Что означает авторегрессия?
Статистическая модель является авторегрессионной, если она прогнозирует будущие значения на основе прошлых значений. Например, авторегрессионная модель может пытаться предсказать будущие цены акции на основе ее прошлых результатов.
Ключевые вынос
- Авторегрессионные модели предсказывают будущие значения на основе прошлых значений. Они широко используются в техническом анализе для прогнозирования будущих цен на ценные бумаги. Авторегрессионные модели неявно предполагают, что будущее будет напоминать прошлое. Поэтому они могут оказаться неточными при определенных рыночных условиях, таких как финансовые кризисы или периоды быстрых технологических изменений.
Понимание авторегрессионных моделей
Авторегрессионные модели работают при условии, что прошлые значения влияют на текущие значения, что делает статистический метод популярным для анализа характера, экономики и других процессов, которые меняются во времени. Модели множественной регрессии прогнозируют переменную, используя линейную комбинацию предикторов, тогда как модели авторегрессии используют комбинацию прошлых значений переменной.
Процесс авторегрессии AR (1) - это процесс, в котором текущее значение основано на непосредственно предшествующем значении, а процесс AR (2) - это процесс, в котором текущее значение основано на двух предыдущих значениях. Процесс AR (0) используется для белого шума и не имеет зависимости между членами. В дополнение к этим вариациям, есть также много разных способов вычисления коэффициентов, используемых в этих вычислениях, таких как метод наименьших квадратов.
Эти концепции и методы используются техническими аналитиками для прогнозирования цен на ценные бумаги. Однако, поскольку авторегрессионные модели основывают свои прогнозы только на прошлой информации, они косвенно предполагают, что фундаментальные силы, которые влияли на прошлые цены, не изменятся со временем. Это может привести к неожиданным и неточным прогнозам, если рассматриваемые базовые силы действительно изменяются, например, если отрасль претерпевает быстрые и беспрецедентные технологические преобразования.
Тем не менее, трейдеры продолжают совершенствовать использование моделей авторегрессии для целей прогнозирования. Отличным примером является авторегрессионное интегрированное скользящее среднее (ARIMA), сложная модель авторегрессии, которая может учитывать тренды, циклы, сезонность, ошибки и другие нестатические типы данных при составлении прогнозов.
Аналитические подходы
Хотя авторегрессионные модели связаны с техническим анализом, они также могут сочетаться с другими подходами к инвестированию. Например, инвесторы могут использовать фундаментальный анализ для определения убедительных возможностей, а затем использовать технический анализ для определения точек входа и выхода.
Пример авторегрессии в реальном мире
Авторегрессионные модели основаны на предположении, что прошлые значения влияют на текущие значения. Например, инвестор, использующий авторегрессионную модель для прогнозирования цен на акции, должен будет предположить, что на новых покупателей и продавцов этих акций влияют недавние рыночные сделки, когда они решают, сколько предложить или принять для обеспечения.
Хотя это предположение будет справедливо в большинстве случаев, это не всегда так. Например, в годы, предшествовавшие финансовому кризису 2008 года, большинство инвесторов не знали о рисках, связанных с большими портфелями ипотечных ценных бумаг, которыми владеют многие финансовые фирмы. В те времена у инвестора, использующего авторегрессионную модель для прогнозирования эффективности финансовых акций США, имелись веские основания прогнозировать постоянную тенденцию стабильного или растущего курса акций в этом секторе.
Однако, как только стало известно, что многие финансовые институты подвергаются риску неизбежного краха, инвесторы внезапно перестали беспокоиться о недавних ценах этих акций и стали гораздо больше беспокоиться об их подверженности риску. Таким образом, рынок быстро переоценил финансовые запасы до гораздо более низкого уровня, и этот шаг полностью нарушил бы модель авторегрессии.
Важно отметить, что в авторегрессионной модели одноразовый шок будет влиять на значения вычисляемых переменных бесконечно в будущем. Таким образом, наследие финансового кризиса живет в современных моделях авторегрессии.
