Что такое агрегатная функция?
Агрегатная функция - это математическое вычисление, включающее в себя набор значений, в результате которого получается единственное значение, выражающее значимость данных, из которых оно вычисляется. Агрегатные функции часто используются в базах данных, электронных таблицах и многих других пакетах программного обеспечения для обработки данных, которые в настоящее время распространены на рабочем месте. В контексте финансов агрегатные функции широко используются в экономике и финансах для предоставления ключевых цифр, которые отражают состояние экономики или акции и показатели сектора.
Ключевые вынос
- Агрегатные функции доставляют одно число для представления набора данных. Используемые числа сами по себе могут быть продуктами агрегированных функций. Экономисты используют результаты агрегирования данных для составления графика изменений во времени и прогнозирования будущих тенденций. Модели, созданные на основе агрегированных данных, могут использоваться для влияния на политические и бизнес-решения.
Понимание совокупной функции
Функция агрегирования просто ссылается на вычисления, выполненные для набора данных, чтобы получить одно число, которое точно представляет основные данные. Использование компьютеров улучшило порядок выполнения этих вычислений, что позволило агрегатным функциям очень быстро получать результаты и даже корректировать весовые коэффициенты на основе уверенности пользователя в данных. Благодаря компьютерам агрегатные функции могут обрабатывать все большие и более сложные наборы данных.
Общие агрегатные функции включают в себя:
- Среднее (также называемое средним арифметическим) CountMaximumnanmean (среднее значение, игнорирующее значения NaN, также известные как «ноль» или «ноль») MedianMinimumModeSum
Агрегатные функции в экономическом моделировании
Математика для агрегатных функций может быть довольно простой, например, найти средний рост валового внутреннего продукта (ВВП) для США за последние 10 лет. Учитывая список показателей ВВП, который сам является продуктом агрегированной функции в наборе данных, вы можете найти разницу между годами, а затем суммировать различия и поделить на 10. Математика выполнима с карандашом и бумагой, но представьте себе, что вы пытаетесь выполнить этот расчет для набора данных, содержащего данные о ВВП для каждой страны в мире. В этом случае лист Excel значительно сокращает время обработки, а программное решение, такое как программное обеспечение для моделирования, становится еще лучше. Этот тип вычислительной мощности очень помог экономистам в выполнении наборов агрегатных функций для массивных наборов данных.
Эконометрика и другие поля в дисциплине ежедневно используют агрегатные функции, и иногда они распознают это в названии полученной цифры. Совокупный спрос и предложение - это визуальное представление результатов двух агрегатных функций: одна выполняется для набора производственных данных, а другая - для набора данных о расходах. Кривая совокупного спроса создается на основе аналогичного набора данных о расходах и показывает совокупное количество подмножеств, построенных по графику с течением времени, чтобы получить кривую, отображающую изменения во временном ряду. Этот тип визуализации или моделирования помогает показать текущее состояние экономики и может использоваться для информирования о реальной мировой политике и деловых решениях.
Агрегатные функции в бизнесе
Очевидно, что в бизнесе существует много совокупных функций - совокупные затраты, совокупный доход, совокупные часы и т. Д. Тем не менее, один из наиболее интересных способов использования функции агрегирования в финансах - это моделирование совокупного риска. Финансовые учреждения, в частности, обязаны предоставлять легко понятные сводные данные о своей подверженности. Это означает обобщение их конкретных рисков контрагента, а также совокупной стоимости риска. Расчеты, используемые для получения этих чисел, должны точно отражать риски, которые сами по себе являются вероятностями, основанными на наборах данных. С высоким уровнем сложности, солнечное предположение в неправильном месте может подорвать всю модель. Именно эта проблема сыграла свою роль в последствиях крушения Lehman Brothers.
