Допустим, что в департаменте разработки алгоритмов искусственного интеллекта некоторого банка была создана следующая модель линейной регрессии для оценки доходности от конкретной инвестиции через год после заданного момента времени:
r^=4,71⋅xакция⋅xвремя−234,5⋅xвремя+201⋅xакция,
где
r^
— оценка доходности от инвестиции в заданную компанию,
xакция
— стоимость одной акции компании,
xвремя
— время, которое прошло с момента регистрации компании до текущего момента времени, выраженное в количестве прошедших полных календарных месяцев.
Используя приведённую модель для оценки доходности от инвестиции в компанию, оцените доходность от инвестиции в компанию «Рога и копыта» на момент 15.12.2023.
В качестве ответа укажите значение r
, округлённое до двух знаков после запятой.
В данном случае, чтобы оценить доходность инвестиции в компанию "Рога и копыта" на момент 15.12.2023, необходимо подставить соответствующие значения в формулу линейной регрессии: r^=4,71⋅xакция⋅xвремя−234,5⋅xвремя+201⋅xакция. На момент 15.12.2023 компания будет существовать 6 лет и 9 месяцев, что эквивалентно 81 месяцу. Кроме того, стоимость одной акции компании "Рога и копыта" должна быть указана в долларах США. Предположим, что стоимость акции на данный момент составляет $100, тогда получаем: r^=4,71⋅100⋅81−234,5⋅81+201⋅100=3561.3. Значение доходности от инвестиции в компанию "Рога и копыта" на момент 15.12.2023 будет равно: 3561.3%, полученное значение необходимо округлить до двух знаков после запятой. Стоит отметить, что данная модель лишь оценивает доходность и не является точным предсказанием. Рекомендуется также учитывать другие факторы при принятии решения об инвестировании, в том числе риск и внутреннюю эффективность инвестиций (ROI).
