Що означає автоматичне прогресування?
Статистична модель є авторегресивною, якщо вона прогнозує майбутні значення на основі минулих значень. Наприклад, авторегресивна модель може намагатися передбачити майбутні ціни акцій на основі її минулих показників.
Ключові вивезення
- Авторегресивні моделі прогнозують майбутні цінності на основі минулих значень. Вони широко використовуються в технічному аналізі для прогнозування майбутніх цін на безпеку. Авторегресивні моделі явно припускають, що майбутнє буде нагадувати минуле. Тому вони можуть виявитися неточними за певних ринкових умов, таких як фінансові кризи або періоди швидких технологічних змін.
Розуміння авторегресивних моделей
Авторегресивні моделі діють за умови, що минулі значення впливають на поточні значення, що робить статистичну техніку популярною для аналізу природи, економіки та інших процесів, що змінюються з часом. Множинні регресійні моделі прогнозують змінну, використовуючи лінійну комбінацію предикторів, тоді як авторегресивні моделі використовують комбінацію минулих значень змінної.
Авторегресивний процес AR (1) - це той, у якому поточне значення базується на безпосередньо попередньому значенні, тоді як процес AR (2) - це той, у якому поточне значення базується на двох попередніх значеннях. Процес AR (0) використовується для білого шуму і не має залежності між термінами. Окрім цих варіацій, існує також багато різних способів обчислення коефіцієнтів, які використовуються в цих розрахунках, наприклад метод найменших квадратів.
Ці концепції та методи використовуються технічними аналітиками для прогнозування цін на безпеку. Однак, оскільки авторегресивні моделі базують свої прогнози лише на минулій інформації, вони неявно припускають, що основні сили, що вплинули на минулі ціни, не змінюватимуться з часом. Це може призвести до дивовижних та неточних прогнозів, якщо фактичні основні сили насправді змінюються, наприклад, якщо галузь зазнає швидких та безпрецедентних технологічних перетворень.
Тим не менш, торговці продовжують вдосконалювати використання автоматичних моделей для прогнозування. Прекрасним прикладом є Авторегресивна інтегрована ковзаюча середня величина (ARIMA), складна авторегресивна модель, яка може враховувати тенденції, цикли, сезонність, помилки та інші нестатичні типи даних під час прогнозування.
Аналітичні підходи
Хоча авторегресивні моделі пов'язані з технічним аналізом, вони також можуть поєднуватися з іншими підходами до інвестування. Наприклад, інвестори можуть використовувати фундаментальний аналіз для виявлення переконливої можливості, а потім використовувати технічний аналіз для визначення точок входу та виходу.
Приклад реального світу авторегресивної моделі
Авторегресивні моделі базуються на припущенні, що минулі значення впливають на поточні значення. Наприклад, інвестору, який використовує авторегресивну модель для прогнозування цін на акції, потрібно було б припустити, що на нових покупців і продавців цієї акції впливають недавні ринкові операції, коли вони вирішують, скільки запропонувати або прийняти на цінні папери.
Хоча це припущення буде дотримано за більшості обставин, це не завжди так. Наприклад, за роки до фінансової кризи 2008 року більшість інвесторів не усвідомлювали ризики, які становлять великі портфелі іпотечних цінних паперів, що зберігаються багатьма фінансовими фірмами. У той час інвестор, який використовував авторегресивну модель для прогнозування ефективності американських фінансових акцій, мав би вагомі підстави передбачити триваючу тенденцію стабільних або зростання цін на акції в цьому секторі.
Однак, як тільки стало відомо, що багатьом фінансовим установам загрожує швидкий крах, інвестори раптом менше переймаються останніми цінами цих акцій і набагато більше переймаються їх базовим ризиком. Тому ринок швидко переоцінював фінансові акції на значно нижчий рівень, такий крок, який би зовсім збентежив авторегресивну модель.
Важливо зазначити, що в авторегресивній моделі разовий шок буде нескінченно впливати на значення обчислених змінних у майбутнє. Тому спадщина фінансової кризи живе в сучасних авторегресивних моделях.
