Multivariat model
Hvad er den multivariate model?Den multivariate model er et populært statistisk værktøj, der bruger flere variabler til at forudsige mulige resultater. Forskningsanalytikere bruger multivariate modeller til at forudsige investeringsresultater i forskellige scenarier for at forstå den eksponering, en portefølje har for særlige risici. Dette gør det muligt for porteføljeforvaltere at afbøde de risici, der er identificeret gennem den multivariate modelleringsanalyse. Monte Carlo-simuleringen er en meget brugt multivariat model, der skaber en sandsynlighedsfordeling, der hjælper med at definere en række mulige investeringsresultater. Multivariate modeller bruges inden for mange finansieringsområder.
Forståelse af multivariat model
Multivariate modeller hjælper med beslutningstagningen ved at give brugeren mulighed for at teste de forskellige scenarier og deres sandsynlige virkning. For eksempel kan en bestemt investering køres gennem scenarioanalyse i en multivariat model for at se, hvordan den vil påvirke hele porteføljeafkastet i forskellige markedssituationer, såsom en periode med høj inflation eller lave renter. Samme tilgang kan bruges til at evaluere et virksomheds sandsynlige præstationer, værdi aktieoptioner og endda evaluere nye produktideer. Når faste datapunkter føjes til modellen, såsom salgsdata fra samme butik, der frigives før indtjeningen, øges tilliden til modellen og dens forudsagte intervaller.
Multivariate modeller og forsikringsbranchen
Forsikringsselskaber er brugere af multivariate modeller. Prisfastsættelsen af en forsikringspolice er baseret på sandsynligheden for at skulle udbetale et krav. I betragtning af kun få datapunkter, såsom ansøgerens alder og hjemmeadresse, kan forsikringsselskaberne tilføje det til en multivariat model, der trækker fra yderligere databaser, der kan indsnævre den relevante politikprisstrategi. Selve modellen vil være befolket med bekræftede datapunkter (alder, køn, nuværende sundhedsstatus, andre ejede politikker osv.) Og raffinerede variabler (gennemsnitlig regional indkomst, gennemsnitlig regional levetid osv.) For at tildele forudsagte resultater, der vil blive brugt til pris politik.
Styrker og svagheder ved multivariat modellering
Fordelen ved multivariat modellering er, at den giver mere detaljerede ”hvad nu” -scenarier, som beslutningstagere skal overveje. For eksempel vil investering A sandsynligvis have en fremtidig pris inden for dette interval, i betragtning af disse variabler. Efterhånden som mere solide data lægges ind i modellen, bliver det forudsigelige interval strammere, og tilliden til forudsigelserne vokser. Som med enhver model er dataene, der kommer ud, kun så gode som de data, der er gået ind. Der er også en risiko for, at sorte svanehændelser gør modellen uden betydning, selvom de datasæt og variabler, der bruges, er gode. Dette er selvfølgelig, hvorfor modellerne i sig selv ikke er ansvarlige for handel. Forudsigelser af multivariate modeller er simpelthen en anden kilde til information, som de ultimative beslutningstagere kan tænke på.
Sammenlign Navn på udbydere af investeringskonti Beskrivelse Annoncørens viden × De tilbud, der vises i denne tabel, er fra partnerskaber, hvorfra Investopedia modtager kompensation.