新的研究可以提高对金融风险的预测

一个大胆的新想法挑战了传统的统计方法，可能有助于缩小预测模型和真相之间的差距.

分析专业人士和统计学家一直面临的挑战是，模型和分析只能作为对真相的近似. 这使得预测未知结果变得困难, 比如投资中的财务回报.

目前, 统计学家和分析专家制定了一个尽可能模拟数据的近似模型. 该模型提供了对未来未知的预测, 但由于外部变量及其与感兴趣结果的复杂相互作用，买球平台网址永远无法知道该模型是否正确.

结果是, 企业和投资者在做决定时，对未来事件和相关风险没有明确的认识.

现在，皇冠买球平台统计与计量经济学副教授 Ole Maneesoonthorn 和共同作者 盖尔人马丁副教授 大卫·弗雷泽 而且 Ruben Laoiza-Maya博士 从 莫纳什大学，连同 Andres Ramirez-Hassan博士 of 哥伦比亚EAFIT大学，提出了新的前进方向.

该小组的论文 最优概率预测:何时起作用? 发表在2022年1月至3月版 国际预测问题杂志 寻找“完美”的模式，专注于实际的结果.

预测差距

在这张图中, 你可以看到已知和未知之间的差距是如何影响分析师做出预测的:

横轴表示数据的可能值, 纵轴表示对应值在横轴上的可能性(预测密度). 如果绿色曲线是“真相”，红色曲线是预测模型, 你可以看到，虽然两条曲线在很大程度上是匹配的, 在最左和最右的地方，真相和模型有很大的差异.

图左边的差异, 红色的模型低估了下行风险, 会导致财务回报的灾难性损失吗. 如果投资者希望更有效地管理这种风险, 在左尾区域缩小真理和模型之间的差距符合他们的利益.

解决方案

为了解决这个问题, 买球平台网址可以忽略整个预测曲线，只关注投资者感兴趣的领域. 例如, 如果投资者希望管理其投资的下行风险，并尽量减少其投资组合价值的潜在下跌, 他们只会关注左尾巴:

通过校准感兴趣区域的预测分布, 如图中蓝线所示, 预测模型更接近事实. 而蓝色和红色的线条来自同一个模型, 它们经过不同的校准，以创建最适合特定特征的预测曲线.

“对投资者来说, 能够缩小事实和模型之间的差距，可以对他们对下行风险的估计以及减轻风险所需的后续行动产生巨大影响,曼尼森索恩副教授说.

这种方法与统计学的传统思维相悖, 在哪里，“拟合优度”被视为将模型拟合到数据的所有区域. 而不是, 使预测更有用和适用, 这项研究主张，模型应该被校准到对当前买球问题至关重要的特征. 这意味着不正确的模型可以是有用的，只要它们与问题兼容.

Maneesoonthorn副教授和她的合著者发现，只要模型足够灵活，能够捕捉预测分布的理想特征，分析师就能够缩小这种预测差距.

除了, 用于校准模型的统计评分规则必须能够衡量兴趣预测分布的特征. 这意味着不正确的模型可以是有用的，只要它们与问题兼容.

风险管理的实际相关性

在投资方面, 这可能导致更准确的预测，从而减少对极端下行事件的风险敞口. 它还可以在其他商业领域提供更准确的预测，在这些领域，它有助于为极端事件制定计划, 比如运营或供应链管理.

一个具体的例子是风险价值(VaR)的预测。. VaR是衡量下行风险的指标，金融机构依靠它来确定资本配置, 以便为灾难性损失提供缓冲.

由于主要金融机构的资本配置一直受到澳大利亚审慎监管局(APRA)的监控, VaR的预测必须谨慎，这一点至关重要. 然而, 过于谨慎的预测会导致留出更大的资金，这些资金本可以更有效地用于产生利润的职能.

侧重于百分位数预测的统计评分规则, 被称为分位数得分, 通过对风险预测不足的惩罚力度大于对风险预测过度的惩罚力度，来衡量VaR预测的准确性, 这是一个理论上合理的度量.

通过使用分位数分数校准一个可能不正确的模型, 而不是整体的契合度标准, 金融机构可以实现更准确的VaR预测，在合规和高效资源配置之间取得平衡.

关键是

这项研究的结果对基于整体拟合优度标准寻找“完美”模型的追求提出了质疑. 而, 它将乔治·博克斯的名言“所有模型都是错的”推向了风口, 但有些是有用的。”.

只要用户对问题有了深入的了解, 还有一个现成的统计工具集，可以将模型映射到问题, 他们可以从错误中准确预测真相, 但灵活的, 模型.

要阅读完整的研究论文，请访问 最优概率预测:何时起作用?

欲了解更多分析信息和研究，请访问买球平台网址的 商业分析中心页面.

要了解更多关于皇冠买球平台学习的信息，请访问买球平台网址的 买球平台网址 而且 短期课程 网页，或了解买球平台网址的服务范围 为组织.