar pazīstamu jomu. Iepriekšējā pieredze palīdz uzdot labākus jautājumus.
- Neizlaist pamatus. Matemātika un statistika nosaka, kādus secinājumus analīze var pamatot.
- Mācīties programmēšanu ar reāliem uzdevumiem. Python un R kļūst saprotamāki, ja tos izmanto darbā ar reāliem datiem.
- Izmantot izklājlapas tur, kur tās ir piemērotas. Cits darba process ir vajadzīgs, kad datus vai loģiku kļūst pārāk grūti uzturēt.
- Skaidri nošķirt pabeigtu darbu no iecerēm. Labāk godīgi aprakstīt notiekošo darbu nekā pārāk agri apgalvot ekspertīzi.
- Parādīt nenoteiktību. Pieņēmumi, ierobežojumi un jutīgums ir daļa no rezultāta.
Finanses joprojām ir mana darba sākumpunkts. Matemātika, statistika un programmēšana palīdz tos pašus jautājumus analizēt rūpīgāk. Šis process vēl turpinās, un es plānoju to dokumentēt, turpinot mācīties.