Autoregresiv
Ce înseamnă Autoregresiv?
Un model statistic este autoregresiv dacă prezice valori viitoare pe baza valorilor anterioare. De exemplu, un model autoregresiv ar putea încerca să prezică prețurile viitoare ale unui stoc pe baza performanței sale anterioare.
Chei de luat masa
- Modelele autoregresive prezic valori viitoare pe baza valorilor anterioare.
- Acestea sunt utilizate pe scară largă în analiza tehnică pentru a prognoza prețurile de securitate viitoare.
- Modelele autoregresive presupun implicit că viitorul seamănă cu trecutul. Prin urmare, se pot dovedi inexacte în anumite condiții de piață, cum ar fi crizele financiare sau perioadele de schimbare tehnologică rapidă.
Înțelegerea modelelor autoregresive
Modelele autoregresive funcționează sub premisa că valorile din trecut au un efect asupra valorilor actuale, ceea ce face ca tehnica statistică să fie populară pentru analiza naturii, economiei și a altor procese care variază în timp. Modelele de regresie multiplă prognozează o variabilă utilizând o combinație liniară de predictori, în timp ce modelele autoregresive utilizează o combinație de valori anterioare ale variabilei.
Un proces AR (1) autoregresiv este unul în care valoarea curentă se bazează pe valoarea imediat precedentă, în timp ce un proces AR (2) este unul în care valoarea curentă se bazează pe cele două valori anterioare. Un proces AR (0) este utilizat pentru metoda celor mai mici pătrate.
Aceste concepte și tehnici sunt utilizate de analiștii tehnici pentru a prognoza prețurile de securitate. Cu toate acestea, întrucât modelele autoregresive își bazează predicțiile doar pe informațiile din trecut, presupun implicit că forțele fundamentale care au influențat prețurile din trecut nu se vor schimba în timp. Acest lucru poate duce la predicții surprinzătoare și inexacte dacă forțele subiacente în cauză se schimbă, de exemplu, dacă o industrie suferă o transformare tehnologică rapidă și fără precedent.
Cu toate acestea, comercianții continuă să rafineze utilizarea modelelor autoregresive în scopuri de prognoză. Un exemplu excelent este Media mobilă integrată autoregresivă (ARIMA), un model sofisticat autoregresiv care poate ține cont de tendințe, cicluri, sezonalitate, erori și alte tipuri de date nestatice atunci când se fac prognoze.
Abordări analitice
Deși modelele autoregresive sunt asociate cu analiza tehnică, ele pot fi, de asemenea, combinate cu alte abordări ale investițiilor. De exemplu, investitorii pot utiliza analize fundamentale pentru a identifica o oportunitate convingătoare și apoi pot utiliza analize tehnice pentru a identifica punctele de intrare și ieșire.
Exemplu din lumea reală a unui model autoregresiv
Modelele autoregresive se bazează pe presupunerea că valorile anterioare au un efect asupra valorilor actuale. De exemplu, un investitor care folosește un model autoregresiv pentru a prognoza prețurile acțiunilor ar trebui să presupună că noii cumpărători și vânzători ai acțiunii respective sunt influențați de tranzacțiile recente de pe piață atunci când decide cât să ofere sau să accepte pentru titlu.
Deși această ipoteză se va menține în majoritatea circumstanțelor, acest lucru nu este întotdeauna cazul. De exemplu, în anii anteriori titluri garantate ipotecar deținute de multe firme financiare. În acele vremuri, un investitor care folosea un model autoregresiv pentru a prezice performanța stocurilor financiare din SUA ar fi avut motive întemeiate să prezică o tendință continuă de prețuri stabile sau în creștere a acțiunilor în acel sector.
Cu toate acestea, odată ce a devenit publică cunoașterea faptului că multe instituții financiare riscau să se prăbușească iminent, investitorii au devenit brusc mai puțin preocupați de prețurile recente ale acestor acțiuni și mult mai preocupați de expunerea lor la risc. Prin urmare, piața a reevaluat rapid stocurile financiare la un nivel mult mai scăzut, o mișcare care ar fi confundat complet un model autoregresiv.
Este important să rețineți că, într-un model autoregresiv, un șoc unic va afecta valorile variabilelor calculate infinit în viitor. Prin urmare, moștenirea crizei financiare continuă în modelele autoregresive de astăzi.