Autoregressivo
Che cos'è un modello autoregressivo?
Un modello statistico è autoregressivo se prevede valori futuri basati su valori passati. Ad esempio, un modello autoregressivo potrebbe cercare di prevedere i prezzi futuri di un'azione in base alla sua performance passata.
Capire i modelli autoregressivi
I modelli autoregressivi operano partendo dal presupposto che i valori passati hanno un effetto sui valori attuali, il che rende la tecnica statistica popolare per l'analisi della natura, dell'economia e di altri processi che variano nel tempo. I modelli di regressione multipla prevedono una variabile utilizzando una combinazione lineare di predittori, mentre i modelli autoregressivi utilizzano una combinazione di valori passati della variabile.
Un processo autoregressivo AR(1) è quello in cui il valore corrente è basato sul valore immediatamente precedente, mentre un processo AR(2) è quello in cui il valore corrente è basato sui due valori precedenti. Un processo AR(0) viene utilizzato per il rumore bianco e non ha alcuna dipendenza tra i termini. Oltre a queste variazioni, ci sono anche molti modi diversi per calcolare i coefficienti utilizzati in questi calcoli, come il metodo dei minimi quadrati.
Questi concetti e tecniche vengono utilizzati dagli analisti tecnici per prevedere i prezzi dei titoli. Tuttavia, poiché i modelli autoregressivi basano le loro previsioni solo su informazioni passate, presuppongono implicitamente che le forze fondamentali che hanno influenzato i prezzi passati non cambieranno nel tempo. Ciò può portare a previsioni sorprendenti e imprecise se le forze sottostanti in questione stanno effettivamente cambiando, come se un'industria stesse subendo una trasformazione tecnologica rapida e senza precedenti.
Tuttavia, i trader continuano a perfezionare l'uso di modelli autoregressivi a fini di previsione. Un ottimo esempio è l' Autoregressive Integrated Moving Average (ARIMA), un sofisticato modello autoregressivo che può tenere conto di tendenze, cicli, stagionalità, errori e altri tipi di dati non statici quando si effettuano previsioni.
Approcci analitici
Sebbene i modelli autoregressivi siano associati all'analisi tecnica, possono anche essere combinati con altri approcci all'investimento. Ad esempio, gli investitori possono utilizzare l'analisi fondamentale per identificare un'opportunità interessante e quindi utilizzare l'analisi tecnica per identificare i punti di ingresso e di uscita.
Esempio di modello autoregressivo
I modelli autoregressivi si basano sul presupposto che i valori passati abbiano un effetto sui valori attuali. Ad esempio, un investitore che utilizza un modello autoregressivo per prevedere i prezzi delle azioni dovrebbe presumere che i nuovi acquirenti e venditori di tale azione siano influenzati dalle recenti transazioni di mercato al momento di decidere quanto offrire o accettare per il titolo.
Sebbene questa ipotesi sia valida nella maggior parte dei casi, non è sempre così. Ad esempio, negli anni precedenti la crisi finanziaria del 2008, la maggior parte degli investitori non era consapevole dei rischi posti dagli ampi portafogli di titoli garantiti da ipoteca detenuti da molte società finanziarie. Durante quei periodi, un investitore che utilizzava un modello autoregressivo per prevedere la performance dei titoli finanziari statunitensi avrebbe avuto buone ragioni per prevedere una tendenza in corso di prezzi delle azioni stabili o in aumento in quel settore.
Tuttavia, una volta che è diventato di dominio pubblico che molte istituzioni finanziarie erano a rischio di un imminente collasso, gli investitori sono improvvisamente diventati meno preoccupati per i prezzi recenti di questi titoli e molto più preoccupati per la loro esposizione al rischio sottostante. Pertanto, il mercato ha rapidamente rivalutato i titoli finanziari a un livello molto più basso, una mossa che avrebbe completamente confuso un modello autoregressivo.
È importante notare che, in un modello autoregressivo, uno shock una tantum influenzerà i valori delle variabili calcolate all'infinito nel futuro. Pertanto, l'eredità della crisi finanziaria sopravvive nei modelli autoregressivi di oggi.
Mette in risalto
I modelli autoregressivi predicono i valori futuri in base ai valori passati.
Sono ampiamente utilizzati nell'analisi tecnica per prevedere i prezzi futuri dei titoli.
I modelli autoregressivi presuppongono implicitamente che il futuro assomiglierà al passato.
Pertanto, possono rivelarsi imprecisi in determinate condizioni di mercato, come crisi finanziarie o periodi di rapidi cambiamenti tecnologici.
