Čo znamená autoregresívny?
Čo znamená autoregresívny?
Štatistický model je autoregresný, ak predpovedá budúce hodnoty na základe minulých hodnôt. Napríklad autoregresný model sa môže snažiť predpovedať budúce ceny akcií na základe ich predchádzajúcej výkonnosti.
Kľúčové informácie
- Autoregresné modely predpovedajú budúce hodnoty na základe minulých hodnôt.
- Sú široko používané v technická analýza predpovedať budúce ceny zabezpečenia.
- Autoregresné modely implicitne predpokladajú, že budúcnosť sa bude podobať minulosti. Preto sa môžu za určitých trhových podmienok, ako sú finančné krízy alebo obdobia rýchlych technologických zmien, ukázať ako nepresné.
Pochopenie autoregresívnych modelov
Autoregresné modely fungujú za predpokladu, že minulé hodnoty majú vplyv na súčasné hodnoty, ktoré robí štatistickú techniku populárnou pre analýzu prírody, ekonomiky a ďalších procesov, ktoré sa líšia čas. Viaceré regresné modely predpovedať premennú pomocou lineárnej kombinácie prediktorov, zatiaľ čo autoregresné modely používajú kombináciu minulých hodnôt premennej.
AR (1) autoregresný proces je taký, v ktorom je aktuálna hodnota založená na bezprostredne predchádzajúca hodnota, zatiaľ čo proces AR (2) je taký, v ktorom je aktuálna hodnota založená na predchádzajúcich dvoch hodnoty. Na to sa používa proces AR (0) biely šum a nie je medzi týmito výrazmi nijako závislý. Okrem týchto variácií existuje aj mnoho rôznych spôsobov výpočtu koeficientov použitých v týchto výpočtoch, ako napríklad metóda najmenších štvorcov.
Tieto koncepty a techniky používajú technickí analytici na predpovedanie cien zabezpečenia. Pretože však autoregresné modely zakladajú svoje predpovede iba na minulých informáciách, implicitne predpokladajú, že základné sily, ktoré ovplyvnili minulé ceny, sa v priebehu času nezmenia. To môže viesť k prekvapivým a nepresným predpovediam, ak sú prítomné príslušné sily meniace sa skutočnosti, ako keby priemysel prešiel rýchlymi a bezprecedentnými technológiami transformácia.
Napriek tomu obchodníci naďalej zdokonaľujú používanie autoregresných modelov na účely predpovedí. Skvelým príkladom je Autoregresný integrovaný kĺzavý priemer (ARIMA), sofistikovaný autoregresný model, ktorý môže pri prognózach brať do úvahy trendy, cykly, sezónnosť, chyby a ďalšie nestatické typy údajov.
Analytické prístupy
Napriek tomu, že autoregresné modely sú spojené s technickou analýzou, môžu byť kombinované aj s inými prístupmi k investovaniu. Investori môžu napríklad použiť zásadnú analýzu na identifikáciu presvedčivej príležitosti a potom použiť technickú analýzu na identifikáciu vstupných a výstupných bodov.
Príklad skutočného sveta autoregresného modelu
Autoregresné modely sú založené na predpoklade, že minulé hodnoty majú vplyv na aktuálne hodnoty. Napríklad investor používajúci autoregresný model na predpovedanie cien akcií by musel predpokladať, že noví kupujúci a predajcovia týchto akcií sú pri rozhodovaní o tom, koľko ponúknuť alebo prijať za, ovplyvnení nedávnymi transakciami na trhu bezpečnosť.
Aj keď tento predpoklad platí za väčšiny okolností, nie vždy to tak je. Napríklad v rokoch pred Finančná kríza 2008, väčšina investorov si nebola vedomá rizík, ktoré predstavujú veľké portfóliá spoločnosti cenné papiere kryté hypotékou v držbe mnohých finančných firiem. V tých časoch investor pomocou autoregresného modelu predpovedá výkonnosť amerických financií akcie by v tom mali dobrý dôvod predpovedať pokračujúci trend stabilných alebo rastúcich cien akcií sektora.
Akonáhle sa však verejnosť dozvedela, že mnohým finančným inštitúciám hrozí bezprostredný kolaps, investori sa zrazu začali menej zaujímať o nedávne ceny týchto akcií a oveľa viac sa zaujímali o ich základné riziko vystavenie. Trh preto rýchlo precenil finančné zásoby na oveľa nižšiu úroveň, čo by bol krok, ktorý by úplne zamenil autoregresívny model.
Je dôležité poznamenať, že v autoregresívnom modeli jednorazový šok ovplyvní hodnoty vypočítaných premenných nekonečne do budúcnosti. V dnešných autoregresných modeloch preto dedičstvo finančnej krízy žije.
