Sequential Binary Investment Decisions: A Bayesian Approach

این کتاب چند مدل از نظریه سرمایه گذاری را شرح می دهد که عمدتاً با سه ویژگی مشخص می شوند. اولاً تصمیم گیرنده در یک محیط پویا عمل می کند. ثانیاً، توزیع متغیرهای تصادفی تنها در ابتدای فرآیند برنامه ریزی به طور ناقص شناخته شده است. این به عنوان تصمیم گیری در شرایط عدم اطمینان نامیده می شود. ثالثاً، در بخش‌های بزرگی از کار، تحلیل را به مدل‌های تصمیم‌گیری باینری محدود می‌کنیم. در یک مدل باینری، تصمیم گیرنده باید یکی از دو عمل را انتخاب کند. به عنوان مثال، یک تصمیم به معنای انجام پروژه سرمایه گذاری در یک دوره برنامه ریزی است، در حالی که تصمیم دیگر به تعویق انداختن پروژه حداقل برای یک دوره دیگر توصیه می کند. تحلیل مدل‌های تصمیم‌گیری پویا در شرایط عدم قطعیت، رویکرد چندان رایجی در اقتصاد نیست. در این چارچوب تصمیمات بهینه تنها با استفاده گسترده از روش های تحقیق در عملیات و آمار به دست می آید. قصد بر این است که برخی از شکاف های موجود در زمینه های سرمایه گذاری و تجزیه و تحلیل پورتفولیو در این زمینه کاهش یابد. این کار با ترکیب تکنیک‌هایی انجام می‌شود که در نظریه سرمایه‌گذاری و انتخاب پورتفولیو، در برنامه‌ریزی پویا تصادفی و در آمار بیزی توسعه یافته‌اند. فیلد اخیر نشان دهنده استفاده از قضیه بیز برای تجدید نظر در توزیع احتمال متغیرهای تصادفی در طول زمان است.

This book describes some models from the theory of investment which are mainly characterized by three features. Firstly, the decision-maker acts in a dynamic environment. Secondly, the distributions of the random variables are only incompletely known at the beginning of the planning process. This is termed as decision-making under conditions of uncer­ tainty. Thirdly, in large parts of the work we restrict the analysis to binary decision models. In a binary model, the decision-maker must choose one of two actions. For example, one decision means to undertake the invest­ ·ment project in a planning period, whereas the other decision prescribes to postpone the project for at least one more period. The analysis of dynamic decision models under conditions of uncertainty is not a very common approach in economics. In this framework the op­ timal decisions are only obtained by the extensive use of methods from operations research and from statistics. It is the intention to narrow some of the existing gaps in the fields of investment and portfolio analysis in this respect. This is done by combining techniques that have been devel­ oped in investment theory and portfolio selection, in stochastic dynamic programming, and in Bayesian statistics. The latter field indicates the use of Bayes' theorem for the revision of the probability distributions of the random variables over time.