Multivariatni model
Multivariatni model je priljubljeno statistično orodje, ki uporablja več spremenljivk za napovedovanje možnih rezultatov. Raziskovalni analitiki uporabljajo večvariatne modele za napovedovanje naložbenih rezultatov v različnih scenarijih, da bi razumeli izpostavljenost, ki jo ima portfelj določenim tveganjem. To upraviteljem portfelja omogoča, da bolje zmanjšajo tveganja, prepoznana s pomočjo analize večvarstvenega modeliranja. Simulacija Monte Carlo je široko uporabljen multivariatni model, ki ustvarja porazdelitev verjetnosti, ki pomaga opredeliti paleto možnih naložbenih rezultatov. Multivariatni modeli se uporabljajo na številnih finančnih področjih.
Razumevanje multivariatnega modela
Multivariatni modeli pomagajo pri odločanju, tako da uporabniku omogočajo preizkus različnih scenarijev in njihov verjeten vpliv. Na primer, določeno naložbo je mogoče izvesti s pomočjo scenarijev v večvarčnem modelu, da vidimo, kako bo vplivalo na donos celotnega portfelja v različnih tržnih situacijah, na primer v obdobju visoke inflacije ali nizkih obrestnih mer. Ta isti pristop je mogoče uporabiti za oceno verjetno uspešnosti podjetja, vrednotenje zalog in celo vrednotenje novih idej o izdelku. Ker so modelu dodane trdne podatkovne točke, na primer podatki o prodaji v isti trgovini, ki so bili objavljeni pred zaslužkom, se poveča zaupanje v model in predvideni obseg.
Večstranski modeli in zavarovalništvo
Zavarovalnice so uporabniki večvariatnih modelov. Cene zavarovalne police temeljijo na verjetnosti, da bo treba plačati odškodnino. Glede na le nekaj podatkovnih točk, na primer starost vlagatelja in domači naslov, jih zavarovalnice lahko dodajo v multivarijantni model, ki vleče iz dodatnih baz podatkov, ki se lahko pri ustrezni strategiji oblikovanja cen zožijo. Model bo napolnjen s potrjenimi podatkovnimi točkami (starost, spol, trenutno zdravstveno stanje, druge politike v lasti itd.) In natančnimi spremenljivkami (povprečni regionalni dohodek, povprečna regionalna življenjska doba itd.) Za dodelitev predvidenih rezultatov, ki bodo uporabljeni za cena politike.
Moč in slabosti multivariatnega modeliranja
Prednost multivariatnega modeliranja je, da daje podrobnejši scenarij "kaj če", ki ga morajo oblikovalci upoštevati. Na primer, glede na te spremenljivke bo verjetno imela naložba A prihodnjo ceno v tem območju. Ko se v model vnesejo trdnejši podatki, se napovedni razpon poostri in zaupanje v napovedi raste. Vendar pa, tako kot pri vsakem modelu, tudi podatki, ki prihajajo, le tako dobri kot prihajajo podatki. Tudi pri dogodkih črnih labodov je model nespremenjen, čeprav so dobri nabori podatkov in spremenljivk dobri. To je seveda razlog, zakaj sami modeli niso odgovorni za trgovanje. Napovedi multivariatnih modelov so preprosto še en vir informacij, na katerega bodo končni odločevalci razmišljali.
Primerjajte investicijske račune Ime ponudnika Opis Razkritje oglaševalcev × Ponudbe, ki se pojavijo v tej tabeli, so partnerstva, od katerih Investopedia prejema nadomestilo.