Multivariate Model
Het multivariate model is een populair statistisch hulpmiddel dat meerdere variabelen gebruikt om mogelijke uitkomsten te voorspellen. Onderzoeksanalisten gebruiken multivariate modellen om beleggingsresultaten in verschillende scenario's te voorspellen om inzicht te krijgen in de blootstelling die een portefeuille heeft aan bepaalde risico's. Dit stelt portefeuillebeheerders in staat om de risico's die zijn geïdentificeerd door de multivariate modelleringsanalyse beter te beperken. De Monte Carlo-simulatie is een veelgebruikt multivariate model dat een waarschijnlijkheidsverdeling creëert die helpt bij het definiëren van een reeks mogelijke beleggingsresultaten. Multivariate modellen worden op veel financiële gebieden gebruikt.
Multivariate model begrijpen
Multivariate modellen helpen bij de besluitvorming doordat de gebruiker de verschillende scenario's en hun waarschijnlijke impact kan testen. Een bepaalde investering kan bijvoorbeeld via een scenario-analyse in een multivariabel model worden uitgevoerd om te zien hoe deze het rendement van de gehele portefeuille zal beïnvloeden in verschillende marktsituaties, zoals een periode van hoge inflatie of lage rentetarieven. Deze zelfde aanpak kan worden gebruikt om de waarschijnlijke prestaties van een bedrijf te evalueren, aandelenopties te waarderen en zelfs nieuwe productideeën te evalueren. Naarmate vaste gegevenspunten aan het model worden toegevoegd, zoals verkoopgegevens van dezelfde winkel die voorafgaand aan de winst worden vrijgegeven, neemt het vertrouwen in het model en de voorspelde reeksen toe.
Multivariate modellen en de verzekeringssector
Verzekeringsmaatschappijen zijn gebruikers van multivariate modellen. De prijs van een verzekeringspolis is gebaseerd op de waarschijnlijkheid dat een claim moet worden uitbetaald. Gegeven slechts enkele datapunten, zoals de leeftijd van de aanvrager en het thuisadres, kunnen verzekeraars dat toevoegen aan een multivariate model dat gebruikmaakt van aanvullende databases die kunnen ingaan op de juiste prijsbeleid voor beleid. Het model zelf zal worden gevuld met bevestigde gegevenspunten (leeftijd, geslacht, huidige gezondheidstoestand, ander beleid in eigendom, enz.) En verfijnde variabelen (gemiddeld regionaal inkomen, gemiddelde regionale levensduur, enz.) Om voorspelde resultaten toe te wijzen die zullen worden gebruikt om prijs het beleid.
Sterke en zwakke punten van multivariate modellering
Het voordeel van multivariate modellering is dat het meer gedetailleerde "what if" -scenario's biedt voor besluitvormers. Investering A heeft bijvoorbeeld een toekomstige prijs binnen dit bereik, gezien deze variabelen. Naarmate er meer solide gegevens in het model worden gestopt, wordt het voorspellende bereik kleiner en groeit het vertrouwen in de voorspellingen. Zoals bij elk model, zijn de gegevens die uitkomen echter net zo goed als de gegevens die binnenkomen. Er is ook een risico dat zwarte zwaangebeurtenissen het model zinloos maken, zelfs als de gebruikte gegevenssets en variabelen goed zijn. Dit is natuurlijk de reden waarom de modellen zelf niet belast zijn met de handel. De voorspellingen van multivariate modellen zijn gewoon een andere informatiebron voor de uiteindelijke besluitvormers om over na te denken.
Vergelijk beleggingsrekeningen Aanbieder Naam Beschrijving Adverteerder Openbaarmaking × De aanbiedingen die in deze tabel worden weergegeven, zijn afkomstig van samenwerkingsverbanden waarvan Investopedia een vergoeding ontvangt.