Markovin analyysi
Mikä on Markovin analyysi?
Markov-analyysi on menetelmä, jolla ennakoidaan sellaisen muuttujan arvoa, jonka ennustettuun arvoon vaikuttaa vain sen nykyinen tila, ei mikään aikaisempi toiminta. Pohjimmiltaan se ennustaa satunnaismuuttujan perustuen yksinomaan muuttujaa ympäröiviin nykyisiin olosuhteisiin.
Markovin analyysiä käytetään usein käyttäytymisen ja päätösten ennustamiseen suurissa ihmisryhmissä. Se on nimetty venäläisen matemaatikon Andrei Andrejevitš Markovin mukaan, joka oli edelläkävijä stokastisten prosessien tutkimuksessa, jotka ovat sattuman toimintaan liittyviä prosesseja. Markov käytti tätä menetelmää ensin ennustaakseen säiliöön jääneiden kaasuhiukkasten liikkeitä.
Markovin analyysin ymmärtäminen
Markovin analyysiprosessi sisältää tulevan toiminnan todennäköisyyden määrittämisen muuttujan nykyisen tilan perusteella. Kun tulevien toimien todennäköisyydet kussakin tilassa on määritetty, voidaan piirtää päätöspuu ja laskea tuloksen todennäköisyys.
Markovin analyysillä on useita käytännön sovelluksia liike-elämässä. Sitä käytetään usein ennustamaan kokoonpanolinjalta poistuvien viallisten kappaleiden lukumäärää, kun otetaan huomioon linjalla olevien koneiden toimintatila. Sen avulla voidaan myös ennustaa, kuinka suuri osuus yrityksen myyntisaamisista (AR) tulee luottotappioiksi.
Yritykset voivat myös käyttää Markovin analyysiä ennustaakseen nykyisten asiakkaiden tulevaa brändiuskollisuutta ja näiden kuluttajien päätösten tuloksia yrityksen markkinaosuudesta. Joihinkin osakekurssien ja optioiden hintojen ennustemenetelmiin sisältyy myös Markovin analyysi.
Markovin analyysin edut ja haitat
Markovin analyysin ensisijaiset edut ovat yksinkertaisuus ja otoksen ulkopuolinen ennustetarkkuus. Yksinkertaiset mallit, kuten Markovin analyysissä käytetyt mallit, ovat usein parempia ennustamaan kuin monimutkaisemmat mallit. Tämä tulos on tunnettu ekonometriasta.
Valitettavasti Markovin analyysi ei ole kovin hyödyllinen tapahtumien selittämisessä, eikä se voi useimmissa tapauksissa olla todellinen malli taustalla olevasta tilanteesta. Kyllä, ehdollisia todennäköisyyksiä on suhteellisen helppo arvioida nykytilan perusteella. Se kuitenkin usein kertoo vähän siitä, miksi jotain tapahtui.
Markovin analyysi on arvokas työkalu ennusteiden tekemiseen, mutta se ei anna selityksiä.
Suunnittelussa on aivan selvää, että koneen hajoamisen todennäköisyyden tietäminen ei selitä miksi se hajosi. Vielä tärkeämpää on, että kone ei todellakaan hajoa todennäköisyyden perusteella, joka on funktio siitä, hajoiko se tänään vai ei. Todellisuudessa kone saattaa hajota, koska sen vaihteet on voideltava useammin.
Rahoituksessa Markovin analyysillä on samat rajoitukset, mutta ongelmien korjaamista vaikeuttaa suhteellinen tietämyksemme rahoitusmarkkinoista. Markovin analyysi on paljon hyödyllisempi arvioitaessa maksukyvyttömyyteen jäävien velkojen osaa kuin se on alun perin huonojen luottoriskien seulonnassa.
Esimerkki Markovin analyysistä
Osakekeinottelijat voivat käyttää Markovin analyysiä. Oletetaan, että momentum -sijoittaja arvioi, että suosikkiosakkeella on 60 %:n mahdollisuus voittaa markkinat huomenna, jos se tekee niin tänään. Tämä arvio koskee vain nykytilaa, joten se täyttää Markovin analyysin avainrajan.
Markovin analyysi antaa spekuloijalle myös mahdollisuuden arvioida, että todennäköisyys, että osakkeet ylittävät markkinat molempina seuraavina kahtena päivänä, on 0,6 * 0,6 = 0,36 tai 36 %, koska osake päihittää markkinat tänään. Käyttämällä vipuvaikutusta ja pyramidointia keinottelijat yrittävät vahvistaa tämäntyyppisen Markovin analyysin mahdollisia voittoja.
##Kohokohdat
Markov-analyysi on menetelmä, jolla ennakoidaan sellaisen muuttujan arvoa, jonka ennustettuun arvoon vaikuttaa vain sen nykyinen tila.
Markovin analyysi on hyödyllinen rahoituskeinottelijoille, erityisesti momentumisijoittajille.
Markovin analyysi ei ole kovin hyödyllinen tapahtumien selittämisessä, eikä se voi useimmissa tapauksissa olla todellinen malli taustalla olevasta tilanteesta.
Markovin analyysin tärkeimmät edut ovat yksinkertaisuus ja otoksen ulkopuolinen ennustetarkkuus.
