{"id":22,"date":"2006-02-28T13:00:05","date_gmt":"2006-02-28T12:00:05","guid":{"rendered":"http:\/\/iskwew.com\/Wordpress\/2006\/02\/28\/finanskurs-for-datere-iii-verdivurdering\/"},"modified":"2009-03-29T22:52:18","modified_gmt":"2009-03-29T21:52:18","slug":"finanskurs-for-datere-iii-verdivurdering","status":"publish","type":"post","link":"http:\/\/iskwew.com\/blogg\/2006\/02\/28\/finanskurs-for-datere-iii-verdivurdering\/","title":{"rendered":"Finanskurs for datere III – Verdivurdering"},"content":{"rendered":"

N\u00e5r man skal sammenligne prosjekter, for s\u00e5 \u00e5 velge det man tror vil f\u00e5 den h\u00f8yeste avkastningen, er det sv\u00e6rt viktig at man har de riktige verkt\u00f8yene for \u00e5 gj\u00f8re en slik vurdering. Og igjen har finansteorien en rekke fiffige verkt\u00f8y\/begreper\/modeller som er sv\u00e6rt anvendelige.<\/p>\n

I tidligere tider gjorde man ofte kun en vurdering basert p\u00e5 at man satte noen verdier for fremtidig utvikling, og regnet seg frem til et forventet resultat. Alt vel og bra, men det er bare det at de fleste forutsetningene er usikre, s\u00e5kalt stokastiske. Og det \u00e5 fors\u00f8ke \u00e5 finne EN verdi for en slik variabel, er \u00e5 sammenligne med \u00e5 spikre gele til en vegg. Ser du det for deg? Det er sv\u00e6rt vanskelig \u00e5 spikre gele til en vegg.<\/p>\n

S\u00e5 det vi M\u00c5 gj\u00f8re, er \u00e5 ikke bare si noe om den forventede avkastningen, men ogs\u00e5 om risikoen.<\/p>\n

Da m\u00e5 det et mer finmasket garn til. Dette garnet skaffer man seg gjennom en simuleringsmodell. Alts\u00e5; man kartlegger alle variablene, og det utfallsrommet de kan forventes \u00e5 f\u00e5. Et eksempel:<\/p>\n

Variabel A har en forventet verdi 1. Men etter \u00e5 ha tenkt n\u00f8ye over det, tror vi at det er mulig at verdien kan bli 0, og det er mulig at verdien kan bli 2. I dette \u00f8yeblikk, kj\u00e6re datere, har vi definert en sannsynlighetskurve for variabel A. Dette gj\u00f8r vi for alle relevante variable, og i tillegg sier vi noe om sammenhengene mellom variablene, enten ved \u00e5 definere en ligning, kalt en regresjon, eller ved \u00e5 definere om de beveger seg i takt eller i motsatt retning, kalt en korrelasjon. Vi definerer diverse m\u00e5lvariable matematisk, og bygger en elegant modell som vi s\u00e5 kj\u00f8rer inn i den store kverna, kalt Monte Carlo simulering. Navnet beviser for \u00f8vrig at statistikk\/finansnerder ikke er s\u00e5 usexy i perspektivene som det kan synes, vi HAR faktisk skj\u00f8nt at raske biler har noe for seg. Dessuten, sjekk fotnote 1). Monte Carlo simulering ble utviklet for de virkelige stjernesmellene, og det er jo det vi datere er ute etter.<\/p>\n

S\u00e5, kj\u00e6re datere, la oss lage en modell. Vi kaller det Standardmodellen for date-seleksjon (SDS). Alts\u00e5, en modell vi skal bruke for \u00e5 velge ut hvem som er verdt \u00e5 date. M\u00e5lfunksjonen er: Forventet utbytte av date.<\/p>\n

Modellen vil gi estimater p\u00e5 b\u00e5de forventet avkastning og risiko. Merk at brukeren selv m\u00e5 sette alle variablene. De vil v\u00e6re individuelle.<\/p>\n

Vi definerer for enkelhets skyld alle variable til \u00e5 kunne ha verdier mellom 0 og 100, der en normalfordelingstiln\u00e6rming skulle tilsi at forventet verdi er 50. Eller sagt p\u00e5 en annen m\u00e5te; gjennomsnittsdatingmaterialet vil ha verdi p\u00e5 50. S\u00e5 definerer vi f\u00f8lgende variable som beskrivende for en vellykket date:<\/p>\n

1. Hvordan personen ser ut?. Vi har selvsagt sett bilde.
\n2. Hvor snakkesalig virker personen? Har vi snakket godt p\u00e5 telefon? For om det er noe alle kvinner vet, s\u00e5 er det at man m\u00e5 snakke p\u00e5 telefon f\u00f8r man treffes.
\n3. Har personen en humor som passer med v\u00e5r og som borger for en morsom kveld?
\n4. Virker personen \u00e6rlig? Dette er en vanskelig variabel \u00e5 ansl\u00e5, her m\u00e5 vi stole p\u00e5 intuisjonen, men den er ofte god hos garvede datere.
\n5. Er personen i terminmarkedet? Viktig at dette perspektivet stemmer, se \u201dFinans for datere I”.
\n6. Er du i terminmarkedet? Det er selvsagt en god ting om dette sammenfaller.<\/p>\n

I tillegg forutsetter vi en korrelasjon, alts\u00e5 samvariasjon, mellom variabel 2 og variabel 3. Jeg har sjelden m\u00f8tt en som er stum som en \u00f8sters men likevel har humor. Uansett s\u00e5 hjelper det jo ikke \u00e5 ha humor om man ikke f\u00e5r den ut.<\/p>\n

V\u00e5r enkle modell blir da:<\/p>\n

GJENNOMSNITT<\/strong>(V1<\/sub>,V2<\/sub>,V3<\/sub>,V4<\/sub>,V5<\/sub>,V6<\/sub>) gitt KORR<\/strong>(V2<\/sub>,V3<\/sub>).<\/p>\n

Anta at jeg har to personer jeg vurderer \u00e5 date, men av ulike \u00e5rsaker kan jeg bare date en av dem. Kall dem Arne og Per. Jeg bruker modellen for \u00e5 finne ut f\u00f8lgende:<\/p>\n

1) Har Arne eller Per h\u00f8yest forventet dateverdi?
\n2) Hvordan ser risikobildet ut? Dette m\u00e5ler vi ved det beregnede standardavviket til den forventede dateverdien. Det tallfester risikoen.
\n3) Om begge daterne f\u00e5r forventningsverdier under 50, er de alts\u00e5 begge under gjennomsnittet. Da kan det kanskje v\u00e6re en ide \u00e5 droppe begge to.<\/p>\n

Vi legger inn informasjon om Arne og Per i modellen:<\/p>\n

\"\"<\/p>\n

Tabellen viser at Arne ser ut til \u00e5 v\u00e6re en over gjennomsnittlig forventet date, mens Per ser ut til \u00e5 befinne seg noe under gjennomsnittet. Imidlertid m\u00e5 vi kj\u00f8re modellen for \u00e5 skaffe oss mer informasjon om Per og Arne.<\/p>\n

Simuleringsresultater:<\/strong><\/p>\n

\"\"<\/p>\n

Grafisk:<\/strong><\/p>\n

\"\"<\/p>\n

Og voila! Der har vi plutselig en hel masse interessant informasjon om Arne og Per. For eksempel:<\/p>\n

Arne har fortsatt h\u00f8yeste forventede dateverdi, men den er lavere enn i base case. P\u00e5 fagspr\u00e5ket \u2013 risikojustert avkastning er lavere enn forventet avkastning. Per har litt h\u00f8yere avkastning, og ligger n\u00e5 p\u00e5 gjennomsnittet.Arne har st\u00f8rre standardavvik enn Per. Det skyldes at det er st\u00f8rre risiko knyttet til Arne. Selv om vi tar hensyn til at Per\u2019s gjennomsnitt er lavere, er det fortsatt st\u00f8rre risiko knyttet til Arne (12,7%) enn til Per (11,5%).<\/p>\n

Arne\u2019s minimumsverdi er LAVERE enn Per\u2019s. Alts\u00e5, det kan bli objektivt sett mer mislykket \u00e5 date Arne. Interessant nok, siden han i utganspunktet har h\u00f8yere forventet verdi. Det er ingen tvil om at det er mer risiko knyttet til Arne.<\/p>\n

Arne\u2019s maksimumsverdi er betraktelig h\u00f8yere enn Per\u2019s. Det er en mye st\u00f8rre oppside ved \u00e5 date Arne.<\/p>\n

Det modelleieren m\u00e5 gj\u00f8re, n\u00e5r disse resultatene er inne, er \u00e5 se p\u00e5 sin egen risikob\u00e6rende evne. Alts\u00e5; siden det ikke er tvil om at Arne har h\u00f8yest forventet avkastning, b\u00f8r han velges om man kan leve med risikoen knyttet til Arne. Kan man ikke ta s\u00e5 mye risiko, b\u00f8r man kanskje se p\u00e5 Per. Men han er en forventet gjennomsnittsdate, med liten oppside.<\/p>\n

Jeg hadde sikkert valgt \u00e5 date Arne. For det ser for meg ut som om den potensielle oppsiden gj\u00f8r at nedsiden er til \u00e5 leve med. Ja da, det KAN bli enda mer mislykket enn en date med Per (28 mot 30), men du verden det kan bli mye mer vellykket ogs\u00e5 (82 mot 69).<\/p>\n

Modellen kan selvsagt utbygges og raffineres. Vi lever tross alt i en kompleks virkelighet, og mennesker er mer komplekse enn de fleste andre vesener. Modeller vil kunne skreddersys og utvikles for den enkelte dater, p\u00e5 henvendelse til Iskwew@dating-simulationmodels.com, og mot et lite fee. Som ikke p\u00e5 noe vis er ublu, tatt i betraktning hva kundene f\u00e5r ut av det.<\/p>\n

Isk
\n*s\u00e5 akkurat en forretningsmulighet*
\n
\n1) The term <\/span>Monte Carlo<\/span> was introduced during World War II as a code name for simulation of problems associated with development of the atomic bomb. <\/span><\/p>\n

<\/small><\/small>Iskwew \u00a9<\/span><\/small><\/span><\/small><\/p>\n","protected":false},"excerpt":{"rendered":"

N\u00e5r man skal sammenligne prosjekter, for s\u00e5 \u00e5 velge det man tror vil f\u00e5 den h\u00f8yeste avkastningen, er det sv\u00e6rt viktig at man har de riktige verkt\u00f8yene for \u00e5 gj\u00f8re en slik vurdering. Og igjen har finansteorien en rekke fiffige verkt\u00f8y\/begreper\/modeller som er sv\u00e6rt anvendelige. I tidligere tider gjorde man ofte kun en vurdering basert […]<\/p>\n","protected":false},"author":29,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[133,90],"class_list":["post-22","post","type-post","status-publish","format-standard","hentry","category-finanskurs-for-datere","tag-dating","tag-finans"],"_links":{"self":[{"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/posts\/22","targetHints":{"allow":["GET"]}}],"collection":[{"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/users\/29"}],"replies":[{"embeddable":true,"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/comments?post=22"}],"version-history":[{"count":0,"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/posts\/22\/revisions"}],"wp:attachment":[{"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/media?parent=22"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/categories?post=22"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/iskwew.com\/blogg\/wp-json\/wp\/v2\/tags?post=22"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}