Какво означава Авторегресивно?
Статистическият модел е автогресивен, ако прогнозира бъдещи стойности въз основа на минали стойности. Например, авторегресивният модел може да се стреми да прогнозира бъдещите цени на акциите въз основа на предишното й представяне.
Ключови заведения
- Авторегресивните модели прогнозират бъдещи стойности въз основа на минали стойности. Те се използват широко в техническия анализ за прогнозиране на бъдещите цени на сигурността. Авторегресивните модели предполагат, че бъдещето ще наподобява миналото. Следователно те могат да се окажат неточни при определени пазарни условия, като финансови кризи или периоди на бързи технологични промени.
Разбиране на автогресивни модели
Авторегресивните модели действат при условие, че миналите стойности оказват влияние върху текущите стойности, което прави статистическата техника популярна за анализ на природата, икономиката и други процеси, които се различават във времето. Множеството регресионни модели прогнозират променлива с помощта на линейна комбинация от предиктори, докато авторегресивните модели използват комбинация от минали стойности на променливата.
Авторегресивният процес на AR (1) е този, при който текущата стойност се основава на непосредствено предходната стойност, докато процесът AR (2) е този, при който текущата стойност се основава на предходните две стойности. Процесът AR (0) се използва за бял шум и няма зависимост между термините. В допълнение към тези вариации има и много различни начини за изчисляване на коефициентите, използвани в тези изчисления, като методът на най-малко квадратчета.
Тези концепции и техники се използват от техническите анализатори за прогнозиране на цените на сигурността. Въпреки това, тъй като авторегресивните модели базират своите прогнози само на минала информация, те имплицитно предполагат, че основните сили, които са повлияли на миналите цени, няма да се променят с течение на времето. Това може да доведе до изненадващи и неточни прогнози, ако въпросните основни сили в действителност се променят, като например, че дадена индустрия претърпява бърза и безпрецедентна технологична трансформация.
Независимо от това, търговците продължават да усъвършенстват използването на автоматични модели за прогнозиране. Чудесен пример е Авторегресивната интегрирана подвижна средна стойност (ARIMA), усъвършенстван авторегресивен модел, който може да отчита тенденциите, циклите, сезонността, грешките и други нестатични видове данни при изготвяне на прогнози.
Аналитични подходи
Въпреки че авторегресивните модели са свързани с техническия анализ, те могат да бъдат комбинирани и с други подходи за инвестиране. Например инвеститорите могат да използват фундаментален анализ, за да идентифицират убедителна възможност, а след това да използват технически анализ, за да идентифицират точки за влизане и излизане.
Пример за реален свят на автогресивен модел
Авторегресивните модели се основават на предположението, че миналите стойности имат ефект върху текущите стойности. Например, инвеститор, използващ автогресивен модел за прогнозиране на цените на акциите, би трябвало да приеме, че новите купувачи и продавачи на тази акция се влияят от последните пазарни сделки, когато решават колко да предложат или приемат за ценната книга.
Въпреки че това предположение ще се прилага при повечето обстоятелства, това не винаги е така. Например, в годините преди финансовата криза през 2008 г. повечето инвеститори не бяха запознати с рисковете, породени от големия портфейл от ипотечни ценни книжа, държани от много финансови фирми. По това време инвеститор, използващ автогресивен модел за прогнозиране на представянето на американските финансови акции, би имал основателна причина да прогнозира продължаваща тенденция на стабилни или нарастващи цени на акциите в този сектор.
Въпреки това, след като стана обществено известно, че много финансови институции са изложени на риск от предстоящ срив, инвеститорите изведнъж се затрудняват по-малко от последните цени на тези акции и много по-загрижени за основния им риск. Следователно пазарът бързо преоцени финансовите акции на много по-ниско ниво, което би довело до крайно объркване на автогресивен модел.
Важно е да се отбележи, че при авторегресивен модел еднократният шок ще засегне безкрайно стойностите на изчислените променливи в бъдеще. Следователно наследството на финансовата криза живее в съвременните автогресивни модели.
