Låt oss säga att du arbetar på BP och du är intresserad av förhållandet mellan djupet av oljekällor i Karibien med frekvensen av oljeriggproblem . Du har flera tusen poäng av katastrofhändelsefrekvensen uppgifter och medeldjup på varje brunn från havsytan till havsbotten månatliga uppgifter, och från havsbotten till oljesumpen.
Du behöver för att snabbt generera en sannolikhetsfördelning och uppskattningar av sannolikheten för framtida oljerigg katastrof händelser för ett styrelsemöte i en timme. Flera Microsoft Excel statistikverktyg kan generera denna analys på 15 minuter eller mindre. Synd BP visste inte
Ett annat exempel: Du håller en portfölj av företagsobligationer betyget trippel-A, Baa och C i ett kundkonto som har genererat betydande pappers vinst under det senaste året.
Kunden frågar om han skulle sälja denna portfölj, eller om han skulle hålla och köpa skydd med kreditderivat, och behöver veta svaret i slutet av dagen. Du har tillgång till omfattande data om historiska standard sannolikheter för olika obligationer med olika betyg, liksom historiska tidsserier av kreditspreadarna, CDS priser och aktiekurser.
Med hjälp av denna information och en Microsoft Excel statistik bibliotek, kan du svara med 95% säkerhet, som bygger på nuvarande marknadsförhållanden, längd obligationspriset runup, och den nuvarande konjunkturcykeln, credit default spreadarna på spekulativa grade sannolikt att öka med minst 15% under de närmaste 6 månaderna. Du rekommenderar sälja C-klassade obligationer, köpa index CDS på High Yield index, vilket minskar portföljens Baa exponering successivt, och hålla triple-A klassade obligationer.
Ett sista exempel kan vara cykliska långsiktiga vädermönster att projicera priset på en korg av livsmedelsprodukter, inklusive vete, majs, nötkött, sojabönor, och apelsinjuice. Genom att importera nationella vädermönsterdata från olika geografiska platser och inflationsjusterade råvarupriser i Excel och kör en multivariat regressionsanalys, kan du ta reda på det prediktiva kvaliteten på väder på råvarupriserna under olika tidsperioder.
Genom att jämföra dessa resultat med en liknande övning med geografisk befolkningstäthet, livslängd och utbildningsnivå att förutsäga råvarupriser, du härleda en ytterligare poten