Cosa significa autoregressivo?
Un modello statistico è autoregressivo se predice valori futuri basati su valori passati. Per esempio, un modello autoregressivo potrebbe cercare di predire i prezzi futuri di un’azione basandosi sulla sua performance passata.
Punti chiave
- I modelli autoregressivi predicono valori futuri basandosi su valori passati.
- Sono ampiamente usati nell’analisi tecnica per prevedere i prezzi futuri dei titoli.
- I modelli autoregressivi presuppongono implicitamente che il futuro assomigli al passato. Pertanto, possono rivelarsi imprecisi in certe condizioni di mercato, come le crisi finanziarie o i periodi di rapido cambiamento tecnologico.
Capire i modelli autoregressivi
I modelli autoregressivi operano sotto la premessa che i valori passati hanno un effetto sui valori attuali, il che rende la tecnica statistica popolare per analizzare la natura, l’economia e altri processi che variano nel tempo. I modelli di regressione multipla prevedono una variabile usando una combinazione lineare di predittori, mentre i modelli autoregressivi usano una combinazione di valori passati della variabile.
Un processo autoregressivo AR(1) è un processo in cui il valore corrente si basa sul valore immediatamente precedente, mentre un processo AR(2) è un processo in cui il valore corrente si basa sui due valori precedenti. Un processo AR(0) è usato per il rumore bianco e non ha alcuna dipendenza tra i termini. Oltre a queste variazioni, ci sono anche molti modi diversi per calcolare i coefficienti utilizzati in questi calcoli, come il metodo dei minimi quadrati.
Questi concetti e tecniche sono utilizzati dagli analisti tecnici per prevedere i prezzi dei titoli. Tuttavia, poiché i modelli autoregressivi basano le loro previsioni solo su informazioni passate, assumono implicitamente che le forze fondamentali che hanno influenzato i prezzi passati non cambieranno nel tempo. Questo può portare a previsioni sorprendenti e imprecise se le forze sottostanti in questione stanno di fatto cambiando, come se un’industria sta subendo una trasformazione tecnologica rapida e senza precedenti.
Nonostante, i trader continuano a perfezionare l’uso dei modelli autoregressivi a fini previsionali. Un grande esempio è l’Autoregressive Integrated Moving Average (ARIMA), un sofisticato modello autoregressivo che può prendere in considerazione tendenze, cicli, stagionalità, errori e altri tipi di dati non statici quando si fanno previsioni.
Approcci analitici
Anche se i modelli autoregressivi sono associati all’analisi tecnica, possono anche essere combinati con altri approcci agli investimenti. Per esempio, gli investitori possono usare l’analisi fondamentale per identificare un’opportunità interessante e poi usare l’analisi tecnica per identificare i punti di entrata e di uscita.
Esempio nel mondo reale di un modello autoregressivo
I modelli autoregressivi si basano sul presupposto che i valori passati hanno un effetto sui valori attuali. Per esempio, un investitore che usa un modello autoregressivo per prevedere i prezzi delle azioni dovrebbe assumere che i nuovi acquirenti e venditori di quelle azioni siano influenzati dalle recenti transazioni di mercato quando decidono quanto offrire o accettare per il titolo.
Anche se questa assunzione sarà valida in molte circostanze, non è sempre così. Per esempio, negli anni precedenti alla crisi finanziaria del 2008, la maggior parte degli investitori non erano consapevoli dei rischi posti dai grandi portafogli di titoli garantiti da ipoteca detenuti da molte società finanziarie. In quel periodo, un investitore che utilizzasse un modello autoregressivo per prevedere la performance dei titoli finanziari statunitensi avrebbe avuto buone ragioni per prevedere una tendenza continua di prezzi azionari stabili o in aumento in quel settore.
Tuttavia, una volta divenuto di dominio pubblico che molte istituzioni finanziarie erano a rischio di crollo imminente, gli investitori si sono improvvisamente preoccupati meno dei prezzi recenti di questi titoli e molto di più della loro sottostante esposizione al rischio. Pertanto, il mercato ha rapidamente rivalutato i titoli finanziari a un livello molto più basso, una mossa che avrebbe completamente confuso un modello autoregressivo.
È importante notare che, in un modello autoregressivo, uno shock una tantum influenzerà i valori delle variabili calcolate all’infinito nel futuro. Pertanto, l’eredità della crisi finanziaria vive nei modelli autoregressivi di oggi.