贝叶斯的财务预测方法

您不必对概率理论了解很多，即可使用贝叶斯概率模型进行财务预测。贝叶斯方法可以帮助您使用直观过程来完善概率估计。

任何基于数学上的主题都可以将其视为复杂的深度，但这并不一定。

它是如何使用的

贝叶斯概率在美国公司使用的方式取决于一定的信念，而不是相同或相似事件的历史频率。但是，该模型是多功能的。您可以根据频率将信念纳入模型。

以下使用贝叶斯概率内的思想流派的规则和断言与频率有关，而不是主观性。量化知识的测量是基于历史数据。这种观点特别有用财务建模。

关于贝叶斯定理

我们要使用的贝叶斯概率的特定公式称为贝叶斯定理，有时称为贝叶斯的公式或贝叶斯规则。该规则通常用于计算所谓的后概率。后概率是有条件的概率未来的不确定事件基于与之相关的相关证据。

换句话说，如果您获得新的信息或证据，并且需要更新事件发生的可能性，则可以使用贝叶斯定理来估计这一新概率。

公式是：

$\ begin {Aligned}＆p（a | b）= \ frac {p（a \ cap b）} {p（b）} = \ frac {p（a）\ times p（a）\ times p（b | a）} {p（b）} {b）} \ \ \ \ \＆\＆\ textbf {were：} where：}} \ \＆p（a） &\text{prior probability} \\ &P(A|B) = \text{Conditional probability of A given} \\ &\text{that B occurs} \\ &P(B|A) = \text{Conditional probability of B given} \\ &\text{that A occurs} \\ &P(B) = \text{Probability of B occurring} \\ \ end {Aligned}$ p（（一个∣b）=p（（b）p（（一个∩b）=p（（b）p（（一个）×p（（b∣一个）在哪里：p（（一个）=发生的概率，称为事先概率p（（一个∣b）=给定的条件概率该B发生p（（b∣一个）=给定B的条件概率发生了p（（b）=B发生B的概率

p（a | b）是由于其对B的可变依赖性而导致的。这是假设a并非独立于B。

如果我们对事先观察的事件的概率感兴趣，我们将其称为先验的概率。我们将认为此事件A及其概率P（a）。如果有第二个事件影响P（a），我们将称为事件B，那么我们想知道A的概率是什么。

在概率符号中，这是P（A | B），称为后验概率或修订的概率。这是因为它发生在原始事件之后，因此在后部。

这就是方法贝叶斯定理独特的允许我们使用新信息更新以前的信念。下面的示例将帮助您在与一个概念中查看其工作原理股票市场。

一个例子

假设我们想知道利率的变化将如何影响股市指数。

所有专业都可以使用大量的历史数据股市索引，因此找到这些事件的结果应该没有问题。就我们的示例而言，我们将使用下面的数据来了解股市指数如何对利率上升的反应。

Sabrina Jiang的图片©Investopedia 2021

这里：

p（si）=股票指数的概率增加
p（sd）=股票指数的概率降低
p（id）=利率降低的可能性
p（ii）=利率增加的可能性

因此等式将是：

$\ begin {aligned}＆p（sd | ii）= \ frac {p（sd）\ times p（ii | sd）} {p（ii）} \\ \ end end {aligned}$ p（（sd∣我我）=p（（我我）p（（sd）×p（（我我∣sd）

插入我们的数字，我们将获得以下内容：

$\ begin {Aligned} p（SD | II） \ frac {0.575 \ times 0.826} {0.5} \\＆= \ frac {0.47495} {0.5} {0.5} \\＆= 0.9499 \左$ p（（sd∣我我）=（（2，，，，0001，，，，000）（（2，，，，0001，，，，150）×（（1，，，，150950）=0。50。575×0。826=0。50。47495=0。9499≈95％