Markov Analyse
Hva er Markov-analyse?
Markov-analyse er en metode som brukes til å forutsi verdien av en variabel hvis predikerte verdi kun påvirkes av dens nåværende tilstand, og ikke av noen tidligere aktivitet. I hovedsak forutsier den en tilfeldig variabel basert utelukkende på de nåværende omstendighetene rundt variabelen.
Markov-analyse brukes ofte for å forutsi atferd og beslutninger innenfor store grupper av mennesker. Den ble oppkalt etter den russiske matematikeren Andrei Andreyevich Markov, som var banebrytende i studiet av stokastiske prosesser, som er prosesser som involverer operasjonen av tilfeldigheter. Markov brukte først denne metoden for å forutsi bevegelsene til gasspartikler fanget i en beholder.
Forstå Markov-analyse
Markov-analyseprosessen innebærer å definere sannsynligheten for en fremtidig handling, gitt den nåværende tilstanden til en variabel. Når sannsynlighetene for fremtidige handlinger i hver stat er bestemt, kan et beslutningstre tegnes, og sannsynligheten for et resultat kan beregnes.
Markov-analyse har flere praktiske anvendelser i næringslivet. Det brukes ofte til å forutsi antall defekte deler som vil komme av et samlebånd, gitt driftsstatusen til maskinene på linjen. Den kan også brukes til å forutsi hvor stor andel av et selskaps kundefordringer (AR) som vil bli dårlige fordringer.
Bedrifter kan også bruke Markov-analyse for å forutsi fremtidig merkelojalitet til nåværende kunder og utfallet av disse forbrukerbeslutningene på et selskaps markedsandel. Noen metoder for å anslå aksjekurser og opsjonspriser inkluderer også Markov-analyse.
Fordeler og ulemper med Markov-analyse
De primære fordelene med Markov-analyse er enkelhet og prognosenøyaktighet utenfor prøven. Enkle modeller, slik som de som brukes til Markov-analyse, er ofte bedre til å gi spådommer enn mer kompliserte modeller. Dette resultatet er velkjent innen økonometri.
Dessverre er ikke Markov-analysen særlig nyttig for å forklare hendelser, og den kan i de fleste tilfeller ikke være den sanne modellen for den underliggende situasjonen. Ja, det er relativt enkelt å estimere betingede sannsynligheter basert på dagens tilstand. Men det forteller ofte litt om hvorfor noe skjedde.
Markov-analyse er et verdifullt verktøy for å lage spådommer, men det gir ingen forklaringer.
I ingeniørfag er det helt klart at det å vite sannsynligheten for at en maskin går i stykker, ikke forklarer hvorfor den gikk i stykker. Enda viktigere er det at en maskin egentlig ikke bryter sammen basert på en sannsynlighet som er en funksjon av om den gikk i stykker eller ikke i dag. I virkeligheten kan en maskin gå i stykker fordi girene må smøres oftere.
Innen finans står Markov-analyse overfor de samme begrensningene, men å fikse problemer er komplisert av vår relative mangel på kunnskap om finansmarkeder. Markov-analyse er mye mer nyttig for å estimere andelen av gjeld som vil misligholde enn det er for å sile ut dårlig kredittrisiko i utgangspunktet.
Et eksempel på Markov-analyse
Markov-analyse kan brukes av aksjespekulanter. Anta at en momentuminvestor anslår at en favorittaksje har 60 % sjanse til å slå markedet i morgen hvis den gjør det i dag. Dette estimatet involverer bare den nåværende tilstanden, så det oppfyller nøkkelgrensen for Markov-analyse.
Markov-analyse lar også spekulanten estimere at sannsynligheten for at aksjen vil overgå markedet for begge de neste to dagene er 0,6 * 0,6 = 0,36 eller 36%, gitt aksjen slå markedet i dag. Ved å bruke innflytelse og pyramidering forsøker spekulanter å forsterke den potensielle fortjenesten fra denne typen Markov-analyser.
##Høydepunkter
- Markov-analyse er en metode som brukes til å forutsi verdien av en variabel hvis predikerte verdi kun påvirkes av dens nåværende tilstand.
– Markov-analyse er nyttig for finansspekulanter, spesielt momentum-investorer.
– Markov-analyse er lite nyttig for å forklare hendelser, og det kan ikke være den sanne modellen for den underliggende situasjonen i de fleste tilfeller.
- De primære fordelene med Markov-analyse er enkelhet og prognosenøyaktighet utenfor prøven.
