20210601-未知机构-A_simple_take_How_can_probability_distributions_improve_your_investment_decisions_32页_1mb

鲁冰 卢 | Fundamental Analytics 分析师

投资分析不应仅依赖点估值，而应将其视为概率询问工具

现实中的不确定性如何影响投资决策

许多金融模型仅提供点估值，但忽略了未来现金流预测的根本不确定性。每个被预测的因素都伴随着概率分布。例如销售量，不仅要估计它可能介于500单位的单一值，还要考虑实际数据可能向偏离该值的走向分布。这种概率分布反映了未来可能发生的所有可能情形。

“显式提醒我们每一个模型估值都有其背后概率分布，迫使我们评估一个范围的可能性并提出更多问题。”

报告介绍了将不确定性转化为概率分布的方法，并指出五种关键策略用于决定使用哪种概率分布：

• 核查数据是否偏态？
• 注意分布的形式是离散还是连续的？
• 评估分布是否以某一数值为中心？
• 考虑极端值出现的可能性？
• 其他因素间的相关性是否重要？

以收入预测为例，分析师考虑三个潜在因素，如温度、流感率和人口结构，概率分布被用来映射出收入是否可能集中在某个区间，接受一定的不确定性，同时因应实际变化周期调整预期。

情景分析与蒙特卡洛模拟的重要应用

虽然情景分析已成常见实践，但有鉴于此，建议运用蒙特卡洛模拟以获取更全面结果。该模拟通过随机抽取大量数字，根据预定义的概率分布模拟未来多种情形，帮助量化风险程度。这种方法让分析师能看到当前情景分析无法捕捉到的细微差异和可能性。

比如，同一基础情景的两支股票，一个可能有10%上涨并有较低的下跌风险，另一个虽然是10%上涨但伴随高下跌风险。这种情况下，蒙特卡洛模拟可以清楚地展示真正的风险收益特征。

运用现代工具构建强大的分析模型

模型的准确性依赖输入数据的相关性如何被整合。尤其是在考虑多个输入项时，它们不是独立的，因此建立联合分布很重要。程序示例展示了如何使用Excel VBA创建情景选择窗口，当改变情景时，自动跳转相应参数，减少人为错误并提高模型可用性。

同时，报告中包含多种常见概率分布的一般指南，包括正态分布、均匀分布、t分布、对数正态分布以及二项式和超几何分布，其具体用途各有不同，从基本风险建模到更高级的预测，覆盖广泛金融实务场景。

结论强调：预测应带着概率分布进行；思考应结合情景分析与提问精神；认识到分布形状对风险评估至关重要；最终，投资决策不应只一个简洁的数字，而应是一连串动态调整的过程。

投资者将风险和回报分离，警惕片面强调波动率，并以各维度分布来影响判断，才是真正的投资智慧。