Analisi di Markov
Che cos'è l'analisi di Markov?
L'analisi di Markov è un metodo utilizzato per prevedere il valore di una variabile il cui valore previsto è influenzato solo dal suo stato attuale e non da alcuna attività precedente. In sostanza, prevede una variabile casuale basata esclusivamente sulle circostanze attuali che circondano la variabile.
L'analisi di Markov viene spesso utilizzata per prevedere comportamenti e decisioni all'interno di grandi gruppi di persone. Prende il nome dal matematico russo Andrei Andreyevich Markov, pioniere dello studio dei processi stocastici, che sono processi che coinvolgono l'operazione del caso. Markov ha applicato per la prima volta questo metodo per prevedere i movimenti delle particelle di gas intrappolate in un contenitore.
Capire l'analisi di Markov
Il processo di analisi di Markov implica la definizione della probabilità di un'azione futura, dato lo stato attuale di una variabile. Una volta determinate le probabilità delle azioni future in ogni stato, è possibile tracciare un albero decisionale e calcolare la probabilità di un risultato.
L'analisi di Markov ha diverse applicazioni pratiche nel mondo degli affari. Viene spesso utilizzato per prevedere il numero di pezzi difettosi che usciranno da una catena di montaggio, dato lo stato di funzionamento delle macchine in linea. Può anche essere utilizzato per prevedere la proporzione dei crediti (AR) di una società che diventeranno crediti inesigibili.
Le aziende possono anche utilizzare l'analisi di Markov per prevedere la futura fedeltà al marchio dei clienti attuali e il risultato di queste decisioni dei consumatori sulla quota di mercato di un'azienda. Alcuni metodi di previsione dei prezzi delle azioni e delle opzioni incorporano anche l'analisi di Markov.
Vantaggi e svantaggi dell'analisi di Markov
I vantaggi principali dell'analisi di Markov sono la semplicità e l'accuratezza delle previsioni fuori campione. I modelli semplici, come quelli usati per l'analisi di Markov, sono spesso migliori per fare previsioni rispetto ai modelli più complicati.Questo risultato è ben noto in econometria.
Sfortunatamente, l'analisi di Markov non è molto utile per spiegare gli eventi e nella maggior parte dei casi non può essere il vero modello della situazione sottostante. Sì, è relativamente facile stimare le probabilità condizionali in base allo stato attuale. Tuttavia, questo spesso dice qualcosa sul perché è successo qualcosa.
L'analisi di Markov è uno strumento prezioso per fare previsioni, ma non fornisce spiegazioni.
In ingegneria, è abbastanza chiaro che conoscere la probabilità che una macchina si rompa non spiega perché si è rotta. Ancora più importante, una macchina non si guasta davvero in base a una probabilità che è funzione del fatto che si sia rotta o meno oggi. In realtà, una macchina potrebbe guastarsi perché i suoi ingranaggi devono essere lubrificati più frequentemente.
In finanza, l'analisi di Markov deve affrontare gli stessi limiti, ma la risoluzione dei problemi è complicata dalla nostra relativa mancanza di conoscenza dei mercati finanziari. L'analisi di Markov è molto più utile per stimare la parte dei debiti che andrà in default piuttosto che per escludere i rischi di cattivo credito in primo luogo.
Un esempio di analisi di Markov
L'analisi di Markov può essere utilizzata dagli speculatori di borsa. Supponiamo che un investitore momentum stimi che un titolo preferito abbia il 60% di possibilità di battere il mercato domani se lo fa oggi. Questa stima riguarda solo lo stato attuale, quindi soddisfa il limite chiave dell'analisi di Markov.
L'analisi di Markov consente inoltre allo speculatore di stimare che la probabilità che il titolo superi il mercato per entrambi i prossimi due giorni è 0,6 * 0,6 = 0,36 o 36%, dato che il titolo ha battuto il mercato oggi. Utilizzando la leva finanziaria e la piramide,. gli speculatori tentano di amplificare i potenziali profitti da questo tipo di analisi di Markov.
Mette in risalto
L'analisi di Markov è un metodo utilizzato per prevedere il valore di una variabile il cui valore previsto è influenzato solo dal suo stato attuale.
L'analisi di Markov è utile per gli speculatori finanziari, in particolare gli investitori momentum.
L'analisi di Markov non è molto utile per spiegare gli eventi e nella maggior parte dei casi non può essere il vero modello della situazione sottostante.
I vantaggi principali dell'analisi di Markov sono la semplicità e l'accuratezza delle previsioni fuori campione.
