فرآیند مارکوف در پیش بینی تقاضا

تجزیه و تحلیل مارکوف روشی است که برای پیش‌بینی مقدار متغیری که مقدار پیش‌بینی‌شده آن تنها تحت تأثیر وضعیت فعلی آن است و نه هیچ فعالیت قبلی، استفاده می‌شود. در اصل، یک متغیر تصادفی را تنها بر اساس شرایط فعلی پیرامون متغیر پیش‌بینی می‌کند. در نوشتن یک طرح امکان سنجی هم در بخش مطالعه بازار از این تکنیک می توانیم برای تخمین تقاضا استفاده کنیم. هنگامی که احتمالات اقدامات آینده در هر حالت مشخص شد، می توان یک درخت تصمیم گیری ترسیم کنیم و احتمالات مربوط به نتیجه پیش بینی را محاسبه کنیم.

تحلیل مارکوف کاربردهای عملی متعددی در دنیای تجارت دارد. با توجه به وضعیت عملکرد ماشین ها در خط تولید، این روش اغلب برای پیش بینی تعداد قطعات معیوب که از خط مونتاژ خارج می شوند، استفاده می شود. همچنین می‌توان از آن برای پیش‌بینی نسبت حساب‌های دریافتنی (AR) یک شرکت که به بدهی‌های بد تبدیل می‌شود، استفاده کرد.

تحلیل مارکوف برای پیش بینی رفتارها و تصمیمات در گروه های بزرگی از جمعیت استفاده می شود. این نام به افتخار ریاضیدان روسی آندری آندریویچ مارکوف، که پیشگام مطالعه فرآیندهای تصادفی بود، (که فرآیندهایی هستند که شامل عملیات شانس هستند) گرفته شد. مارکوف برای اولین بار از این روش برای پیش بینی حرکت ذرات گاز محبوس شده در یک ظرف استفاده کرد.

شرکت ها همچنین ممکن است از تحلیل مارکوف برای پیش بینی وفاداری مشتریان فعلی به برند در آینده و نتیجه این تصمیمات مصرف کننده در مورد سهم بازار شرکت استفاده کنند. برخی از روش‌های پیش‌بینی قیمت سهام و قیمت اختیار معامله، از تحلیل مارکوف نیز استفاده می‌کنند.

مزایا و معایب تحلیل مارکوف

مزایای اولیه تحلیل مارکوف، سادگی و دقت پیش‌بینی خارج از نمونه است. مدل‌های ساده، مانند مدل‌هایی که برای تحلیل مارکوف استفاده می‌شوند، اغلب در پیش‌بینی بهتر از مدل‌های پیچیده‌تر هستند. این نتیجه در اقتصاد سنجی به خوبی شناخته شده است.

متأسفانه، تحلیل مارکوف برای توضیح رویدادها چندان مفید نیست و در بیشتر موارد نمی تواند الگوی واقعی وضعیت زیربنایی و اصلی باشد. تخمین احتمالات مشروط بر اساس وضعیت فعلی نسبتا آسان است. با این حال، اغلب در مورد اینکه چرا اتفاقی افتاده است را تشریح می کند.

بنابراین نکته ای که برای این روش بایستی در نظر بگیریم این است که تحلیل مارکوف ابزار ارزشمندی برای تخمین و پیش‌بینی است، اما توضیحی ارائه نمی‌کند.

در علم مهندسی، کاملاً واضح است که دانستن احتمال خرابی یک ماشین دلیل خرابی آن را توضیح نمی دهد. مهمتر از آن، یک ماشین واقعاً بر اساس احتمالی که تابعی از خرابی یا عدم خرابی امروز است، خراب نمی شود. در حقیقت، یک ماشین ممکن است خراب شود زیرا چرخ دنده های آن نیاز به روغن کاری بیشتری دارند.

در امور مالی، تحلیل مارکوف با محدودیت‌های مشابهی مواجه است، اما رفع مشکلات به دلیل عدم آگاهی نسبی ما در مورد بازارهای مالی پیچیده است. تحلیل مارکوف برای تخمین بخشی از بدهی‌هایی که نکول می‌شوند بسیار مفیدتر از بررسی ریسک‌های اعتباری بد در وهله اول است.

نمونه ای از تحلیل مارکوف

تحلیل مارکوف می تواند توسط سفته بازان سهام استفاده شود. فرض کنید که یک سرمایه‌ گذار مومنتوم تخمین می‌زند که سهام مورد علاقه اش اگر امروز این کار را انجام دهد، 60 درصد شانس دارد که فردا بازار را شکست دهد. این تخمین فقط شامل وضعیت فعلی می شود، بنابراین محدودیت کلیدی تحلیل مارکوف را برآورده می کند.

تجزیه و تحلیل مارکوف همچنین به سفته باز اجازه می دهد تا تخمین بزند که با توجه به اینکه سهام امروز بازار را شکست داده است، احتمال عملکرد بهتر سهام از بازار برای هر دو روز آینده 0.6 * 0.6 = 0.36 یا 36٪ است. با استفاده از اهرم، سفته بازان تلاش می کنند تا سود بالقوه حاصل از این نوع تحلیل مارکوف را تقویت کنند و همین موضوع را می توان برای پیش بینی تقاضای یک محصول یا خدمات نیز انتظار داشت.