Modelos de pronostico Probabilidad objetiva: las monedas y tirar dados Modelo financiero: proceso de difusión - la leche El modelo de Metrópolis Este.

Presentación del tema: "Modelos de pronostico Probabilidad objetiva: las monedas y tirar dados Modelo financiero: proceso de difusión - la leche El modelo de Metrópolis Este."— Transcripción de la presentación:

1

2 Modelos de pronostico Probabilidad objetiva: las monedas y tirar dados Modelo financiero: proceso de difusión - la leche El modelo de Metrópolis Este es un tipo diferente de los huracanes de modelado modelo inductivo Error dependerá pasado: función de futuro

3 Deductivo o inductivo Es útil 0.25 en el ejemplo de fianza, que era subjetiva Probabilidades subjetivas provienen de la experiencia Mala experiencia puede producir números negativos Función de distribución acumulada Pr [-inf, a] Podemos pensar en la función de probabilidad Podemos calcular el área para el cálculo de probabilidad

4 Modelo de afianzador ¿Cómo lo modelo? Primer orden del día: que cubran los costos 1000 fianza Precio de la fianza 1000 Pr (no pago) = 0.25 ¿Qué hemos hecho para este modelo? Distribución normal: riesgos similares Lo que necesitamos? Mu y Sigma Mu es el costo promedio = 1000x36000x0.25 = $ 9 millones

5 Sigma = raiz(1000x36000x36000x0.25x0.75) = 492,950.30 Dibuja una curva de Gauss Monto total a pagar a 1000 ITAM: entrada y salida Ambos tienen sus riesgos: el riesgo de entrada de colegiatura Salida: El pago de salarios, mantenimiento No previstos: accidentes, robos de costos de operación ITAM: edificio Riesgo: Amparo-detener la construcción del edificio

6 Fianzas, el principal riesgo es la probabilidad de no pago Más y menos 1xsigma 68% de riesgo La prima? $ 1,000 Mil fianzas (idénticas, independientes) Total $ 1,000,000 ¿cubrirá el costo? ¿Cuánto cuesta? El uso de Excel

7 Si cobramos $ 9000? 0.5 PT Prima total $ 9 millones Pr (-inf, mu) = 0,5 Una persona tenía una probabilidad de 0.25 Tenemos que cobrar un poco más Si se cobra 10 millones ¿Cómo explicas a tu jefe? En 100 años, vamos a tener dos años de pérdidas Nota: Todas las decisiones tienen riesgo: ¿si cobramos $36,000? 36000 es el máximo

8 0.25 parece muy alta Si el afianzador cobro $1000 a cada cliente ¿Cuál es el p? Sabemos: Modelo de decisión Función de utilidad: ¿Cómo? Cóncava, u´>0 y u”<0 Aversión al riesgo

9 afinanzador w +1000+0 y w+1000-36000 pu(w+1000-36000) + (1-p)u(w+1000+0) (wprom, uprom) en la recta (wprom, u (prom)) ¿Cuál es el posible valor de p? Si neutral al riesgo, p será exactamente igual a la pérdida promedio 36000xp = 1,000, p = 1 / 36 Si se está cobrando 1000 Implícitamente el riesgo debe ser uno en 36 y no uno de cada cuatro

10 Rifa 400 boletos 50 costo del boleto 3000 premio Neutro al riesgo $7.50 boleto Entonces, si pagamos $7.50, 1/400 Afianzador: aversión al riesgo => deben de ser menos de 1/36 si cobra 1000 Si efectivamente p=1/36 Mu=1000x36000x1/36=1,000,000 ¿Como esta ahora la distribución? ¿Qué mas necessito? Sigma=187382.87

11 Ahora la distribución al la izquierda Nótese ahora la distribución tiene un pico mas alta Sigma/Mu.065 anterior.187 después