Mira, he estado apoyando la narrativa de recuperación en forma de K desde el primer día. Eso no es lo que se está cuestionando aquí.
¿El problema? Extrapolar datos "faltantes" a períodos recientes. Ahí es donde el argumento se desmorona. No puedes simplemente llenar los vacíos con suposiciones y llamarlo análisis; así es como terminas con conclusiones erróneas.
¿Y esos ajustes sugeridos? No están haciendo la diferencia. Ninguno de ellos cambia el problema fundamental con el conjunto de datos. Cuando tu metodología se basa en puntos de datos inventados para el período más reciente, no estás construyendo un caso más sólido. Lo estás socavando.
La integridad de los datos es importante. Especialmente cuando hablamos de cambios económicos estructurales como la divergencia en forma de K. La narrativa puede ser correcta, pero la evidencia debe mantenerse sin acrobacias estadísticas.
Ver originales
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
11 me gusta
Recompensa
11
5
Republicar
Compartir
Comentar
0/400
FudVaccinator
· hace4h
¿Quién paga las consecuencias de la manipulación de datos?
Ver originalesResponder0
RugPullAlarm
· hace21h
El truco de datos revela la verdad de inmediato. ¿No es esto simplemente una vieja estrategia de manipulación de fondos falsa?
Ver originalesResponder0
SelfSovereignSteve
· hace21h
Los datos son falsos, quien crea en ellos, es tonto.
Ver originalesResponder0
LiquidityHunter
· hace21h
La tasa de datos faltantes es del 22,7%. Esa inferencia es simplemente jugar con fuego.
Mira, he estado apoyando la narrativa de recuperación en forma de K desde el primer día. Eso no es lo que se está cuestionando aquí.
¿El problema? Extrapolar datos "faltantes" a períodos recientes. Ahí es donde el argumento se desmorona. No puedes simplemente llenar los vacíos con suposiciones y llamarlo análisis; así es como terminas con conclusiones erróneas.
¿Y esos ajustes sugeridos? No están haciendo la diferencia. Ninguno de ellos cambia el problema fundamental con el conjunto de datos. Cuando tu metodología se basa en puntos de datos inventados para el período más reciente, no estás construyendo un caso más sólido. Lo estás socavando.
La integridad de los datos es importante. Especialmente cuando hablamos de cambios económicos estructurales como la divergencia en forma de K. La narrativa puede ser correcta, pero la evidencia debe mantenerse sin acrobacias estadísticas.