Modello multivariato
Che cos'è il modello multivariato?
Il modello multivariato è uno strumento statistico popolare che utilizza più variabili per prevedere possibili risultati. Gli analisti di ricerca utilizzano modelli multivariati per prevedere i risultati degli investimenti in diversi scenari al fine di comprendere l'esposizione che un portafoglio ha a rischi particolari. Ciò consente ai gestori di portafoglio di mitigare meglio i rischi identificati attraverso l'analisi della modellazione multivariata.
Capire il modello multivariato
I modelli multivariati aiutano nel processo decisionale consentendo all'utente di testare i diversi scenari e il loro probabile impatto. La simulazione Monte Carlo è un modello multivariato ampiamente utilizzato che crea una distribuzione di probabilità che aiuta a definire una serie di possibili risultati di investimento. I modelli multivariati sono utilizzati in molti campi della finanza.
Ad esempio, un particolare investimento può essere eseguito attraverso l'analisi di scenario in un modello multivariato per vedere come influirà sull'intero rendimento del portafoglio in diverse situazioni di mercato, come un periodo di inflazione elevata o tassi di interesse bassi. Questo stesso approccio può essere utilizzato per valutare la probabile performance di un'azienda, valutare le stock option e persino valutare nuove idee di prodotto. Man mano che al modello vengono aggiunti punti dati aziendali, come i dati sulle vendite nello stesso negozio che vengono rilasciati prima degli utili, la fiducia nel modello e nei suoi intervalli previsti aumentano.
Considerazioni speciali
Le compagnie di assicurazione sono utenti di modelli multivariati. Il prezzo di una polizza assicurativa si basa sulla probabilità di dover pagare un sinistro. Dati solo pochi dati, come l'età del richiedente e l'indirizzo di casa, gli assicuratori possono aggiungerli a un modello multivariato che attinge da database aggiuntivi che possono restringere la strategia di tariffazione della polizza appropriata. Il modello stesso sarà popolato con punti dati confermati (età , sesso, stato di salute attuale, altre polizze possedute, ecc.) e variabili raffinate (reddito regionale medio, durata della vita media regionale, ecc.) per assegnare i risultati previsti che verranno utilizzati per prezzo la politica.
Vantaggi e svantaggi della modellazione multivariata
Il vantaggio della modellazione multivariata è che fornisce scenari "what if" più dettagliati da considerare per i decisori. Ad esempio, è probabile che l'investimento A abbia un prezzo futuro all'interno di questo intervallo, date queste variabili. Man mano che nel modello vengono inseriti dati più solidi, l'intervallo predittivo si restringe e la fiducia nelle previsioni aumenta. Tuttavia, come con qualsiasi modello, i dati in uscita sono buoni solo quanto i dati in entrata.
Esiste anche il rischio che gli eventi del cigno nero rendano il modello privo di significato anche se i set di dati e le variabili utilizzati sono buoni. Questo è, ovviamente, il motivo per cui i modelli stessi non sono incaricati del trading. Le previsioni dei modelli multivariati sono semplicemente un'altra fonte di informazioni su cui riflettere i decisori finali.
Mette in risalto
Eventi del cigno nero che rendono il modello privo di significato anche se i set di dati e le variabili utilizzati sono buoni.
Un modello multivariato è uno strumento statistico che utilizza più variabili per prevedere i risultati.
Le compagnie di assicurazione utilizzano spesso modelli multivariati per determinare la probabilità di dover pagare i sinistri.
Un esempio è una simulazione Monte Carlo che presenta una gamma di possibili risultati utilizzando una distribuzione di probabilità .
