Проблема эргодичности

Для того, чтобы делать «строгие» статистически достоверные прогнозы на будущее, нужно получить выборку из будущих данных. Так как это невозможно, то многие специалисты предполагают, что выборки из прошлых и текущих, например, рыночных индикаторов равнозначны выборке из будущего. Иными словами, если встать на такую точку зрения, то получится, что прогнозируемые показатели — лишь статистические тени прошлых и текущих рыночных сигналов. Такой подход сводит работу аналитика к выяснению, каким образом участники рынка получают и обрабатывают рыночные сигналы. Без устойчивости рядов нельзя делать обоснованных выводов. Но это вовсе не значит, что ряд должен быть устойчив во всем. Например, он может иметь устойчивые дисперсии и совершенно нестационарные средние — в этом случае мы будем делать выводы только о дисперсии, в обратном случае только о среднем. Устойчивости могут носить и более экзотический характер. Поиск устойчивостей в рядах и есть одна из задач статистики.

Если лица, принимающие решения, полагают, что процесс не является стационарным (устойчивым), а следовательно, эргодическим, и даже если они считают, что вероятностные функции распределения инвестиционных ожиданий все-таки могут быть просчитаны, то эти функции «подвержены внезапным (то есть непредсказуемым) изменениям» и система, по существу, непредсказуема.

Принятие решений в условиях неопределённости[

Условиями неопределённости считается ситуация, когда результаты принимаемых решений неизвестны. Неопределённость подразделяется на стохастическую (имеется информация о распределении вероятности на множестве результатов), поведенческую (имеется информация о влиянии на результаты поведения участников), природную (имеется информация только о возможных результатах и отсутствует о связи между решениями и результатами) и априорную (нет информации и о возможных результатах). Задача обоснования решений в условиях неопределённости всех типов, кроме априорной, сводится к сужению исходного множества альтернатив на основе информации, которой располагает лицо, принимающее решение (ЛПР). Качество рекомендаций для принятия решений в условиях стохастической неопределённости повышается при учёте таких характеристик личности ЛПР, как отношение к своим выигрышам и проигрышам, склонность к риску. Обоснование решений в условиях априорной неопределённости возможно построением алгоритмов адаптивного управления^[1].