Autoregressiveとはどういう意味か？
統計モデルは、過去の値に基づいて将来の値を予測する場合、自己回帰的です。 たとえば、自己回帰モデルは、過去のパフォーマンスに基づいて将来の株価を予測しようとするかもしれません。
Key Takeaways
- 自己回帰モデルは、過去の値に基づいて将来の値を予測するものです。
- テクニカル分析では、将来の証券価格を予測するために広く使用されています。
- 自己回帰モデルは、将来が過去と類似していることを暗黙的に仮定しています。 したがって、金融危機や急速な技術革新の時期など、特定の市場条件下では不正確であることが判明することがあります。
自己回帰モデルの理解
自己回帰モデルは、過去の値が現在の値に影響を与えるという前提で動作し、自然や経済、その他の時間と共に変化するプロセスの分析に人気の統計手法になっています。 重回帰モデルは予測変数の線形結合を使用して変数を予測するのに対し、自己回帰モデルは変数の過去の値の結合を使用する。
AR(1) 自己回帰過程は、現在の値が直前の値に基づいているものであり、AR(2)過程は現在の値が前2つの値に基づいているものである。 AR(0)過程は白色ノイズに対して用いられ、項間の依存性はない。 これらのバリエーションに加え、計算に用いる係数の算出方法も、最小二乗法などさまざまです。
これらの概念や手法は、テクニカルアナリストが証券価格を予測する際に利用されています。 しかし、自己回帰モデルは、過去の情報のみに基づいて予測を行うため、過去の価格に影響を与えた基本的な力が時間の経過とともに変化しないことを暗黙のうちに前提としています。 これは、業界が急速かつ前例のない技術的な変化を遂げている場合など、問題の根本的な力が実際に変化している場合、驚くべき不正確な予測につながる可能性があります。 その好例が自己回帰統合移動平均（ARIMA）で、予測を行う際にトレンド、サイクル、季節性、エラー、その他の非静的なタイプのデータを考慮できる高度な自己回帰モデルです。
Analysis Approaches
自己回帰モデルは技術分析と関連しているものの、投資への他のアプローチと組み合せることができます。 たとえば、投資家はファンダメンタルズ分析を使用して魅力的な機会を特定し、次にテクニカル分析を使用して入口と出口を特定できます。
自己回帰モデルの実例
自己回帰モデルは、過去の値が現在の値に影響を与えるという仮定に基づいています。 たとえば、自己回帰モデルを使用して株価を予測する投資家は、その株式の新しい買い手と売り手が、証券をいくらで売るか受け入れるかを決定する際に、最近の市場取引の影響を受けていると仮定する必要があります。 たとえば、2008年の金融危機以前の数年間、多くの投資家は、多くの金融会社が保有するモーゲージ担保証券の大規模なポートフォリオによってもたらされるリスクを認識していませんでした。 そのような時期に、自己回帰モデルを用いて米国の金融株のパフォーマンスを予測した投資家は、そのセクターの株価が安定または上昇する傾向が続くと予測する十分な理由があったはずである。
しかし、多くの金融機関が差し迫った崩壊の危機にあることが公になると、投資家は突然、これらの株式の最近の価格には関心がなくなり、その根本的なリスク・エクスポージャーにはるかに関心を持つようになった。
ここで重要なのは、自己回帰モデルでは、1 回限りのショックは、将来にわたって無限に計算変数の値に影響を及ぼすということである。 したがって、金融危機の遺産は、今日の自己回帰モデルの中に生き続けているのである。