एंकरिंग असर इंडोप्टोपीडिया फॉरेक्स

एंकरिंग और एडजस्टमेंट अनुमानी विवरण हम ज्ञात 8216anchर्स 8217 या परिचित पदों के अनुमानों और निर्णयों के आधार पर करते हैं, इस प्रारंभ बिंदु के सापेक्ष समायोजन के साथ। हम संपूर्ण सोच से संबंधित सोच में बेहतर हैं प्राइमेसी प्रभाव और एंकरिंग को जोड़ सकते हैं, उदाहरण के लिए यदि एक जूरी को दिए गए संभावित वाक्यों की एक सूची है, तो वे पहले विकल्प द्वारा एंकर होंगे Englich और उनके सहयोगियों ने पाया कि यहां तक ​​कि न्यायाधीश भी प्रभावित हो सकते हैं। कुछ न्यायाधीशों को एक साल से अधिक या कम होने की सजा की कल्पना करनी थी, जबकि अन्य लोगों को यह पूछा गया था कि क्या वाक्य तीन या उससे कम साल की होगी या नहीं। बाद में काल्पनिक सजा में, न्यायाधीशों को स्पष्ट रूप से पहले प्रस्तोता से प्रभावित था। यदि पूछा गया कि क्या तुर्की की आबादी 30 मिलियन से अधिक या उससे कम थी, तो आप एक या अन्य जवाब दे सकते हैं। अगर फिर पूछा गया कि वास्तविक आबादी क्या थी, तो आप अनुमान लगा सकते हैं कि कहीं करीब 30 मिलियन हैं, क्योंकि आप पिछले उत्तर से लंगर डाले हैं। अगर कोई पार्टी कीमत या स्थिति का सुझाव दे रही है, तो दूसरी पार्टी इस दिए गए एंकर के मुकाबले अपने काउंटर ऑफ़र के आधार पर होने की संभावना है। तो अपनी वास्तविक स्थिति से एक अच्छा तरीका शुरू करें (लेकिन इस पर अधिक से सावधान रहना) विकल्प देते समय, उन लोगों को डाल दें जिन्हें आप शुरुआत में चुनना चाहते हैं अगर दूसरा व्यक्ति पहली बोली करता है, तो मान लें कि यह उनकी अंतिम कीमत के करीब है। एंकरिंग एंकरिंग क्या है, अप्रासंगिक जानकारी का उपयोग किसी अज्ञात मूल्य या जानकारी के मूल्यांकन या अनुमान के संदर्भ में है। निवेश के संदर्भ में एक परिणाम यह है कि एक एंकरिंग पूर्वाग्रह के साथ बाजार सहभागियों ने निवेश खो दिया है जो कि मूल्य खो चुके हैं क्योंकि उन्होंने बुनियादी मूल्यों के बजाय मूल मूल्य के लिए उनके उचित मूल्य का अनुमान लगाया है। नतीजतन, बाजार सहभागियों को आशा है कि सुरक्षा को इसके खरीद मूल्य तक वापस जाना जाएगा, निवेश में अधिक जोखिम रखने की संभावना है। एंकरिंग एंकरिंग को डाउनिंग करना एक व्यवहार पूर्वाग्रह है जिसमें एक मनोवैज्ञानिक बेंचमार्क, नियम-के-अंगूठे या अनुमानी के उपयोग से बाजार सहभागियों में फैसले लेने की प्रक्रिया में अपुष्ट रूप से उच्च वजन होता है। यह अवधारणा व्यवहारिक वित्त के क्षेत्र का हिस्सा है, जो अध्ययन करती है कि तर्कसंगत सिद्धांतों और विश्लेषण के बजाय भावनाओं और अन्य बाह्य कारक, आर्थिक विकल्पों को प्रभावित करते हैं। बाजार सहभागियों को अक्सर पता होता है कि उनके लंगर अपूर्ण हैं और बाद में जानकारी और विश्लेषण को प्रतिबिंबित करने के लिए समायोजन करने का प्रयास करते हैं। हालांकि, ये समायोजन अक्सर एक अलग प्रकार के एंकर (जैसे 10 ऊपर या नीचे) से अधिक कुछ नहीं होते और नतीजे उत्पन्न करते हैं जो मूल एन्कर्स के पूर्वाग्रह को दर्शाते हैं। एंकरिंग के परिणाम एक एंकरिंग पूर्वाग्रह के कारण वित्तीय बाजार प्रतिभागी, जैसे वित्तीय विश्लेषक या निवेशक, एक सही निर्णय (एक अधोमूल्य निवेश खरीदना, अतिव्यापी निवेश को बेच सकते हैं) को अस्वीकार करने या गलत निर्णय (एक अधोमूल्यित निवेश को अनदेखा करना या एक खरीददारी ओवरवल्यूड इंवेस्टमेंट) अंतिम निष्पादन (उदाहरण के लिए नकदी प्रवाह, प्रतिभूति मूल्य।) के लिए मुख्य पूर्वानुमान आदानों (जैसे बिक्री की मात्रा, कमोडिटी की कीमतों) से निर्णय लेने की प्रक्रिया में कहीं भी मौजूद हो सकते हैं, जैसे कि अधिग्रहण की कीमतें या उच्च पानी के निशान, आम एंकर हैं यह एक विशिष्ट उद्देश्य को पूरा करने के लिए जरूरी मूल्यों के लिए आवश्यक है, जैसे लक्ष्य लक्ष्य हासिल करना या एक विशेष राशि की शुद्ध आय उत्पन्न करना। ये मूल्य बाजार मूल्य निर्धारण से संबंधित नहीं हैं और बाजार सहभागियों को तर्कसंगत निर्णयों को अस्वीकार करने का कारण है। एंकरिंग सापेक्षिक मीट्रिक के साथ उपस्थित हो सकती हैं, जैसे मूल्यांकन गुणक एक्स-टाइम्स-ईबीआईटीडीए या वाई-टाइम-फ्री कैश फ्लो जैसी प्रतिभूतियों की कीमतों का मूल्यांकन करने के लिए एक नियम-थंब मूल्यांकन के नियमों का उपयोग करके एक मार्केट पार्टनर, एंकरिंग का प्रदर्शन कर रहा है, जब वे सबूतों की उपेक्षा करते हैं कि एक सुरक्षा में आय की वृद्धि के लिए अधिक संभावना है । एंकरिंग एंकरों का पता लगाने और पार करना, जैसे किसी उद्देश्य को पूरा करने के लिए जरूरी पूर्ण ऐतिहासिक मूल्यों और मूल्यों, उपयोगी नहीं हैं, और बाजार सहभागियों को उन्हें पूर्ण रूप से खारिज करना चाहिए अन्य एंकर सहायक हो सकते हैं क्योंकि बाजार सहभागियों को सूचना अधिभार के माहौल में जटिलता और अनिश्चितता से निहित होता है। फिर, पता लगाने के लिए जागरूकता महत्वपूर्ण है, लेकिन अकेले जागरूकता अपर्याप्त है। बाजार सहभागियों को लंगर के पीछे कारकों की पहचान करके और मात्रात्मक डेटा के साथ अनुमानों को बदलने के द्वारा पूर्वाग्रह का सामना कर सकते हैं।