O que significa Autoregressivo?
Um modelo estatístico é autoregressivo se prevê valores futuros baseados em valores passados. Por exemplo, um modelo autoregressivo pode procurar prever os preços futuros de uma ação com base no seu desempenho passado.
Key Takeaways
- Modelos autoregressivos prevêem valores futuros baseados em valores passados.
- São amplamente utilizados na análise técnica para prever preços futuros de segurança.
- Autoregressivos modelos assumem implicitamente que o futuro se assemelhará ao passado. Portanto, eles podem ser imprecisos sob certas condições de mercado, como crises financeiras ou períodos de rápidas mudanças tecnológicas.
Entendendo Modelos Autoregressivos
Autoregressivos modelos operam sob a premissa de que valores passados têm um efeito sobre valores atuais, o que torna a técnica estatística popular para analisar a natureza, economia e outros processos que variam ao longo do tempo. Modelos de regressão múltipla prevêem uma variável usando uma combinação linear de preditores, enquanto modelos autoregressivos usam uma combinação de valores passados da variável.
Um processo autoregressivo AR(1) é aquele em que o valor corrente é baseado no valor imediatamente anterior, enquanto um processo AR(2) é aquele em que o valor corrente é baseado nos dois valores anteriores. Um processo AR(0) é usado para ruído branco e não tem nenhuma dependência entre os termos. Além destas variações, há também muitas maneiras diferentes de calcular os coeficientes usados nestes cálculos, como o método dos mínimos quadrados.
Estes conceitos e técnicas são usados por analistas técnicos para prever os preços de segurança. Entretanto, como os modelos autoregressivos baseiam suas previsões apenas em informações passadas, eles implicitamente assumem que as forças fundamentais que influenciaram os preços passados não mudarão com o tempo. Isto pode levar a previsões surpreendentes e imprecisas se as forças subjacentes em questão estão de fato mudando, como se uma indústria está passando por uma transformação tecnológica rápida e sem precedentes.
No entanto, os comerciantes continuam refinando o uso de modelos autoregressivos para fins de previsão. Um grande exemplo é a Média Móvel Integrada Autoregressiva (ARIMA), um modelo autoregressivo sofisticado que pode levar em conta tendências, ciclos, sazonalidade, erros e outros tipos de dados não estáticos ao fazer previsões.
Abordagens Analíticas
Embora os modelos autoregressivos estejam associados à análise técnica, eles também podem ser combinados com outras abordagens de investimento. Por exemplo, os investidores podem usar análise fundamental para identificar uma oportunidade convincente e depois usar análise técnica para identificar pontos de entrada e saída.
Exemplo Mundial Real de um Modelo Autoregressivo
Autoregressivo modelos são baseados na suposição de que valores passados têm um efeito sobre valores atuais. Por exemplo, um investidor usando um modelo autoregressivo para prever os preços das ações precisaria assumir que novos compradores e vendedores dessas ações são influenciados por transações de mercado recentes ao decidir quanto oferecer ou aceitar pelo título.
Embora essa suposição se mantenha na maioria das circunstâncias, nem sempre é esse o caso. Por exemplo, nos anos anteriores à Crise Financeira de 2008, a maioria dos investidores não estava ciente dos riscos colocados pelas grandes carteiras de títulos garantidos por hipotecas detidas por muitas empresas financeiras. Durante aqueles tempos, um investidor que utilizasse um modelo autoregressivo para prever o desempenho das ações financeiras americanas teria tido boas razões para prever uma tendência contínua de estabilidade ou aumento dos preços das ações naquele setor.
No entanto, uma vez que se tornou público que muitas instituições financeiras estavam em risco de colapso iminente, os investidores tornaram-se subitamente menos preocupados com os preços recentes dessas ações e muito mais preocupados com a sua exposição ao risco subjacente. Portanto, o mercado rapidamente reavaliou as ações financeiras para um nível muito mais baixo, um movimento que teria confundido completamente um modelo autoregressivo.
É importante notar que, num modelo autoregressivo, um choque único afetará os valores das variáveis calculadas infinitamente no futuro. Portanto, o legado da crise financeira continua vivo nos modelos autoregressivos de hoje.