روش‌شناسی تحقیق در بیزریپورت

 

گروه تحقیقات بین‌المللی بیزریپورت، با هدف ارائه اطلاعات به‌روز و کارآمد که عنصری اساسی و کاربردی در ورود به کسب و کارهای ماندگار محسوب می‌شود و با بهره‌گیری از پایگاه‌های داده داخلی و بین‌المللی و منابع معتبر تحقیقاتی ویژه هر صنعت، نسبت به تدوین و انتشار گزارش‌های تحلیلی در ۲۳ حوزه مختلف می‌نماید.

تحلیل‌های این گروه بر مبنای سطوح مختلف ریسک‌های کشوری از جمله ریسک‌های سیاسی، اقتصادی، تجاری و مالی و همچنین ریسک‌های منحصر به هر صنعت در کنار بازده‌های کشوری و بازده‌های مربوط به هر صنعت و با تأکید ویژه بر بازارهای نوظهور در سراسر دنیا منتشر می‌شود.

گروه تحقیقات بین‌المللی بیزریپورت، تحلیل‌های خود را با بهره‌گیری از بهترین تکنیک‌های مدل‌سازی سری‌هاي زمانی و مدل‌سازی اقتصادسنجی/ علیتی انجام می‌دهد. بدیهی است شكل دقیق مدل سری‌هاي زمانی از صنعتی به صنعت دیگر متفاوت است و داده‌ها نیز با توجه به ویژگی‌های غالب آن صنعت ارزیابی می‌شوند.

تكنيك مورد استفاده در همه تحليل‌ها، بردارهای خودرگرسيون هستند. مزیت عمده بردارهای خودرگرسيون آن است که امکان پيش‌بيني متغیری را با استفاده از مواردی بیش از تغییرات خود متغیر به عنوان اطلاعات توصیفی فراهم می‌کنند.

البته معمولآً پيش‌بيني برخی از متغیرهای فرعی صنعت مورد نظر، با استفاده از تغییرات پیشین (سابقه) متغیر انجام می‌شود که چنین تحلیل تک‌متغیره‌ای را مدل‌سازی تک‌متغیره می‌گویند. در تحلیل‌های موجود، از پرکاربردترین و معمول‌ترین شکل مدل‌های تک‌متغیره استفاده می‌شود که به آن مدل میانگین متحرک خودرگرسيون (ARMA) می‌گویند.

همچنین عمدتاً از برآوردکننده‌های کمینه مجذورات خطی (OLS) و از روش کل به جزء به منظور جلوگیری از وابستگی به بررسی‌های غیرعینی و افزایش استفاده از بررسی‌های عینی استفاده می‌شود.

ساختار گردآوری داده‌های مورد نیاز در انجام تحلیل‌ها نیز بدین‌گونه است که برای هر صنعت، شاخص‌های ویژه همان صنعت تعریف شده و پس از وزن‌دهی شاخص‌ها نسبت به جمع‌آوری داده‌های مربوطه و آماده‌سازی جهت انجام تحلیل‌های مورد نیاز اقدام می‌شود.

در عین حال همواره به این نکته توجه می‌شود که دخالت انسان نقش لازم و مؤثری در تمام تحلیل‌ها و تکنیک‌های پيش‌بيني ایفا می‌کند. دانش انسان در مورد صنعت، كمك مي‌كند داده‌های ناهماهنگ، نقاط عطف، مشکلات ساختاری و ویژگی‌های موقتی برخی داده‌ها کشف شوند که روش‌های کاملاً مکانیکی پيش‌بيني قادر به شناخت آن‌ها نیستند.