Key takeaway
Mô hình dự báo kết hợp nhiều nguồn dữ liệu (tỷ lệ cược thị trường, dữ liệu lịch sử, xếp hạng cầu thủ, chỉ số kinh tế xã hội) và chạy mô phỏng Monte Carlo hàng nghìn lần cho phép định lượng xác suất kết quả - có giá trị nhất khi dùng để quản lý rủi ro, không phải để đặt cược.
WHAT
Mô hình dự báo xác suất (probabilistic forecasting) tổng hợp nhiều loại dữ liệu đầu vào, dùng mô phỏng Monte Carlo (chạy kịch bản nhiều lần) để tạo phân phối xác suất cho các kết quả có thể xảy ra, thay vì đưa ra một dự báo điểm duy nhất.
WHY/HOW
Ví dụ trong bóng đá: kết hợp tỷ lệ cược của 19 nhà cái + dữ liệu trận đấu lịch sử + xếp hạng cầu thủ + điều kiện kinh tế xã hội quốc gia, chạy 100.000 lần mô phỏng giải đấu. Output là phân phối xác suất (Pháp 25%, Anh 18%, Tây Ban Nha 15%…). Nguyên lý tương tự áp dụng trong tài chính: mô phỏng danh mục đầu tư, định giá option, stress-test ngân hàng. Điểm mạnh: tính bất định được thể hiện rõ; điểm yếu: kết quả phụ thuộc chất lượng dữ liệu và giả định mô hình.
Related
Notes
- 2021-06
- Mô hình Euro 2021: kết hợp tỷ lệ cược 19 nhà cái + dữ liệu lịch sử + xếp hạng cầu thủ + chỉ số KT-XH, chạy 100.000 lần - Pháp dẫn đầu xác suất vô địch
- Thực tế: Ý vô địch Euro 2021, minh chứng giới hạn của mô hình dự báo (‘trái bóng tròn’)