Valószínűségek játéka a tőzsdéken
Ha egy eseményhez szeretnénk valószínűséget rendelni, akkor nagyon leegyszerűsítve két módunk van erre.
Az egyik, hogy megérzés, tapasztalat vagy egyéb információk segítségével egyszerűen hozzárendelünk egy valószínűséget. A másik pedig, hogy megpróbálunk a múltban kutakodni, hogy vajon ilyen események milyen gyakran fordultak elő korábban, és azt feltételezve, hogy azok a jövőben is így fognak bekövetkezni, kivetítjük őket. Önmagában egyik eljárás sem tűnik túl helyesnek, főleg, ha a tőzsdékről van szó. Ugyanakkor rengeteg elemzési módszer- és eszköztár épít a historikus adatokra, elég csak a technikai elemzést megnézni, de a backtesztek, idősorelemzési módszerek, MI-eljárások és Monte-Carlo-szimulációk, mind-mind a „múltat használják fel”.
Azt gondolom, hogy nincs ezzel önmagában semmi gond, de ismernünk kell ezeknek az eljárásoknak a korlátait. Olyan eszközöket alkalmazunk, amelyeket a matematika adott a kezünkbe, és elsősorban a természettudományokban használják a legnagyobb sikerrel. Sajnos
a tőzsdék komplex rendszerek, rengeteg magyarázó változóval, amelyek egymásra is hatást gyakorolnak.
Mégis, hogyan lehet ebben a valószínűségrengetegben rálelni a helyes ösvényre? Azt gondolom, a válasz a bayesi gondolkodásban van. Azaz módunkban áll felhasználni minden rendelkezésünkre álló információt, amelyet racionális, egyszerű elvek alapján alkotunk meg (historikus hozamadatok, backtesztek, vállalati érték stb.). Ez lesz, ami a tapasztalatunkat adja (Prior). Majd az új, bejövő információt szembesítjük a tapasztaltunkkal, és amennyiben eltérünk, akkor a korábbi tapasztalatunkat formáljuk át, hogy jobb képünk legyen a következő előrejelzésünk kapcsán (Posterior).
Nem lesz mindig „igazunk”, de megtanulunk alkalmazkodni, és az adott pillanatban elérhető információk alapján a legmegalapozottabb döntést hozzuk majd.