Language
Country/Area
No result found
Dados aparentemente comuns, mas escondem um incrível efeito de 'cauda gorda'. Você sabe o que é?
Na nossa vida quotidiana, os dados parecem sempre seguir certas regras, especialmente nas áreas da economia e das finanças. No entanto, por trás desses dados, pode haver um efeito desconhecido de “cauda gorda” oculto. Este efeito refere-se ao facto de, em determinadas distribuições de probabilidade, a probabilidade de eventos extremos ser muito superior ao que pode ser previsto pelo modelo de distribuição normal tradicional. Isto não só afeta a avaliação do risco, mas também tem um impacto direto nas nossas decisões de investimento. Influência.
Algumas pesquisas mostram que, em comparação com a distribuição normal comum, a probabilidade de eventos extremos na distribuição de cauda gorda aumenta significativamente, o que faz com que muitos modelos financeiros enfrentem desafios em aplicações práticas.
O núcleo do efeito da cauda gorda está na espessura da cauda. Em comparação com a distribuição normal convencional, a cauda decai lentamente. Isto significa que os cenários em que ocorre uma distribuição de cauda gorda podem criar um risco mais elevado do que criar mais do que volatilidade quadrática. Na verdade, quando enfrentamos movimentos de mercado fora da faixa normal, esses movimentos são muitas vezes impulsionados por distribuições de cauda gorda, em vez de modelos de dados tradicionais.
Nos mercados financeiros, os investidores muitas vezes assumem que o comportamento do mercado segue uma distribuição normal e formulam estratégias de gestão de risco em conformidade. No entanto, os chamados "cinco eventos de desvio padrão" são considerados extremamente improváveis de ocorrer numa distribuição normal, mas numa distribuição de cauda gorda, a probabilidade real destes eventos é significativamente maior. Estas diferenças cognitivas levam a previsões imprecisas por parte de muitos modelos de risco financeiro porque não têm em conta o impacto potencial de eventos extremos.
Muitos estudiosos, como Benoit Mandelbrot e Nassim Nicholas Taleb, apontaram as deficiências do modelo tradicional de distribuição normal na previsão dos riscos do mercado financeiro e defenderam o uso de distribuições de cauda gorda para melhor compreender os retornos dos ativos.
Olhando para trás, para acontecimentos históricos, como a quebra de Wall Street em 1929, a Segunda-feira Negra em 1987 e a crise financeira em 2008, a ocorrência destes acontecimentos pode ser explicada no quadro da distribuição de cauda gorda. Tais eventos extremos resultam frequentemente de um comportamento irracional do mercado, razão pela qual vemos frequentemente flutuações de mercado não convencionais.
No campo do marketing, o efeito cauda gorda aparece com frequência. Por exemplo, a regra clássica 80/20 afirma que 20% dos seus clientes podem gerar 80% da sua receita. O que este padrão de distribuição reflecte é que o sucesso empresarial é muitas vezes grandemente afectado por um pequeno número de produtos ou serviços, e esta é uma das características de uma distribuição de cauda gorda.
Muitos setores, como entretenimento e vendas de mercadorias, apresentam as características de uma distribuição de cauda gorda, o que faz com que o volume de vendas de certos produtos seja anormalmente alto, afetando assim o mercado geral.
No campo da ciência de dados, compreender o efeito cauda gorda é fundamental para a construção de modelos analíticos e preditivos. Embora esta característica possa não ser facilmente perceptível em apresentações de dados comuns, ela pode alterar significativamente as nossas previsões sobre o futuro.
Seja gerenciamento de risco financeiro ou análise do comportamento do mercado, compreender o efeito cauda gorda pode tornar nossas decisões mais perfeitas. Então, deveríamos levar em consideração o efeito cauda gorda ao desenvolver modelos de avaliação de risco como referência para melhorar os padrões?
