Multivariate model
Wat is het multivariate model?
Het multivariate model is een populaire statistische tool die meerdere variabelen gebruikt om mogelijke uitkomsten te voorspellen. Onderzoeksanalisten gebruiken multivariate modellen om beleggingsresultaten in verschillende scenario’s te voorspellen om de blootstelling van een portefeuille aan bepaalde risico’s te begrijpen. Hierdoor kunnen portefeuillebeheerders de risico’s die zijn geïdentificeerd door middel van de multivariate modelleringsanalyse, beter beperken.
Belangrijkste leerpunten
- Een multivariate model is een statistische tool die meerdere variabelen gebruikt om uitkomsten te voorspellen.
- Een voorbeeld is een Monte Carlo-simulatie die een reeks mogelijke uitkomsten presenteert met behulp van een kansverdeling.
- Zwarte zwaangebeurtenissen die het model betekenisloos maken, zelfs als de gebruikte gegevenssets en variabelen goed zijn.
- Verzekeringsmaatschappijen gebruiken vaak multivariate modellen om de kans te bepalen dat claims moeten worden uitgekeerd.
Inzicht in het multivariate model
Multivariate modellen helpen bij de besluitvorming doordat de gebruiker de verschillende scenario’s en hun waarschijnlijke impact kan testen. De Monte Carlo-simulatie is een veelgebruikt multivariate model dat een kansverdeling creëert die helpt bij het definiëren van een reeks mogelijke beleggingsresultaten. Multivariate modellen worden op veel financiële gebieden gebruikt.
Een bepaalde investering kan bijvoorbeeld door middel van scenario-analyse in een multivariate model worden uitgevoerd om te zien hoe deze het rendement van de gehele portefeuille in verschillende marktsituaties zal beïnvloeden, zoals een periode van hoge inflatie of lage rentetarieven. Dezezelfde benadering 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 in dezelfde winkel die voorafgaand aan de inkomsten worden vrijgegeven, neemt het vertrouwen in het model en de voorspelde reeksen toe.
Speciale overwegingen
Verzekeringsmaatschappijen zijn gebruikers van multivariate modellen. De prijsstelling van een verzekeringspolis is gebaseerd op de kans om een claim uit te betalen. Gegeven slechts een paar datapunten, zoals de leeftijd van de aanvrager en het woonadres, kunnen verzekeraars dat toevoegen aan een multivariaat model dat put uit aanvullende databases die de juiste prijsstrategie voor het beleid kunnen beperken. Het model zelf zal worden gevuld met bevestigde gegevenspunten (leeftijd, geslacht, huidige gezondheidsstatus, ander eigendom van beleid, 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.
Voordelen en nadelen van multivariate modellering
Het voordeel van multivariate modellering is dat het meer gedetailleerde “wat als” -scenario’s biedt die besluitvormers kunnen overwegen. Gelet op deze variabelen zal bijvoorbeeld investering A waarschijnlijk een toekomstige prijs binnen dit bereik hebben. Naarmate er meer solide gegevens in het model worden gestopt, wordt het voorspellende bereik smaller en groeit het vertrouwen in de voorspellingen. Zoals bij elk model, zijn de gegevens die naar buiten komen echter zo goed als de gegevens die binnenkomen.
Er is ook een risico dat gebeurtenissen met een zwarte zwaan het model betekenisloos maken, zelfs als de gebruikte gegevenssets en variabelen goed zijn. Dit is natuurlijk de reden waarom de modellen zelf niet de leiding hebben over de handel. De voorspellingen van multivariate modellen zijn gewoon een andere bron van informatie voor de uiteindelijke besluitvormers om over na te denken.