a:

A amostragem sistemática é útil em finanças para situações em que não é prático examinar a população inteira para certas informações, e um processo fácil é necessário para criar uma amostra. Também é usado em técnicas estatísticas avançadas em finanças. Como um exemplo, se um investidor quiser investigar um problema com as empresas no S & P 500, muitas vezes não é prático examinar todas as 500 empresas. Em vez disso, a amostragem sistemática pode facilmente reduzir o tamanho da população para uma amostra gerenciável. Com o S & P 500, uma pessoa poderia levar cada 10 empresa de uma lista alfabética para incluir na amostra, para um tamanho total de amostra de 50. É muito mais fácil investigar 50 empresas em oposição a 500.

A amostragem sistemática é um procedimento de amostragem onde uma posição de partida aleatória é selecionada em uma população e, em seguida, as amostras são puxadas de acordo com um intervalo fixo predeterminado. As principais vantagens são a facilidade de uso e o fato de a população ser amostrada uniformemente. A principal desvantagem é que pode haver um traço de período oculto na população que não é reconhecido, e a amostra sistemática é inclinada para essa característica oculta.

A amostragem sistemática também é uma técnica utilizada nas simulações de Monte Carlo. A análise de Monte Carlo é uma técnica estatística usada para determinar a probabilidade de determinados resultados executando uma série de simulações diferentes com variáveis ​​aleatórias. A técnica é nomeada após os jogos de casino de Monte Carlo e originada no Laboratório Científico Los Alamos. A análise de Monte Carlo tem muitos usos nas finanças, onde pode ajudar a determinar probabilidades de resultados futuros incertos. Pode ser usado para derivativos de preços, gerenciamento de risco, modelagem de custos e otimização de portfólio.