Ce înseamnă autoregresiv?
Un model statistic este autoregresiv dacă prezice valori viitoare bazate pe valorile trecute. De exemplu, un model autoregresiv ar putea căuta să prezică prețurile viitoare ale unei acțiuni pe baza performanțelor sale trecute.
Cheie de luat cu cheie
- Modelele autoregresive prezic valorile viitoare bazate pe valorile trecute. Sunt utilizate pe scară largă în analiza tehnică pentru a prognoza prețurile de securitate viitoare. Modelele autoregresive presupun implicit că viitorul va semăna cu trecutul. Prin urmare, se pot dovedi inexacte în anumite condiții de piață, cum ar fi crize financiare sau perioade de schimbare tehnologică rapidă.
Înțelegerea modelelor autoregresive
Modelele autoregresive operează sub premisa că valorile trecute au un efect asupra valorilor curente, 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 folosind o combinație liniară de predictori, în timp ce modelele autoregresive utilizează o combinație de valori trecute ale variabilei.
Un proces autoregresiv AR (1) 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 zgomotul alb și nu are dependență între termeni. În plus față de aceste variații, există, de asemenea, multe modalități diferite de a calcula coeficienții utilizați în aceste calcule, cum ar fi metoda celor mai mici pătrate.
Aceste concepte și tehnici sunt utilizate de către analiștii tehnici pentru a prognoza prețurile de securitate. Cu toate acestea, întrucât modelele autoregresive își bazează previziunile doar pe informațiile anterioare, ei presupun implicit că forțele fundamentale care au influențat prețurile trecute nu se vor schimba în timp. Acest lucru poate duce la predicții surprinzătoare și inexacte dacă forțele de bază în cauză se schimbă de fapt, cum ar fi dacă o industrie suferă o transformare tehnologică rapidă și fără precedent.
Cu toate acestea, comercianții continuă să perfecționeze utilizarea modelelor autoregresive în scopuri de prognoză. Un exemplu excelent este Media Moving Integrată Autoregresivă (ARIMA), un model autoregresiv sofisticat, care poate ține cont de tendințele, ciclurile, sezonalitatea, erorile și alte tipuri de date nestatice atunci când se fac prognoze.
Abordări analitice
Deși modelele autoregresive sunt asociate cu analiza tehnică, ele pot fi combinate și cu alte abordări ale investițiilor. De exemplu, investitorii pot folosi analiza fundamentală pentru a identifica o oportunitate convingătoare și apoi pot folosi analiza tehnică 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 efect asupra valorilor curente. De exemplu, un investitor care folosește un model autoregresiv pentru a anticipa prețurile acțiunilor ar trebui să presupună că noii cumpărători și vânzători ai acțiunii sunt influențați de tranzacțiile recente ale pieței atunci când decid cât de mult trebuie să ofere sau să accepte pentru securitate.
Deși această presupunere va fi valabilă în majoritatea circumstanțelor, acest lucru nu este întotdeauna cazul. De exemplu, în anii anteriori crizei financiare din 2008, majoritatea investitorilor nu au fost conștienți de riscurile pe care le prezintă marile portofolii de titluri garantate de credite ipotecare 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, după 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 s-au preocupat mult mai mult de expunerea lor la risc. Prin urmare, piața a reevaluat rapid stocurile financiare la un nivel mult mai scăzut, o evoluție care ar fi confundat cu totul un model autoregresiv.
Este important de menționat că, într-un model autoregresiv, un șoc o singură dată va afecta în viitor valorile variabilelor calculate. Prin urmare, moștenirea crizei financiare rămâne în continuare în modelele autoregresive de astăzi.
