Multivariat modell

Hva er den multivariate modellen?

Den multivariate modellen er et populært statistisk verktøy som bruker flere variabler for å forutsi mulige utfall. Forskningsanalytikere bruker multivariate modeller for å forutsi investeringsresultater i forskjellige scenarier for å forstå eksponeringen som en portefølje har for spesielle risikoer. Dette gjør at porteføljeforvaltere bedre kan redusere risikoen identifisert gjennom den multivariate modelleringsanalysen.

Forstå den multivariate modellen

Multivariate modeller hjelper med beslutningstaking ved å la brukeren teste ut de forskjellige scenariene og deres sannsynlige innvirkning. Monte Carlo-simuleringen er en mye brukt multivariat modell som skaper en sannsynlighetsfordeling som hjelper til med å definere en rekke mulige investeringsresultater. Multivariate modeller brukes i mange finansfelt.

For eksempel kan en bestemt investering kjøres gjennom scenarioanalyse i en multivariat modell for å se hvordan den vil påvirke hele porteføljens avkastning i ulike markedssituasjoner, for eksempel en periode med høy inflasjon eller lave renter. Den samme tilnærmingen kan brukes til å evaluere et selskaps sannsynlige ytelse, verdi aksjeopsjoner og til og med evaluere nye produktideer. Etter hvert som faste datapunkter legges til modellen, for eksempel salgsdata fra samme butikk som frigis før inntjening, øker tilliten til modellen og dens forutsagte områder.

Spesielle hensyn

Forsikringsselskaper er brukere av multivariate modeller. Prisingen av en forsikring er basert på sannsynligheten for å måtte utbetale en skade. Gitt bare noen få datapunkter, for eksempel søkerens alder og hjemmeadressen, kan forsikringsselskapene legge det til en multivariat modell som henter fra flere databaser som kan begrense den aktuelle prisstrategien. Selve modellen vil bli fylt med bekreftede datapunkter (alder, kjønn, nåværende helsestatus, andre eide forsikringer osv.) og raffinerte variabler (gjennomsnittlig regional inntekt, gjennomsnittlig regional levetid osv.) for å tilordne predikerte utfall som vil bli brukt til å pris politikken.

Fordeler og ulemper med multivariat modellering

Fordelen med multivariat modellering er at den gir mer detaljerte "hva hvis"-scenarier for beslutningstakere å vurdere. For eksempel vil investering A sannsynligvis ha en fremtidig pris innenfor dette området, gitt disse variablene. Etter hvert som mer solide data legges inn i modellen, blir det prediktive området strammere, og tilliten til spådommene vokser. Men som med alle modeller er dataene som kommer ut bare like gode som dataene som kommer inn.

Det er også en risiko for at sortsvane -hendelser gjør modellen meningsløs selv om datasettene og variablene som brukes er gode. Dette er selvfølgelig grunnen til at modellene selv ikke er ansvarlig for handel. Spådommene til multivariate modeller er ganske enkelt en annen kilde til informasjon for de endelige beslutningstakerne å tenke på.

##Høydepunkter

• Black Swan-hendelser som gjør modellen meningsløs selv om datasettene og variablene som brukes er gode.

– En multivariat modell er et statistisk verktøy som bruker flere variabler for å forutsi utfall.

– Forsikringsselskaper bruker ofte multivariate modeller for å bestemme sannsynligheten for å måtte utbetale skader.

– Et eksempel er en Monte Carlo-simulering som presenterer en rekke mulige utfall ved hjelp av en sannsynlighetsfordeling.