a:

Il campionamento sistematico è utile in finanza in situazioni in cui è impossibile rivedere tutta la popolazione per alcune informazioni e un processo semplice è necessario per creare un campione. Viene anche utilizzato in tecniche statistiche avanzate in finanza. Come un esempio, se un investitore vuole indagare su un problema con le società del S & P 500, spesso è impossibile esaminare tutte le 500 aziende. Invece, il campionamento sistematico può facilmente ridurre la dimensione della popolazione ad un campione gestibile. Con la S & P 500, una persona potrebbe prendere ogni 10 compagnia da una lista alfabetica per includere nel campione, per una dimensione totale del campione di 50. È molto più facile indagare su 50 aziende, a differenza di 500.

Il campionamento sistematico è una procedura di campionamento in cui viene selezionata una posizione di partenza casuale in una popolazione e quindi vengono prelevati campioni secondo un intervallo predeterminato fisso. I vantaggi principali sono la facilità d'uso e il fatto che la popolazione sia campionata in modo uniforme. Uno svantaggio principale può essere un tratto di periodo nascosto nella popolazione che non è riconosciuto e il campione sistematico è inclinato verso quel tratto nascosto.

Il campionamento sistematico è anche una tecnica utilizzata nelle simulazioni di Monte Carlo. L'analisi di Monte Carlo è una tecnica statistica utilizzata per determinare la probabilità di alcuni risultati eseguendo una serie di simulazioni diverse con variabili casuali. La tecnica ha il nome dei giochi di casinò di Monte Carlo e ha avuto origine presso il Laboratorio Scientifico Los Alamos. L'analisi di Monte Carlo ha molti usi in finanza in cui può aiutare a determinare le probabilità di risultati futuri incerti. Può essere utilizzato per i derivati ​​dei prezzi, la gestione dei rischi, la modellazione dei costi e l'ottimizzazione del portafoglio.