Markov analys

Vad är Markov-analys?

Markov-analys är en metod som används för att prognostisera värdet av en variabel vars förutsagda värde endast påverkas av dess nuvarande tillstånd och inte av någon tidigare aktivitet. I huvudsak förutsäger den en slumpmässig variabel enbart baserat på de aktuella omständigheterna kring variabeln.

Markovanalys används ofta för att förutsäga beteenden och beslut inom stora grupper av människor. Den fick sitt namn efter den ryske matematikern Andrei Andreyevich Markov, som var pionjär i studiet av stokastiska processer, som är processer som involverar slumpens funktion. Markov tillämpade först denna metod för att förutsäga rörelserna av gaspartiklar som fångades i en behållare.

Förstå Markov-analys

Markov-analysprocessen innebär att man definierar sannolikheten för en framtida åtgärd, givet det aktuella tillståndet för en variabel. När sannolikheterna för framtida åtgärder i varje stat har bestämts kan ett beslutsträd ritas och sannolikheten för ett resultat kan beräknas.

Markovanalys har flera praktiska tillämpningar i näringslivet. Det används ofta för att förutsäga antalet defekta delar som kommer att lossna från ett löpande band, givet driftsstatusen för maskinerna på linjen. Det kan också användas för att förutsäga hur stor andel av ett företags kundfordringar (AR) som kommer att bli osäkra fordringar.

Företag kan också använda Markov-analys för att förutsäga framtida varumärkeslojalitet för nuvarande kunder och resultatet av dessa konsumentbeslut på ett företags marknadsandel. Vissa metoder för att prognostisera aktiekurser och optioner inkluderar Markov-analys också.

Fördelar och nackdelar med Markov-analys

De främsta fördelarna med Markov-analys är enkelhet och prognostiseringsnoggrannhet utanför urvalet. Enkla modeller, som de som används för Markov-analys, är ofta bättre på att göra förutsägelser än mer komplicerade modeller. Detta resultat är välkänt inom ekonometri.

Tyvärr är Markov-analys inte särskilt användbar för att förklara händelser, och den kan inte vara den sanna modellen för den underliggande situationen i de flesta fall. Ja, det är relativt enkelt att uppskatta betingade sannolikheter utifrån det aktuella tillståndet. Men det säger ofta lite om varför något hände.

Markov-analys är ett värdefullt verktyg för att göra förutsägelser, men den ger inga förklaringar.

Inom ingenjörskonsten är det helt klart att veta sannolikheten för att en maskin går sönder inte förklarar varför den gick sönder. Ännu viktigare är att en maskin inte riktigt går sönder baserat på en sannolikhet som är en funktion av om den gick sönder eller inte idag. I verkligheten kan en maskin gå sönder eftersom dess växlar behöver smörjas oftare.

Inom finans har Markov-analys samma begränsningar, men att åtgärda problem kompliceras av vår relativa brist på kunskap om finansiella marknader. Markov-analys är mycket mer användbar för att uppskatta andelen skulder som kommer att fallera än den är för att sålla bort risker för dåliga krediter i första hand.

Ett exempel på Markov-analys

Markovanalys kan användas av aktiespekulanter. Antag att en momentuminvesterare uppskattar att en favoritaktie har 60 % chans att slå marknaden imorgon om den gör det idag. Denna uppskattning involverar endast det aktuella tillståndet, så det uppfyller nyckelgränsen för Markov-analys.

Markov-analys gör det också möjligt för spekulanten att uppskatta att sannolikheten för att aktien kommer att överträffa marknaden under båda de kommande två dagarna är 0,6 * 0,6 = 0,36 eller 36%, med tanke på att aktien slår marknaden idag. Genom att använda hävstång och pyramidering försöker spekulanter att förstärka de potentiella vinsterna från denna typ av Markov-analys.

Höjdpunkter

• Markovanalys är en metod som används för att prognostisera värdet på en variabel vars förutsagda värde endast påverkas av dess nuvarande tillstånd.

– Markovanalys är användbar för finansspekulanter, särskilt momentuminvesterare.

– Markov-analys är inte särskilt användbar för att förklara händelser, och det kan inte vara den sanna modellen för den underliggande situationen i de flesta fall.

• De främsta fördelarna med Markov-analys är enkelhet och prognostiseringsnoggrannhet utanför urvalet.