Mit jelent az autoregresszív?
A statisztikai modell autoregresszív, ha előrejelzi a jövőbeli értékeket a múltbeli értékek alapján. Például egy autoregresszív modell arra törekszik, hogy előre jelezze egy részvény jövőbeni árait a múltbeli teljesítmény alapján.
Kulcs elvihető
- Az autoregresszív modellek a jövőbeli értékeket a múltbeli értékek alapján jósolják. Ezeket széles körben alkalmazzák a műszaki elemzésben a jövőbeni értékpapírok előrejelzésére.Autoregresszív modellek hallgatólagosan feltételezik, hogy a jövő a múlthoz hasonlít. Ezért bizonyos piaci körülmények között, például pénzügyi válságok vagy a gyors technológiai változások időszakaiban pontatlannak bizonyulhatnak.
Az autoregresszív modellek megértése
Az autoregresszív modellek azon a feltevésen működnek, hogy a múltbeli értékek hatással vannak a jelenlegi értékekre, ami a statisztikai technikát népszerűvé teszi a természet, a közgazdaságtan és az időben változó folyamatok elemzésére. Több regressziós modell előrejelzi a változót a prediktorok lineáris kombinációjának felhasználásával, míg az autoregresszív modellek a változó múltbeli értékeinek kombinációját használják.
Az AR (1) autoregresszív folyamat az, amelyben az aktuális érték közvetlenül a megelőző értékre épül, míg az AR (2) folyamat olyan, amelyben az aktuális érték az előző két értékre épül. A fehér zajhoz AR (0) eljárást használnak, és nincs függése a kifejezések között. Ezeken a variációkon túl sokféle módszer van a számításokban alkalmazott együtthatók kiszámítására, például a legkisebb négyzetek módszerére.
Ezeket a fogalmakat és technikákat a műszaki elemzők használják a biztonsági árak előrejelzésére. Mivel azonban az autoregresszív modellek előrejelzéseiket csak a múltbeli információkra alapozzák, hallgatólagosan feltételezik, hogy a múltbeli árakat befolyásoló alapvető erők idővel nem változnak. Ez meglepő és pontatlan előrejelzésekhez vezethet, ha a kérdéses alapvető erők valóban megváltoznak, például ha egy iparág gyors és példátlan technológiai átalakuláson megy keresztül.
Ennek ellenére a kereskedők tovább finomítják az autoregresszív modellek előrejelzési célokra történő használatát. Nagyszerű példa erre az Autoregresszív Integrált Mozgó Átlag (ARIMA), egy kifinomult autoregresszív modell, amely az előrejelzések készítésekor figyelembe veheti a trendeket, ciklusokat, szezonalitást, hibákat és egyéb nem statikus adattípusokat.
Analitikai megközelítések
Noha az autoregresszív modellek a technikai elemzéssel társulnak, kombinálhatók más befektetési megközelítésekkel is. Például a befektetők alapvető elemzéssel használhatják fel a kényszerítő lehetőséget, majd műszaki elemzéssel használhatják a belépési és kilépési pontokat.
Példa egy önálló modellre
Az autoregresszív modellek azon a feltevésen alapulnak, hogy a múltbeli értékek hatással vannak a jelenlegi értékekre. Például, ha egy befektető egy autoregresszív modellt alkalmaz a részvényárak előrejelzésére, akkor azt kell feltételeznie, hogy az új részvényeket vásárlókat és eladókat a közelmúltbeli piaci tranzakciók befolyásolják, amikor eldöntik, hogy mennyit kínálnak vagy fogadnak el az értékpapír számára.
Noha ez a feltételezés a legtöbb esetben fennáll, nem mindig ez a helyzet. Például a 2008-as pénzügyi válságot megelőző években a legtöbb befektető nem volt tisztában a sok pénzügyi vállalkozás birtokában lévő jelzáloggal fedezett értékpapírok nagy portfólióinak kockázataival. Azokban az időkben az autoregresszív modellt alkalmazó befektetőnek az amerikai pénzügyi részvények teljesítményének előrejelzésére jó indok volt volna előre jelezni a stabil vagy emelkedő részvényárak folyamatos tendenciáját az ágazatban.
Miután köztudottá vált, hogy sok pénzügyi intézményt fenyeget a közvetlen összeomlás, a befektetők hirtelen kevésbé foglalkoztak ezeknek a részvényeknek a legutóbbi áraival, és sokkal inkább foglalkoztak mögöttes kockázati kitettségükkel. Ezért a piac gyorsan átértékelte a pénzügyi készleteket sokkal alacsonyabb szintre, ez a lépés teljesen megtévesztette volna az autoregresszív modellt.
Fontos megjegyezni, hogy egy autoregresszív modellben az egyszeri sokk a számított változók értékeit végtelenül a jövőben befolyásolja. Ezért a pénzügyi válság öröksége a mai autoregresszív modellekben él.
