Mit jelent az autoregresszív?
A statisztikai modell autoregresszív, ha a múltbeli értékek alapján jósolja meg a jövőbeli értékeket. Például egy autoregresszív modell egy részvény jövőbeli árfolyamát a múltbeli teljesítménye alapján próbálja megjósolni.
Főbb tanulságok
- Autoregresszív modellek a múltbeli értékek alapján jósolják meg a jövőbeli értékeket.
- A technikai elemzésben széles körben használják őket a jövőbeli értékpapírárak előrejelzésére.
- Autóregresszív modellek implicit módon feltételezik, hogy a jövő hasonlítani fog a múltra. Ezért bizonyos piaci körülmények között, például pénzügyi válságok vagy gyors technológiai változások időszakában pontatlannak bizonyulhatnak.
Az autoregresszív modellek megértése
Autoregresszív modellek abból indulnak ki, hogy a múltbeli értékek hatással vannak a jelenlegi értékekre, ami miatt a statisztikai technika népszerű a természet, a közgazdaságtan és más, időben változó folyamatok elemzésére. A többszörös regressziós modellek egy változót a prediktorok lineáris kombinációjával, míg az autoregresszív modellek a változó múltbeli értékeinek kombinációját használják.
Az AR(1) autoregresszív folyamat olyan, amelyben a jelenlegi érték a közvetlenül megelőző értéken alapul, míg az AR(2) folyamat olyan, amelyben a jelenlegi érték az előző két értéken alapul. Az AR(0) folyamatot fehér zajra használják, és nincs függőség a tagok között. Ezeken a változatokon kívül az ezekben a számításokban használt együtthatók kiszámításának is sokféle módja van, például a legkisebb négyzetek módszere.
Ezeket a fogalmakat és technikákat a technikai elemzők használják az értékpapírárak előrejelzésére. Mivel azonban az autoregresszív modellek előrejelzéseiket csak múltbeli információkra alapozzák, implicit módon feltételezik, hogy a múltbeli árakat befolyásoló alapvető erők nem változnak az idő múlásával. Ez meglepő és pontatlan előrejelzésekhez vezethet, ha a szóban forgó alapvető erők valójában változnak, például ha egy iparág gyors és példátlan technológiai átalakuláson megy keresztül.
A kereskedők mindazonáltal tovább finomítják az autoregresszív modellek előrejelzési célú használatát. Remek példa erre az autoregresszív integrált mozgóátlag (ARIMA), egy kifinomult autoregresszív modell, amely előrejelzések készítésekor figyelembe tudja venni a trendeket, ciklusokat, szezonalitást, hibákat és más nem statikus adattípusokat.
Analitikus megközelítések
Bár az autoregresszív modelleket a technikai elemzéshez kapcsolják, a befektetések más megközelítéseivel is kombinálhatók. A befektetők például használhatják a fundamentális elemzést egy meggyőző lehetőség azonosítására, majd a technikai elemzést a belépési és kilépési pontok meghatározására.
Valós példa az autoregresszív modellre
Az autoregresszív modellek azon a feltételezésen alapulnak, hogy a múltbeli értékek hatással vannak a jelenlegi értékekre. Például egy befektetőnek, aki autoregresszív modellt használ részvényárfolyamok előrejelzésére, azt kell feltételeznie, hogy az adott részvény új vevőit és eladóit a közelmúlt piaci tranzakciói befolyásolják, amikor arról döntenek, hogy mennyit kínáljanak vagy fogadjanak el az értékpapírért.
Bár ez a feltételezés a legtöbb esetben érvényesül, ez nem mindig van így. Például a 2008-as pénzügyi válságot megelőző években a legtöbb befektető nem volt tisztában a számos pénzügyi cég által tartott jelzálogfedezetű értékpapírok nagy portfóliójából eredő kockázatokkal. Azokban az időkben egy olyan befektetőnek, aki autoregresszív modellt használt az amerikai pénzügyi részvények teljesítményének előrejelzésére, jó oka lett volna arra, hogy stabil vagy emelkedő részvényárfolyamok folyamatos tendenciáját jósolja ebben a szektorban.
Mihelyt azonban nyilvánosságra került, hogy számos pénzügyi intézményt fenyeget a közvetlen összeomlás veszélye, a befektetők hirtelen kevésbé foglalkoztak ezeknek a részvényeknek a friss áraival, és sokkal inkább a mögöttes kockázati kitettségükkel. Ezért a piac gyorsan átértékelte a pénzügyi részvényeket egy sokkal alacsonyabb szintre, ami egy autoregresszív modellt teljesen összezavart volna.
Meg kell jegyezni, hogy egy autoregresszív modellben egy egyszeri sokk a kiszámított változók értékét a végtelenségig a jövőbe hat. Ezért a pénzügyi válság öröksége tovább él a mai autoregresszív modellekben.