¿Qué significa autorregresivo?
Un modelo estadístico es autorregresivo si predice valores futuros basándose en valores pasados. Por ejemplo, un modelo autorregresivo podría tratar de predecir los precios futuros de una acción basándose en su rendimiento pasado.
Claves para entender
- Los modelos autorregresivos predicen valores futuros basándose en valores pasados.
- Son ampliamente utilizados en el análisis técnico para predecir los precios futuros de los valores.
- Los modelos autorregresivos asumen implícitamente que el futuro se parecerá al pasado. Por lo tanto, pueden resultar inexactos en determinadas condiciones del mercado, como las crisis financieras o los periodos de rápido cambio tecnológico.
Entendiendo los modelos autorregresivos
Los modelos autorregresivos operan bajo la premisa de que los valores pasados tienen un efecto sobre los valores actuales, lo que hace que la técnica estadística sea popular para analizar la naturaleza, la economía y otros procesos que varían con el tiempo. Los modelos de regresión múltiple pronostican una variable utilizando una combinación lineal de predictores, mientras que los modelos autorregresivos utilizan una combinación de valores pasados de la variable.
Un proceso autorregresivo AR(1) es aquel en el que el valor actual se basa en el valor inmediatamente anterior, mientras que un proceso AR(2) es aquel en el que el valor actual se basa en los dos valores anteriores. Un proceso AR(0) se utiliza para el ruido blanco y no tiene dependencia entre los términos. Además de estas variaciones, también hay muchas formas diferentes de calcular los coeficientes utilizados en estos cálculos, como el método de mínimos cuadrados.
Estos conceptos y técnicas son utilizados por los analistas técnicos para predecir los precios de los valores. Sin embargo, dado que los modelos autorregresivos basan sus predicciones únicamente en información pasada, suponen implícitamente que las fuerzas fundamentales que influyeron en los precios pasados no cambiarán con el tiempo. Esto puede dar lugar a predicciones sorprendentes e inexactas si las fuerzas subyacentes en cuestión están cambiando de hecho, como por ejemplo si un sector está experimentando una transformación tecnológica rápida y sin precedentes.
No obstante, los operadores siguen perfeccionando el uso de los modelos autorregresivos con fines de previsión. Un gran ejemplo es la media móvil integrada autorregresiva (ARIMA), un sofisticado modelo autorregresivo que puede tener en cuenta las tendencias, los ciclos, la estacionalidad, los errores y otros tipos de datos no estáticos a la hora de realizar previsiones.
Enfoques analíticos
Aunque los modelos autorregresivos se asocian al análisis técnico, también pueden combinarse con otros enfoques de la inversión. Por ejemplo, los inversores pueden utilizar el análisis fundamental para identificar una oportunidad atractiva y, a continuación, utilizar el análisis técnico para identificar los puntos de entrada y salida.
Ejemplo del mundo real de un modelo autorregresivo
Los modelos autorregresivos se basan en el supuesto de que los valores pasados tienen un efecto sobre los valores actuales. Por ejemplo, un inversor que utilice un modelo autorregresivo para pronosticar los precios de las acciones tendría que suponer que los nuevos compradores y vendedores de esas acciones se ven influidos por las transacciones recientes del mercado a la hora de decidir cuánto ofrecer o aceptar por el valor.
Aunque esta suposición se mantendrá en la mayoría de las circunstancias, no siempre es así. Por ejemplo, en los años anteriores a la crisis financiera de 2008, la mayoría de los inversores no eran conscientes de los riesgos que planteaban las grandes carteras de valores respaldados por hipotecas que tenían muchas empresas financieras. Durante esos tiempos, un inversor que utilizara un modelo autorregresivo para predecir el rendimiento de las acciones financieras estadounidenses habría tenido buenas razones para predecir una tendencia continuada de estabilidad o subida de los precios de las acciones de ese sector.
Sin embargo, una vez que se hizo público que muchas instituciones financieras estaban en riesgo de colapso inminente, los inversores se preocuparon de repente menos por los precios recientes de estas acciones y mucho más por su exposición al riesgo subyacente. Por lo tanto, el mercado revalorizó rápidamente las acciones financieras a un nivel mucho más bajo, un movimiento que habría confundido por completo un modelo autorregresivo.
Es importante señalar que, en un modelo autorregresivo, una perturbación única afectará a los valores de las variables calculadas infinitamente en el futuro. Por lo tanto, el legado de la crisis financiera perdura en los modelos autorregresivos actuales.