¿Qué matemática se requiere para comenzar a aprender sobre el análisis de riesgos?

El “análisis de riesgos” en realidad puede referirse a varias áreas muy diferentes de las matemáticas. En particular, esta respuesta no se aplica si se trata de un análisis financiero.

El punto de partida básico para la mayoría de las personas es la matemática discreta: tratar con booleanos (VERDADERO / FALSO) y distribuciones de probabilidad que surgen de experimentos con solo dos resultados. La primera distribución de probabilidad que encuentran la mayoría de las personas es una distribución binomial. Esta es una buena forma de fundamentar conceptos que ya tendrá, como medios, modos y medianas, explicando por qué la idea difusa de “promedio” es tan problemática cuando se trata de riesgos.

Pasando a allí, tiene todas las otras distribuciones de probabilidad y, en particular, comprende las situaciones del mundo real que dan lugar a esas distribuciones. Alrededor de este punto, se está dando cuenta de por qué asumir una distribución normal no es una buena idea en el modelado estadístico de riesgos.

Luego comenzará a buscar diferentes pruebas estadísticas y lo que pueden y no pueden decirle sobre el mundo real representado por sus datos.

Eso debería ser suficiente matemática básica que vale la pena mirar algunos de los trabajos que son críticos del pensamiento estadístico convencional. El teorema de Bayes es un buen punto de partida, y tal vez Nicholas Taleb.

Antes de ir demasiado lejos, debe comprender por qué no puede simplemente tomar estas matemáticas y aplicarlas a la evaluación de riesgos del mundo real. Recomiendo mi propia “La ciencia y la superstición de la evaluación cuantitativa del riesgo”, o podría mirar el trabajo de Terje Aven.

Querrá sentirse cómodo con:

  • Probabilidad (nivel universitario, la probabilidad clásica es suficiente para comenzar).
  • Estadísticas. Aquí necesita una comprensión decente de las estadísticas multivariantes, por lo que puede necesitar tomar más de un curso. Presta atención a la geometría de los problemas, ya que puede ayudarte mucho. Además, si encuentra la oportunidad de aprender sobre cópulas, no le hará daño. Un curso de Estadística matemática y algo de teoría de la inferencia también pueden ayudarte mucho.
  • Álgebra lineal. Tiene un riesgo ubicuo, simplemente no puede evitarlo. Además, no hay forma de que puedas tomar estadísticas multivariadas sin una buena comprensión del álgebra lineal.
  • Un lenguaje de alto nivel adecuado para el análisis de datos (muy probablemente R o Python). Toda la teoría que aprenderá no lo llevará lejos si no puede implementar los enfoques propuestos.

Si no ha tomado un curso de probabilidad y estadística (también conocido como teoría estadística o estadística matemática en algunas instituciones), comenzaría con eso. Las matemáticas financieras y una clase de estadísticas aplicadas (que cubren temas de análisis de regresión y valor en riesgo) también pueden ser útiles. Muchas universidades también ofrecen cursos de gestión de riesgos bajo su departamento de finanzas, así que asegúrese de explorar un poco.

Las distribuciones y la probabilidad son muy útiles.
A su vez, la simulación, que depende de un buen conocimiento de ambas habilidades, es una herramienta útil para calcular el valor en riesgo, para cuantificar el alcance del riesgo en términos de una medida seleccionada (sujeto a un conjunto de supuestos).

Una base a fondo en el cálculo.