Bikaranînên Statîstîkan di Darayî de
Îstatîstîk şaxek ji matematîkê ye ku pir caran wekî hişk û teorîk tê dîtin, lê di rastiyê de, di warên cûrbecûr de, di nav de fînans jî, sepanên wê yên berfireh hene. Îstatîstîk di analîzkirina daneyan, biryardanê, pêşbînîkirin û rêveberiya rîskan de di cîhana darayî de roleke girîng dilîze. Ev gotar dê hin sepanên sereke yên îstatîstîkê di darayî de û ka çawa daneyên îstatîstîkî û rêbaz alîkariya pisporên darayî dikin ku bi pirsgirêk û derfetan re mijûl bibin, binirxîne.
1. Analîz û Pêşbînîkirina Daneyan
Yek ji sepanên sereke yên îstatîstîkê di warê darayî de analîz û pêşbînîkirina daneyan e. Pêvajoya daneyên dîrokî ji bo pêşbînîkirina meylên pêşerojê di pîşesaziya darayî de pratîkek gelemperî ye. Mînakî, analîstên darayî daneyên dîrokî yên bihayên stokan bikar tînin da ku tevgerên bihayên pêşerojê pêşbînî bikin. Rêbazên îstatîstîkî yên wekî regresyona xêzik û analîza rêze-demî pir caran ji bo vê armancê têne bikar anîn.
Regresyona Xêzî
Regresyona xêzikî ji bo modelkirina têkiliya di navbera guherbarên serbixwe û yên girêdayî de tê bikar anîn. Bo nimûne, di çarçoveyek darayî de, ew dikare ji bo pêşbînîkirina bihayên stokan (guherbara girêdayî) li ser bingeha faktorên cûrbecûr ên wekî rêjeyên faîzê, enflasyon, an nîşaneyên din ên aborî (guherbarên serbixwe) were bikar anîn. Hevkêşeyek regresyona xêzikî ya hêsan ev e:
Y = alfa + beta X + epsilon
Ko:
– \( Y \) guhêrbarê girêdayî ye (mînak, bihayê stokê),
– \( X \) guhêrbarê serbixwe ye (mînak, rêjeya faîzê),
– \( \alpha \) û \( \beta \) parametreyên modelê ne,
– \( \epsilon \) bermahî an jî çewtî ye.
Analîza Rêze-Demjimêrê
Analîza rêze-demî daneyan di demê re vedikole da ku qalib an meylên taybetî destnîşan bike. Di fînansê de, analîza rêze-demî ji bo pêşbînîkirina bihayên sermayeyan, qebareya bazirganiyê û nîşaneyên aborî tê bikar anîn. Teknîkên wekî Navînîya Tevger a Yekgirtî ya Oto-Regressive (ARIMA) û Heteroskedasîtîya Mercî ya Oto-Regressive ya Giştî (GARCH) di van modelan de têne bikar anîn.
2. Rêveberiya Rîskê
Her wiha îstatîstîk di rêveberiya rîskê de, pêvajoya destnîşankirin, pîvandin û kontrolkirina rîskên darayî yên ku şîrketek an veberhêner dikare pê re rû bi rû bimîne, roleke girîng dilîze. Hin amûrên îstatîstîkî yên ku pir caran di rêveberiya rîskê de têne bikar anîn ev in: Nirxa di Rîskê de (VaR), ceribandina stresê û analîza Monte Carlo.
Nirxa di rîskê de (VaR)
VaR pîvanek îstatîstîkî ye ku windakirina potansiyel a herî zêde ya portfoliyoyek an hebûnek taybetî di heyamek diyarkirî de bi astek baweriyê ya diyarkirî texmîn dike. Bo nimûne, VaR-ya 1-rojî ya 95% ya 1 mîlyon dolarî tê vê wateyê ku 95% bawerî heye ku windakirina portfoliyoyê di rojekê de ji 1 mîlyon dolarî derbas nabe. VaR dikare bi karanîna rêbazên dîrokî, rêbazên analîtîk, an simulasyonên Monte Carlo were hesibandin.
Testkirina Stresê
Testa stresê simulasyona gelek şert û mercên bazarê yên ekstrem vedihewîne da ku were pîvandin ka ev şert û merc çawa dikarin bandorê li nirxa portfoliyoyekê bikin. Mînakî, krîzeke darayî ya cîhanî dê çawa bandorê li portfoliyoyek veberhênanê bike? Bi simulasyona van senaryoyên ekstrem, saziyên darayî dikarin ji bo îhtîmala windahiyên girîng amade bibin.
3. Cihêrengkirina Portfolio
Cûrbecûrkirin stratejiyeke veberhênanê ye ku armanc dike bi dabeşkirina veberhênanan li ser cûrbecûr hebûnên negirêdayî rîskê kêm bike. Îstatîstîk bi hesabkirina têkilî û hevguherîna di navbera hebûnên cûda de di cûrbecûrkirina portfoliyoyê de dibin alîkar.
Korrelasyon û Kovaryans
Korrelasyon hêz û rêça têkiliya xêzikî ya di navbera du guherbaran de dipîve. Bo nimûne, heke sermayeyek bi gelemperî bi yeka din re bilind bibe, tê gotin ku sermayeyên wan bi awayekî erênî ve girêdayî ne. Berevajî vê, heke sermayeyek bilind bibe dema ku ya din dakeve, korelasyonek neyînî heye. Koefîsyenta korelasyonê ji -1 (korelasyona neyînî ya bêkêmasî) heta +1 (korelasyona erênî ya bêkêmasî) diguhere. Kêmkirina rîskê bi rêya cihêrengkirinê hilbijartina sermayeyên bi korelasyona nizm an neyînî vedihewîne.
Portfoliyoya Optimal
Teoriya portfoliyoya Markowitz, an jî Optimîzasyona Navînî-Cuharî, îstatîstîkan bikar tîne da ku portfoliyoya çêtirîn bi zêdekirina vegera û kêmkirina rîskê diyar bike. Ev rêbaz hesabkirina navînî (vegera navînî) û guherîna (rîskê) portfoliyoyekê, û her weha têkiliya di navbera hebûnên cûrbecûr ên di nav portfoliyoyê de vedihewîne.
4. Pûana Krediyê
Îstatîstîk di sektora bankan de, bi taybetî di deyndayînê de, roleke girîng dilîzin. Modelên îstatîstîkî ji bo nirxandina şiyana krediyê ya kesan an şîrketan têne bikar anîn, ku li ser bingeha daneyên dîrokî û taybetmendiyên deynkaran têne pêşxistin.
Regresyona Lojîstîkî
Rêbazek ku pir caran di nirxandina krediyê de tê bikar anîn regresyona lojîstîkî ye. Ev model îhtîmala ku deyndarek dê li gorî hin guherbaran wekî dîroka krediyê, dahat û celebê kar negihîje texmîn dike.
\[ \text{Logit}(P) = \alpha + \beta_1 X_1 + \beta_2 X_2 + \dots + \beta_n X_n \]
Li vir (P) îhtîmala têkçûnê ye, (alpha) qutkirina sînor e, û (beta) jî katsayiya regresyonê ye.
5. Derivatives û Options
Statîstîk di warê nirxandina derivatîf û vebijarkan de jî pir girîng in. Modela Black-Scholes yek ji modelên herî navdar e ji bo nirxandina vebijarkan.
Modela Reş-Scholes
Ev model ji bo hesabkirina bihayê teorîk ê vebijarkekê çend daneyên îstatîstîkî bikar tîne, di nav de neguhêrbarîya bihayê sermayeya bingehîn. Formula Black-Scholes ev e:
\[ C = S_0 N(d_1) – X e^{-rt} N(d_2) \]
Ko:
– \( C \) nirxa opsîyona gazîkirinê ye,
– \(S_0 \) nirxa heyî ya hebûnê ye,
– \( X \) nirxa lêdanê ye,
– \( r \) rêjeya faîza bêrîsk e,
– \(t \) dema gihîştinê ye,
– \( N(d) \) fonksiyona dabeşkirina berhevkirî ya dabeşkirina normal e,
– \( d_1 \) û \( d_2 \) guhêrbarên ku ji têketina modelê hatine wergirtin in.
Xelasî
Ji analîza daneyan bigire heta rêveberiya rîskê û avakirina portfoliyoyê, îstatîstîk di warê darayî de roleke navendî dilîze. Bikaranîna rêbazên îstatîstîkî alîkariya pisporên darayî dike di nirxandin, pêşbînîkirin û biryargirtinê de çêtir, û di pîşesaziya darayî de nûjenî û aramiya mezintir peyda dike. Lêbelê, girîng e ku her gav ji texmîn û sînorkirinên her modela îstatîstîkî ya ku tê bikar anîn haydar bin.
Bi pêşketinên teknolojîk û zêdebûna hebûna daneyan re, sepanên îstatîstîkî di warê darayî de dê berdewam pêş bikevin û her ku diçe tevlihevtir bibin. Fêr bibin û îstatîstîkan bikar bînin da ku di cîhana darayî ya her tim diguhere de biryarên agahdartir û agahdartir bidin.
