Ya he escrito sobre mi actitud reverente hacia las redes de confianza bayesianas (BSD) en el artículo anterior . También se detalla un modelo muy sencillo para analizar las decisiones de los inversores sobre el ejercicio de una opción de compra sobre una acción. En esta ocasión, propongo profundizar en el tema y construir un BSD, que ya puede servir como base para un modelo de apoyo a la toma de decisiones más serio para la compra / venta de acciones de una empresa petrolera.
Notaré de antemano que no se me ocurrió este ejemplo, e incluso señalaré la fuente [1]. Sin embargo, la fuente, como suele ser el caso, omitió muchos detalles, lo que deja un residuo de insatisfacción, y los estudiantes solo tienen un malentendido, lo que lleva al hecho de que pasan por encima de este material sin comprenderlo hasta el final. Y la tarea vale la pena, aunque solo sea porque usó hábilmente casi todos los "trucos" básicos del BSD, y si lo desarma "en un tornillo", entonces puede seguir adelante con confianza.
Como saben, los modelos financieros tradicionales se han centrado en las relaciones históricas y cuantitativas entre variables. Sin embargo, en la práctica, los analistas financieros experimentados siempre intentan vincular los datos históricos con la información actual del mercado de cualquier tipo y comprender cómo esta información afecta los rendimientos de las acciones, los sectores del mercado, las tasas de interés y otros parámetros que caracterizan el modelo de cartera. Por ejemplo, en un momento la investigación antimonopolio contra Microsoft influyó en el rendimiento de las acciones de muchas empresas, pero resultó que esa información es difícil de tener en cuenta en los modelos tradicionales de rentabilidad [1]. Las redes bayesianas, por otro lado, perciben fácilmente tales variables en su estructura.
Otra desventaja de los modelos tradicionales es su naturaleza estática, a menudo la incapacidad de refinar los resultados en el proceso de obtención de nueva información. Aquí también notamos que la forma en que se representan las variables en el BSD permite al analista ingresar rápidamente nueva información y ver inmediatamente su impacto en toda la red, y no solo en el resultado final.
Entonces, estamos interesados en el estado de las acciones de la petrolera. Construyamos un OBD de cuatro nodos, mostrando las siguientes variables aleatorias (Fig.1):
- Tasa de interés (IR) - nivel de la tasa de interés (nodo principal);
- Mercado de valores (SM): el estado del mercado de valores;
- Industria petrolera (OI): el estado de la industria petrolera (nodo principal);
- Precio de las acciones (SP): el nivel del precio de las acciones de la empresa estudiada.
(. 2). , : «» «». , , 75% .
«» « ()». , , 40% . , (), (. . 2, ).
() « » - , , ( ) (). , , , , .
(. . 1). , () , ( ) . 80%. ( ), 70%. 100%, .
1. .
|
, % |
|
|
|
|
|
|
|
20 |
80 |
|
|
70 |
30 |
(. . 2) , .. , , . , 8 , «» .
, (1- ) , 80%. , (4- ) 10% . , , (2- ), « » , , 60%. , , (3- ), 50/50.
2. .
№ |
|
, % |
||
|
|
|
|
|
1 |
|
|
80 |
20 |
2 |
|
|
60 |
40 |
3 |
|
|
50 |
50 |
4 |
|
|
10 |
90 |
, Netica (. 2), . : ? , , , :
SM good = 0,25 · 0,2 + 0,75 · 0,7 = 0,575
SM bad = 0,25 · 0,8 + 0,75 · 0,3 = 0,425
! . , , . , , , , , .
– , . :
P(SM, OI, SP) = P(SP| SM, OI) · P(SM) · P(OI)
«» . , ( ) , , :
SP high = 0,8 · 0,575 · 0,4 + 0,6 · 0,575 · 0,6 +
0,5 · 0,425 · 0,4 + 0,1 · 0,425 · 0,6 = 0,5015
SP low = 0,2 · 0,575 · 0,4 + 0,4 · 0,575 · 0,6 +
0,5 · 0,425 · 0,4 + 0,9 · 0,425 · 0,6 = 0,4985
(. 2), ( ) . , , .. «» , .
, , . , : « » «Low» (. . 3). , , 5,2% ( 55,4%). , « » « » ( ), .
, , « » (. . 4) – 71%.
: « » « » (. . 5) 56%, .
(. . 6) ( 80%) .
, , (. 7), 90%.
, . «» . , «» , , , , . , Netica, , , - - .
Además de la fuente prometida [1], también cito un libro completamente nuevo [2], en el que también hay mucha información útil sobre el tema en la traducción rusa.
Literatura:
1. Shenoy C., Shenoy P. Modelos de red bayesiana de riesgo y rendimiento de la cartera. Finanzas Computacionales. The MIT Press, 1999, págs. 87-106.
2. Sukar L. Modelos de grafos probabilísticos. Principios y aplicaciones / per. De inglés Moscú: DMK Press, 2021.