Ce înseamnă autoregresivitate?
Un model statistic este autoregresiv dacă prezice valorile viitoare pe baza valorilor trecute. De exemplu, un model autoregresiv ar putea căuta să prezică prețurile viitoare ale unei acțiuni pe baza performanțelor sale trecute.
Key Takeaways
- Modelurile autoregresive prezic valorile viitoare pe baza valorilor trecute.
- Ele sunt utilizate pe scară largă în analiza tehnică pentru a prognoza prețurile viitoare ale titlurilor de valoare.
- Modelurile autoregresive presupun implicit că viitorul va semăna cu trecutul. Prin urmare, ele se pot dovedi inexacte în anumite condiții de piață, cum ar fi crizele financiare sau perioadele de schimbare tehnologică rapidă.
Înțelegerea modelelor autoregresive
Modelele autoregresive funcționează sub premisa că valorile din trecut au un efect asupra valorilor actuale, ceea ce face ca tehnica statistică să fie populară pentru analiza naturii, a economiei și a altor procese care variază în timp. Modelele de regresie multiplă prognozează o variabilă folosind o combinație liniară de predictori, în timp ce modelele autoregresive folosesc o combinație de valori trecute ale variabilei.
Un proces autoregresiv AR(1) este unul în care valoarea curentă se bazează pe valoarea imediat precedentă, în timp ce un proces AR(2) este unul în care valoarea curentă se bazează pe cele două valori anterioare. Un proces AR(0) este utilizat pentru zgomotul alb și nu are nicio dependență între termeni. În plus față de aceste variații, există, de asemenea, multe moduri diferite de a calcula coeficienții utilizați în aceste calcule, cum ar fi metoda celor mai mici pătrate.
Aceste concepte și tehnici sunt utilizate de analiștii tehnici pentru a prognoza prețurile titlurilor de valoare. Cu toate acestea, deoarece modelele autoregresive își bazează previziunile doar pe informațiile din trecut, ele presupun implicit că forțele fundamentale care au influențat prețurile din trecut nu se vor schimba în timp. Acest lucru poate duce la previziuni surprinzătoare și inexacte în cazul în care forțele fundamentale în cauză se schimbă de fapt, cum ar fi în cazul în care o industrie trece printr-o transformare tehnologică rapidă și fără precedent.
Cu toate acestea, traderii continuă să perfecționeze utilizarea modelelor autoregresive în scopuri de prognoză. Un exemplu excelent este media mobilă integrată autoregresivă (ARIMA), un model autoregresiv sofisticat care poate lua în considerare tendințele, ciclurile, sezonalitatea, erorile și alte tipuri de date nestatice atunci când face previziuni.
Abordări analitice
Deși modelele autoregresive sunt asociate cu analiza tehnică, ele pot fi combinate și cu alte abordări ale investițiilor. De exemplu, investitorii pot folosi analiza fundamentală pentru a identifica o oportunitate convingătoare și apoi pot folosi analiza tehnică pentru a identifica punctele de intrare și de ieșire.
Exemplu din lumea reală a unui model autoregresiv
Modelele autoregresive se bazează pe ipoteza că valorile din trecut au un efect asupra valorilor actuale. De exemplu, un investitor care utilizează un model autoregresiv pentru a prognoza prețurile acțiunilor ar trebui să presupună că noii cumpărători și vânzători ai acțiunilor respective sunt influențați de tranzacțiile recente de pe piață atunci când decid cât de mult să ofere sau să accepte pentru titlu.
Deși această ipoteză va fi valabilă în majoritatea circumstanțelor, nu este întotdeauna cazul. De exemplu, în anii de dinaintea crizei financiare din 2008, majoritatea investitorilor nu erau conștienți de riscurile pe care le prezentau portofoliile mari de titluri garantate cu ipoteci deținute de multe firme financiare. În acele vremuri, un investitor care folosea un model autoregresiv pentru a prezice performanța acțiunilor financiare americane ar fi avut motive întemeiate pentru a prezice o tendință continuă de stabilitate sau de creștere a prețurilor acțiunilor din acest sector.
Dar, odată ce a devenit de notorietate publică faptul că multe instituții financiare riscau să se prăbușească în mod iminent, investitorii au devenit brusc mai puțin preocupați de prețurile recente ale acestor acțiuni și mult mai preocupați de expunerea lor subiacentă la risc. Prin urmare, piața a reevaluat rapid acțiunile financiare la un nivel mult mai scăzut, o mișcare care ar fi încurcat complet un model autoregresiv.
Este important de reținut că, într-un model autoregresiv, un șoc unic va afecta valorile variabilelor calculate la infinit în viitor. Prin urmare, moștenirea crizei financiare supraviețuiește în modelele autoregresive de astăzi.