Disons que vous travaillez à BP et vous êtes intéressé à la relation entre la profondeur des puits de pétrole dans les Caraïbes avec la fréquence des problèmes de plate-forme pétrolière .
Vous avez plusieurs milliers de points de données mensuel de cas de catastrophe, les données de fréquence et la profondeur moyenne de chaque puits de la surface de l'océan à l'étage de la mer, et du fond de la mer à la piscine de l'huile. Vous avez besoin de générer rapidement une distribution de probabilité et les estimations de la probabilité d'événements futurs puits de pétrole en cas de catastrophe pour une réunion du conseil d'administration en 1 heure. Plusieurs outils statistiques Microsoft Excel peuvent générer cette analyse en 15 minutes ou moins.
Dommage BP ne savait pas
Un autre exemple: Vous détenez un portefeuille d'obligations de sociétés notées triple A, Baa, et C dans un compte de client qui a généré des profits de papier significatives dans la dernière année. Votre client vous demande si il devrait vendre ce portefeuille, ou si il doit tenir et acheter une protection aux dérivés de crédit, et a besoin de connaître la réponse à la fin de la journée.
Vous avez accès à de nombreuses données sur les probabilités de défaut historiques de différentes obligations avec des notes différentes, ainsi que des séries chronologiques des spreads de crédit, les prix des CDS, et les cours des actions. Grâce à ces données et statistiques bibliothèque Microsoft Excel, vous êtes en mesure de répondre avec confiance à 95%, que sur la base des conditions actuelles du marché, la longueur du prix de l'obligation runup, et le cycle économique actuel, les spreads de défaut de crédit sur les obligations de catégorie spéculative sont susceptibles augmenter d'au moins 15% dans les 6 prochains mois.
Vous recommandez la vente des obligations de la classe C, l'achat de CDS indiciels sur l'indice High Yield, réduisant Baa l'exposition du portefeuille progressivement, et la tenue des obligations notées triple-A.
Un dernier exemple pourrait être les modèles météorologiques à long terme cycliques pour projeter les prix d'un panier de produits alimentaires de base, notamment le blé, le maïs, la viande bovine, le soja et le jus d'orange. En impo