Для исследователя, которому важно происхождение данных
Аналитический инструмент для академической работы по финансам, где вопрос столь же важен, как и ответ.
Академические исследования по финансам занимают необычное аналитическое положение. Требования к данным строги (происхождение, отметка времени, полнота); бюджеты, как правило, скромны; инструментарий, доступный в университете, неровен. Drusus позиционируется как поставщик работающего исследователя межрыночными данными и аналитической глубиной, которых требует серьёзная работа, по подписной стоимости, которую способен поглотить академический бюджет.
Чем Вы будете пользоваться чаще всего
- Чат ИИ-аналитика как партнёра по сопротивлению в аналитической структуре проекта, а не как заменитель собственного мышления исследователя.
- Экспорт данных в форматах, пригодных для анализа в Python, R или Stata.
- Документация по источникам данных, фиксирующая каждый первичный источник, на который опирается платформа для каждой публикуемой цифры.
- Drusus Insights как методологический ориентир аналитического аппарата, используемого в платформе.
О цитировании
Для академической работы, опирающейся на Drusus как источник данных, мы просим, чтобы платформа цитировалась как источник цифр и чтобы фиксировалась конкретная дата получения данных. Там, где методология платформы вносит вклад в Вашу работу, мы просим, чтобы методологическая заметка цитировалась специально. Полные указания по цитированию приведены на странице методологии.
Как они используют Drusus
Очертания типичной рабочей схемы для этой аудитории.
Скоупинг проекта
При обрамлении нового проекта используйте ИИ-аналитика для исследования аналитической структуры. Просите не ответа, а структурных возражений против Вашей предлагаемой методологии.
Получение данных
Экспортируйте требуемые Вам данные с прикреплёнными метаданными о происхождении. Экспорт фиксирует первичный источник, отметку времени и дату получения с платформы.
Сверка методологии
Там, где методология платформы пересекается с аналитической работой Вашего проекта, изучите методологические заметки. Они написаны в академическом регистре, а не маркетинговом.
Обзор перед подачей
Перед подачей просите ИИ-аналитика о критике, которую мог бы поднять рецензент. Упражнение наиболее полезно, когда аналитик ограничен задачей аргументировать против Вашего вывода.
Иллюстративный запрос
Форма, которую принимает типичное взаимодействие с ИИ-аналитиком Drusus для этой аудитории.
Я исследую скорректированное на валютный курс ценовое соотношение между гонконгскими листингами и нью-йоркскими ADR китайских акций с двойным листингом. Я хочу проверить, систематически ли расширялось отклонение с 2020 года. Сформулируйте основные методологические вопросы, которые мне следует охватить до оценки.
Шесть методологических вопросов стоит охватить до оценки. Первый — определение отклонения: используете ли Вы простую процентную разницу, лог-разницу или нормализованную метрику, учитывающую неперекрытие торговых часов между Гонконгом и Нью-Йорком. Второй — валютная корректировка: используете ли Вы спот-курс закрытия в момент закрытия каждого листинга, интерполированный средний курс или синхронизированный референсный курс. Третий — отбор выборки: ограничиваете ли Вы её именами с непрерывным двойным листингом на протяжении всей выборки или допускаете имена, листинговавшиеся или делистинговавшиеся в течение периода выборки (с надлежащей коррекцией смещения выживания). Четвёртый — контроль режима: 2020 год увидел существенный сдвиг политической среды, устойчивое усиление доллара и серию регуляторных вмешательств, специфичных для китайских ADR. Распутывание постпандемийного расширения с 2020 года от этих конфаундеров может потребовать явных индикаторов режима. Пятый — вопрос ликвидности: является ли отклонение прежде всего функцией ликвидности на уровне имени, в каковом случае заголовочный результат будет определяться небольшим набором менее ликвидных имён. Шестой — учёт праздников и корпоративных действий: имена с двойным листингом демонстрируют большие переходящие отклонения вокруг праздничного неперекрытия и корпоративных действий, которые должны быть отфильтрованы, чтобы изолировать структурное соотношение. Эти шесть вопросов не предрешают Вашего вывода, но работа выиграет от того, что каждый из них будет явно охвачен в Вашем методологическом разделе.
Рекомендуемый уровень
Drusus Analyst по £29 в месяц покрывает большинство академических сценариев, с полным экспортом данных, ИИ-аналитиком с расширенной квотой и архивом методологии. Для исследовательских групп, интенсивно использующих платформу, уместен уровень Strategist или Institution. Доступны образовательные тарифы для магистерских программ; пожалуйста, пишите на contact@gravenos.com.