Aygül Fərzalıyeva 1991-ci ildə Tovuzun Qaraxanlı kəndində doğulub.
Təhsilini Azərbaycan Texniki Universitetində bakalavr, Dövlət İdarəçilik Akademiyasında magistr, eləcə də Şimali Amerika Universitetində Biznes və Data Analitikası üzrə magistr dərəcələri ilə tamamlamışdır.

Aygül hazırda ABŞ-da biznes və Data analitikası, ekonometriya və statistik modelləşdirmə üzrə ixtisaslaşmış, biznes və data analitik kimi karyerasını davam etdirir…

Dr. Aygül Fərzalıyeva Amerikanın müxtəlif elmi və elmi-populyar dərgilərində çap olunur. İstedadlı həmyerlimizin araşdırmalarının gənclərə maraqlı olacağı düşüncəsi ilə onun yeni məqaləsini disqqətinizə çatdırırıq…

Statistik Modellər və ML əsasında İnvestisiya Qərarlarının Qiymətləndirilməsi

İnvestisiya dünyası daim dəyişir və iqtisadi bazarlardakı qeyri-müəyyənlik hər zaman təkrarlanır. İnvestorlar üçün əsas problem yalnız gəlir əldə etmək deyil, eyni zamanda riskləri düzgün qiymətləndirərək sərmayəni qorumaqdır. Bu məqamda statistikaya və ehtimala əsaslanan yanaşmalar həyati rol oynayır.

Statistik metodlar keçmiş məlumatları təhlil etməyə, bazar tendensiyalarını anlamağa və gələcəkdə baş verə biləcək dəyişiklikləri proqnozlaşdırmağa imkan verir. Ehtimal nəzəriyyəsi isə risklərin qiymətləndirilməsini mümkün edir, yəni hər bir sərmayənin uğur və ya uğursuzluq ehtimalını hesablamağa kömək edir. Statistik modellər və ehtimal hesablamaları olmadan investorlar yalnız intuisiya və fərziyyələrə əsaslanmalı olardı ki, bu da böyük itkilərlə nəticələnə bilər. Bu səbəbdən müasir investisiya qərarlarının verilməsində statistikaya və ehtimala əsaslanan yanaşmalar artıq sadəcə seçim deyil, strateji zərurətə çevrilmişdir. Buna ilkin misal olaraq müxtəlif iqtisadi göstəricilər arasındakı əlaqələri müəyyən etməyə kömək edən və maliyyə şirkətlərin tərəfindən istifadəsinə əhəmiyyətli dərəcədə yer ayrılan regressiya analizini göstərmək olar.

ABŞ-da aparılan bir araşdırmaya görə, S&P 500 indeksindəki dəyişikliklərin 62%-i faiz dərəcələri və inflyasiya ilə izah edilə bilir. Belə ki, S&P 500 indeksi ABŞ-dakı 500 böyük şirkətin səhmlərinin qiymətlərinin orta göstəricisidir. Bu indeksin dəyişməsinə səbəb olan bir çox faktor var, məsələn, iqtisadi artım, şirkət gəlirləri, siyasi qərarlar, sazişlər və s. Araşdırma göstərir ki, indeksin qiymət dəyişikliklərinin təxminən 62%-i sadəcə faiz dərəcələri və inflyasiya kimi makroiqtisadi göstəricilərlə izah olunur. Yəni faiz dərəcələri qalxdıqda və ya inflyasiya artdıqda indeksin necə hərəkət edəcəyini təxmin etmək olar. Bu, investorların yalnız bazar xəbərlərinə deyil, statistik modellərin proqnozlarına daha çox güvənməsinə səbəb olur. Belə ki, bir çox statistik modellər data bazaya əsaslanaraq gələcək proqnozlar verməyə imkan tanıyır.

2008-ci ildə baş verən qlobal maliyyə böhranı bütün dünya iqtisadiyyatını sarsıtdı. ABŞ-da ipoteka bazarındakı problemdən başlayan böhran qlobal maliyyə sisteminə yayıldı və Avropa ölkələrində bankların və maliyyə institutlarının ciddi zərərlər yaşamasına səbəb oldu. İşsizlik artdı, istehlak azaldı və iqtisadi artım demək olar ki, dayandı. Bu çətin dövrdə Avropa Mərkəzi Bankı (European Central Bank, ECB) böhrandan çıxış üçün strateji qərarlar qəbul etməli idi.

ECB bu məqsədlə zaman sırası analizi (time series analysis) metodundan istifadə etdi. Zaman sırası modeli, iqtisadi göstəricilərin – məsələn, ÜDM, inflyasiya, faiz dərəcələri, işsizliklə bağlı olan məlumatların keçmiş data bazasına istinad edərək dəyişənlərin xarakterini təhlil edib onların gələcəkdə necə dəyişəcəyini proqnozlaşdırmağa imkan verir. Bu analiz sayəsində bank əvvəlcədən müəyyən edə bildi ki, hansı ölkələrdə işsizlik daha sürətlə artacaq, hansı ölkələrdə inflyasiya sabit qalacaq və hansı sahələrdə kredit siyasətində dəyişikliklər aparmaq lazımdır. Bu yanaşma ECB-ə böhrandan çıxış strategiyasını daha məlumatlı və effektiv hazırlamağa imkan verdi. Məsələn, zaman sırası analizi nəticəsində bank müəyyən etdi ki, bəzi ölkələrdə faiz dərəcələrini aşağı salmaq və likvidliyi artırmaq iqtisadi sabitliyi bərpa etmək üçün əsas addımdır. Digər tərəfdən, müəyyən göstəricilərin gecikməsini və zamanla dəyişiklik tempini analiz etməklə, ECB kredit və yardım paketlərini daha hədəfli şəkildə yönəldə bildi.

Digər bir misal; Monte Carlo simulyasiyası isə müxtəlif ssenariləri nəzərdən keçirərək riskləri qiymətləndirir. Bu metod minlərlə ssenarini hesablayaraq müəyyən investisiya qərarının mümkün nəticələrini göstərir. ABŞ-da aparılan bir tədqiqatda göstərilmişdi ki, Monte Carlo yanaşmasından istifadə edən investorların portfellərindəki itkilər orta hesabla 18% daha az olmuşdur. Harry Markowitz-in orta gətiri dispersiya modeli investorun kapitalını müxtəlif aktivlər arasında elə bölüşdürməsini tövsiyə edir ki, eyni vaxtda həm risk minimuma endirmək olsun, həm də gəlir maksimum səviyyədə qalsın. Dünyanın ən böyük investisiya fondlarından olan Norveç Dövlət Neft Fondu məhz bu prinsip əsasında idarə olunur. Hazırda fondun dəyəri 1,4 trilyon ABŞ dollarıdan çoxdur və 70-dən artıq ölkənin bazarlarına yatırılmış aktivlər balanslaşdırılmış şəkildə bölüşdürülüb.

Statistik modellərin tətbiqi yalnız üstünlüklərdən ibarət deyil. Modellərin dəqiqliyi çox vaxt məlumatların keyfiyyətindən asılıdır. İnkişaf etməkdə olan ölkələrdə bəzən statistik göstəricilər natamam və ya gecikmiş formada təqdim olunur ki, bu da modellərin düzgün nəticə verməsinə mane olur. Bazarda qəfil və gözlənilməz dəyişikliklər – məsələn, pandemiya və ya müharibə statistik modellərin proqnozlarını alt-üst edə bilər. COVID-19 pandemiyası dövründə 2019-cu ildə hazırlanan bütün makroiqtisadi modellər faktiki olaraq aktuallığını itirdi. Lakin eyni zamanda bu dövrdə yeni metodların məsələn, stoxastik differensial tənliklərə əsaslanan modellərin tətbiqi artdı və qısa müddətdə investorlar üçün daha çevik proqnozlar təqdim etməyə imkan yaradır.

Praktik nümunələr göstərir ki, böyük beynəlxalq fondlar və korporativ investorlar statistik modellərə əsaslanaraq daha sabit gəlir əldə edə bilirlər. Maliyyə böhranları zamanı bu yanaşmadan istifadə edən şirkətlər riskləri daha tez müəyyən edərək kapital itkisini minimuma endirə bilmişdilər. Hətta fərdi investorlar belə sadə proqnozlaşdırma alətləri ilə bazar tendensiyalarını izləyərək daha inamlı addımlar ata bilirlər. Statistik modellər əsasında investisiya qərarlarının qiymətləndirilməsi həm fərdi, həm də korporativ səviyyədə uğurun açarıdır. Bu yanaşma investorun emosional səhvlərdən uzaq, rəqəmlərə əsaslanan qərarlar qəbul etməsinə kömək edir. Əgər bu gün dünyada uğurlu fondlara, iri dövlət sərvət fondlarına və hətta fərdi investorların ən yaxşı nəticələrinə baxsaq, hamısında ortaq bir cəhət görürük – onlar qərarlarını təsadüfi şəkildə deyil, statistik modellərin dəstəyi ilə verirlər. Çox yaxın gələcəkdə süni intellekt və ML metodlarının inkişafı ilə statistik modellərin əhəmiyyəti daha da artacaq.

Artıq bir çox ölkələrdə, xüsusilə ABŞ və Çində, investisiya fondlarının qərarları böyük ölçüdə ML modelləri, neyral şəbəkələr və stoxastik analiz vasitəsilə dəstəklənir. Bu isə o deməkdir ki, yaxın illərdə investorlar üçün ən etibarlı yol göstərici elə statistik modellərin özləri olacaq.

Artıq mürəkkəb və böyük verilənlər bazalarına malik şirkətlərdə, statistik metodlarla yanaşı, maşın öyrənməsi (ML) də investisiya qərarlarının verilməsində geniş tətbiq olunur. ML metodları daha mürəkkəb və böyük verilənlər bazasına (big data) uyğunlaşdırılmışdır. Neyral şəbəkələr, Random Forest və digər ML alqoritmləri yüz minlərlə göstəricini eyni anda təhlil edərək nümunələri aşkar edə bilir və qeyri-xətti, kompleks münasibətləri proqnozlaşdırmaqda statistik modellərdən daha çox üstünlük göstərir. ML metodları adaptivdir və bazarda yeni məlumatlar gəldikcə modelləri özünü avtomatik yeniləyir, bu isə investor üçün daha çevik və real zamanlı proqnozlar deməkdir. Lakin ML nəticələri bəzən “qara qutu” kimi qalır, yəni modelin qərarlarını tam izah etmək çətindir.

Yekun olaraq, statistik modellər və maşın öyrənməsi yanaşmaları bir-birini tamamlayır. Statistik metodlar daha aydın və izahlı proqnozlar təqdim edir, riskləri ölçmək və strateji qərarlar qəbul etmək üçün etibarlıdır. ML isə böyük verilənlər bazası və kompleks nümunələrdə əlavə üstünlük verir, xüsusilə də qısa müddətli və real vaxt proqnozlarında. Müasir investisiya mühitində ən güclü nəticə həm statistik modellərin, həm də ML metodlarının inteqrasiyası ilə əldə edilir, beləliklə investorlar həm məlumatlı, həm də adaptiv şəkildə qərar qəbul edə bilirlər.

Azərbaycanın maliyyə bazarında isə bu statistik modellərin tətbiqində aydın nəzərə çarpan müəyyən boşluqlar mövcuddur və onların aradan qaldırılması yerli və xarici investorlar üçün əlavə imkanlar yarada bilər. Fərqli metodların tətbiqi ilə maliyyə bazarlarında və ya birjalarda səhmlərin və indekslərin gələcək qiymət dəyişikliklərini proqnozlaşdırmaq, portfellərdə riskləri qiymətləndirmək və kredit borc portfellərinin ödəniş qabiliyyətini analiz etmək olar.

İbrahim Nəbioğlu