Qué es la modelización estocástica?
En las finanzas, la modelización estocástica se utiliza para estimar los posibles resultados en los que la aleatoriedad o la incertidumbre son factores de incertidumbre La incertidumbre significa simplemente la falta de certeza o seguridad de un acontecimiento. En contabilidad, la incertidumbre se refiere a la incapacidad de prever las consecuencias o está presente. Al permitir la variación aleatoria de las entradas, los modelos estocásticos se utilizan para estimar la probabilidad de varios resultados.
La modelización estocástica permite a las instituciones financieras incluir incertidumbres en sus estimaciones, teniendo en cuenta situaciones en las que los resultados pueden no ser conocidos al 100%. Por ejemplo, un banco puede estar interesado en analizar cómo se comporta una cartera durante un mercado volátil e incierto. La creación de un modelo estocástico implica un conjunto de ecuaciones con entradas que representan incertidumbres en el tiempo. Por lo tanto, los modelos estocásticos producirán resultados diferentes cada vez que se ejecute el modelo.
Resumen
Entender los modelos estocásticos
Para que un modelo sea estocástico, debe tener una variable aleatoria en la que exista un nivel de incertidumbre. Debido a la incertidumbre presente en un modelo estocástico, los resultados proporcionan una estimación de la probabilidad de varios resultados.
Para estimar la probabilidad de cada resultado, una o más de las entradas deben permitir la variación aleatoria en el tiempo. El resultado es una estimación de las distribuciones de probabilidad, que son funciones matemáticas que muestran la probabilidad de diferentes resultados.
Por ejemplo, si se analizan los rendimientos de las inversiones, un modelo estocástico proporcionaría una estimación de la probabilidad de varios rendimientos en función de la entrada incierta (e.g., volatilidad del mercadoVIXEl Chicago Board Options Exchange (CBOE) creó el VIX (CBOE Volatility Index) para medir la volatilidad esperada a 30 días del mercado bursátil estadounidense, a veces llamado «índice del miedo». El VIX se basa en los precios de las opciones sobre el S&Índice P 500). La variable aleatoria suele utilizar datos de series temporales, que muestran las diferencias observadas en los datos históricos a lo largo del tiempo. Las distribuciones de probabilidad finales son el resultado de muchas proyecciones estocásticas que reflejan la aleatoriedad de las entradas.
Los modelos estocásticos deben cumplir varios criterios que los distinguen de otros modelos probabilísticos. En primer lugar, los modelos estocásticos deben contener una o más entradas que reflejen la incertidumbre de la situación proyectada. Generalmente, el modelo debe reflejar todos los aspectos de la situación para proyectar correctamente una distribución de probabilidad.
Las probabilidades se correlacionan con los eventos dentro del modelo, que reflejan la aleatoriedad de las entradas. Las probabilidades se utilizan entonces para hacer predicciones o para proporcionar información relevante sobre la situación.
Estocástico frente a. Modelos deterministas
Como se ha mencionado anteriormente, los modelos estocásticos contienen un elemento de incertidumbre, que se incorpora al modelo a través de las entradas. Al calcular un modelo estocástico, los resultados pueden diferir cada vez, ya que la aleatoriedad es inherente al modelo. Los modelos pueden dar lugar a muchos resultados diferentes en función de las entradas y de cómo afecten a la solución. El proceso se puede repetir muchas veces bajo diferentes escenarios para estimar la distribución de probabilidad.
En contraste con los modelos estocásticos, los modelos deterministas son exactamente lo contrario y no implican ninguna incertidumbre o aleatoriedad. La característica que define a un modelo determinista es que, independientemente del número de veces que se ejecute el modelo, los resultados serán siempre los mismos.
Esto se debe a que ninguna de las entradas es aleatoria, y sólo hay una solución para un conjunto específico de valores. En los modelos deterministas, cualquier incertidumbre es externa y no afecta a los resultados dentro del modelo.
Modelos estocásticos de inversión
En el análisis financieroTipos de análisis financieroEl análisis financiero consiste en utilizar datos financieros para evaluar una empresa’El modelo estocástico se basa en un conjunto de variables aleatorias. Los analistas financieros realizan su trabajo principalmente en Excel, utilizando una hoja de cálculo para analizar datos históricos y realizar proyecciones Tipos de análisis financiero, los modelos estocásticos pueden utilizarse para estimar situaciones que implican incertidumbre, como los rendimientos de las inversiones, la volatilidad de los mercados o las tasas de inflación. Dado que los factores no pueden predecirse con total exactitud, los modelos ofrecen a las instituciones financieras una forma de estimar las condiciones de inversión en función de diversos datos.
Los modelos estocásticos se basan en un conjunto de variables aleatorias, donde las proyecciones y los cálculos se repiten para conseguir una distribución de probabilidad. Los modelos pueden repetirse miles de veces, con un nuevo conjunto de variables aleatorias cada vez.
La distribución resultante proporciona una estimación de los resultados más probables y del rango potencial de resultados. Suele representarse mediante una curva de distribución. Dado que los modelos estocásticos contienen entradas que tienen en cuenta la incertidumbre y la variabilidad, proporcionan una mejor representación de las situaciones de la vida real.
Más recursos
Gracias por leer nuestro sitio web’s guide to Stochastic Modeling. Para seguir avanzando en su carrera, los recursos adicionales que aparecen a continuación le serán de utilidad: