Hindi mo na kailangang malaman tungkol sa teorya ng posibilidad na gumamit ng isang modelo ng posibilidad ng Bayesian para sa pagtataya sa pananalapi. Ang paraan ng Bayesian ay makakatulong sa iyo na pinuhin ang mga pagtatantya ng posibilidad na gumagamit ng isang madaling gamitin na proseso.
Ang anumang paksa na nakabase sa matematika ay maaaring dalhin sa kumplikadong kalaliman, ngunit ang isang ito ay hindi dapat maging.
Paano Ito Ginamit
Ang paraan na ginagamit ang posibilidad ng Bayesian sa korporasyon ng Amerika ay nakasalalay sa isang antas ng paniniwala sa halip na mga dalas sa kasaysayan ng magkapareho o katulad na mga kaganapan. Ang modelo ay maraming nalalaman, bagaman. Maaari mong isama ang iyong paniniwala batay sa dalas sa modelo.
Ang mga sumusunod ay gumagamit ng mga patakaran at pagpapalagay ng paaralan ng pag-iisip sa loob ng posibilidad ng Bayesian na nauukol sa dalas sa halip na subjectivity. Ang pagsukat ng kaalaman na sinusukat ay batay sa data sa kasaysayan. Lalo na nakakatulong ang pananaw na ito sa pagmomolde sa pananalapi.
Tungkol sa Bayes 'Theorem
Ang partikular na pormula mula sa posibilidad ng Bayesian na gagamitin namin ay tinatawag na Bayes 'Theorem, na kung minsan ay tinawag na formula ng Bayes' o panuntunan ng Bayes '. Ang panuntunang ito ay madalas na ginagamit upang makalkula ang tinatawag na posibilidad na posibilidad ng posterior. Ang posibilidad ng posterior ay ang kondisyon na posibilidad ng isang hinaharap na hindi tiyak na kaganapan na batay sa may-katuturang ebidensya na may kaugnayan dito.
Sa madaling salita, kung nakakuha ka ng bagong impormasyon o katibayan at kailangan mong i-update ang posibilidad ng isang kaganapan na nagaganap, maaari mong gamitin ang Bayes 'Theorem upang matantya ang bagong posibilidad na ito.
Ang pormula ay:
P (A∣B) = P (B) P (A∩B) = P (B) P (A) × P (B∣A) kung saan: P (A) = Posibilidad ng Isang naganap, na tinatawag na sundalo probabilidadP (A∣B) = May posibilidad na posibilidad ng A giventhat B nangyayariP (B∣A) = Kondisyon na posibilidad ng B giventhat A nangyayariP (B) = Posibilidad ng B nagaganap
Ang P (A | B) ay ang posibilidad ng posterior dahil sa variable na pag-asa nito sa B. Ipinapalagay nito na ang A ay hindi independiyente sa B.
Kung interesado kami sa posibilidad ng isang kaganapan kung saan mayroon kaming naunang mga obserbasyon; tinawag namin ito ang naunang posibilidad. Titingnan natin ang kaganapang ito A, at ang posibilidad na P (A). Kung mayroong isang pangalawang kaganapan na nakakaapekto sa P (A), na tatawagin naming kaganapan B, kung gayon nais naming malaman kung ano ang posibilidad ng A ay ibinigay na nangyari ang B.
Sa probabilistikong notasyon, ito ay P (A | B) at kilala bilang posibilidad ng posterior o binagong posibilidad. Ito ay dahil nangyari ito pagkatapos ng orihinal na kaganapan, samakatuwid ang post sa posterior.
Ito ay kung paano pinapayagan sa amin ng Bayes 'teorama na i-update ang aming nakaraang mga paniniwala na may bagong impormasyon. Ang halimbawa sa ibaba ay makakatulong sa iyo na makita kung paano ito gumagana sa isang konsepto na nauugnay sa isang merkado ng equity.
Isang halimbawa
Sabihin nating nais nating malaman kung paano ang epekto ng pagbabago sa mga rate ng interes ay nakakaapekto sa halaga ng isang index market stock.
Ang isang malawak na trove ng makasaysayang data ay magagamit para sa lahat ng mga pangunahing index index ng stock market, kaya hindi ka dapat magkaroon ng problema sa paghahanap ng mga kinalabasan para sa mga kaganapang ito. Para sa aming halimbawa, gagamitin namin ang data sa ibaba upang malaman kung paano magiging reaksyon ang isang stock market index sa pagtaas ng mga rate ng interes.
Narito:
P (SI) = ang posibilidad ng pagtaas ng stock index
P (SD) = ang posibilidad ng pagbaba ng stock index
P (ID) = ang posibilidad ng pagbaba ng rate ng interes
P (II) = ang posibilidad ng pagtaas ng mga rate ng interes
Kaya ang equation ay:
P (SD∣II) = P (II) P (SD) × P (II∣SD)
Ang pag-plug sa aming mga numero nakuha namin ang sumusunod:
P (SD∣II) = (2, 0001, 000) (2, 0001, 150) × (1, 150950) = 0.50.575 × 0.826 = 0.50.47495 = 0.9499≈95%
Ipinapakita sa talahanayan, ang stock index ay bumaba sa 1, 150 mula sa 2, 000 na mga obserbasyon. Ito ang naunang posibilidad batay sa data sa kasaysayan, na sa halimbawang ito ay 57.5% (1150/2000).
Ang posibilidad na ito ay hindi isinasaalang-alang ang anumang impormasyon tungkol sa mga rate ng interes at ito ang nais naming i-update. Matapos i-update ang naunang posibilidad na ito sa impormasyon na tumaas ang mga rate ng interes ay humahantong sa amin na i-update ang posibilidad ng pagbaba ng stock market mula sa 57.5% hanggang 95%. Samakatuwid, ang 95% ay ang posibilidad ng posterior.
Pagmomodelo sa Bayes 'Theorem
Tulad ng nakikita sa itaas, maaari naming gamitin ang kinalabasan ng data sa kasaysayan upang ibase ang mga paniniwala na ginagamit namin upang makakuha ng mga bagong na-update na mga probabilidad.
Ang halimbawang ito ay maaaring ma-extrapolated sa mga indibidwal na kumpanya sa pamamagitan ng paggamit ng mga pagbabago sa loob ng kanilang sariling mga sheet ng balanse, binibigyan ang mga bono ng mga pagbabago sa rating ng kredito, at maraming iba pang mga halimbawa.
Kaya, paano kung ang isang tao ay hindi alam ang eksaktong mga posibilidad ngunit may mga pagtatantya lamang? Ito ay kung saan ang subjective view ay malakas na sa paglalaro.
Maraming mga tao ang nagbigay ng malaking diin sa mga pagtatantya at pinasimple na mga probabilidad na ibinigay ng mga eksperto sa kanilang larangan. Nagbibigay din ito sa amin ng kakayahang kumpiyansa na makagawa ng mga bagong pagtatantya para sa bago at mas kumplikadong mga katanungan na ipinakilala ng hindi maiiwasang mga hadlang sa kalsada sa pagtataya sa pananalapi.
Sa halip na manghuhula, maaari na nating magamit ang Bayes 'Theorem kung mayroon tayong tamang impormasyon kung saan magsisimula.
Kailan Mag-apply sa Bayes 'Theorem
Ang pagbabago ng mga rate ng interes ay maaaring makaapekto sa halaga ng mga partikular na assets. Ang pagbabago ng halaga ng mga pag-aari ay maaaring malaki ang nakakaapekto sa halaga ng partikular na mga ratio ng kakayahang kumita at kahusayan na ginamit upang mag-proxy ng pagganap ng isang kumpanya. Ang mga tinantyang probabilidad ay malawak na natagpuan na may kaugnayan sa sistematikong pagbabago sa mga rate ng interes at sa gayon ay maaaring magamit nang epektibo sa Bayes 'Theorem.
Maaari rin nating ilapat ang proseso sa stream ng kita ng isang kumpanya. Ang mga batas, pagbabago sa presyo ng mga hilaw na materyales, at maraming iba pang mga bagay ay maaaring makaimpluwensya sa kita ng isang kumpanya.
Sa pamamagitan ng paggamit ng mga pagtatantya sa posibilidad na may kaugnayan sa mga salik na ito, maaari nating ilapat ang Theesem ng Bayes upang malaman kung ano ang mahalaga sa amin. Sa sandaling nahanap natin ang mga naibabawas na probabilidad na hinahanap namin, ito ay isang simpleng aplikasyon ng pag-asa sa matematika at pagtataya ng resulta upang matukoy ang mga probabilidad sa pananalapi.
Gamit ang isang napakaraming mga kaugnay na mga probabilidad, maaari naming ibawas ang sagot sa halip kumplikadong mga katanungan na may isang simpleng pormula. Ang mga pamamaraan na ito ay mahusay na tinanggap at nasubok sa oras. Ang kanilang paggamit sa modelo ng pananalapi ay maaaring maging kapaki-pakinabang kung maayos na inilalapat.
