자기회귀

자기회귀 모델이란?

통계 모델은 과거 값을 기반으로 미래 값을 예측하는 경우 자기 회귀적입니다. 예를 들어, 자기회귀 모델은 과거 실적을 기반으로 주식의 미래 가격을 예측하려고 할 수 있습니다.

자기회귀 모델 이해하기

자기회귀 모델은 과거 값이 현재 값에 영향을 미친다는 전제 하에 작동하므로 시간이 지남에 따라 변하는 자연, 경제 및 기타 프로세스를 분석하는 데 통계 기법이 널리 사용됩니다. 다중 회귀 모델 은 예측 변수의 선형 조합을 사용하여 변수를 예측하는 반면 자동 회귀 모델은 변수의 과거 값 조합을 사용합니다.

AR(1) 자기회귀 프로세스는 현재 값이 직전 값을 기반으로 하는 프로세스이고 AR(2) 프로세스는 현재 값이 이전 두 값을 기반으로 하는 프로세스입니다. AR(0) 프로세스는 백색 잡음에 사용되며 항 간에 종속성이 없습니다. 이러한 변형 외에도 최소 제곱법과 같이 이러한 계산에 사용된 계수를 계산하는 여러 가지 방법이 있습니다.

이러한 개념과 기술은 기술 분석가가 보안 가격을 예측하는 데 사용합니다. 그러나 자기회귀 모델은 과거 정보에만 기반을 두고 있기 때문에 과거 가격에 영향을 미친 근본적인 힘이 시간이 지나도 변하지 않을 것이라고 암묵적으로 가정합니다. 이는 산업이 전례 없는 급속한 기술 변화를 겪고 있는 경우와 같이 문제의 기저 요인이 실제로 변화하는 경우 놀랍고 부정확한 예측으로 이어질 수 있습니다.

그럼에도 불구하고 거래자들은 예측 목적으로 자기회귀 모델의 사용을 계속해서 개선하고 있습니다. 좋은 예는 예측을 할 때 추세, 주기, 계절성, 오류 및 기타 비정적 유형의 데이터를 고려할 수 있는 정교한 자동회귀 모델인 ARIMA( Autoregressive Integrated Moving Average )입니다.

분석적 접근

자기회귀 모델은 기술적 분석과 관련이 있지만 다른 투자 접근 방식과 결합될 수도 있습니다. 예를 들어, 투자자는 근본적인 분석을 사용하여 매력적인 기회를 식별한 다음 기술적 분석을 사용하여 진입점과 출구점을 식별할 수 있습니다.

자기회귀 모델의 예

자기회귀 모델은 과거 값이 현재 값에 영향을 미친다는 가정을 기반으로 합니다. 예를 들어, 주가를 예측하기 위해 자기회귀 모델을 사용하는 투자자는 유가 증권에 얼마를 제안하거나 수락할지 결정할 때 해당 주식의 새로운 구매자와 판매자가 최근 시장 거래의 영향을 받는다고 가정해야 합니다.

이 가정은 대부분의 상황에서 유지되지만 항상 그런 것은 아닙니다. 예를 들어, 2008년 금융 위기 이전 몇 년 동안 대부분의 투자자는 많은 금융 회사가 보유하고 있는 모기지 담보부 증권 의 대규모 포트폴리오에 따른 위험을 인식하지 못했습니다 . 그 기간 동안 투자자가 미국 금융주의 성과를 예측하기 위해 자기회귀 모델을 사용했다면 해당 섹터의 주가가 지속적으로 안정되거나 상승하는 추세를 예측할 충분한 이유가 있었을 것입니다.

그러나 많은 금융 기관이 임박한 붕괴의 위험에 처해 있다는 사실이 대중에게 알려지면서 투자자들은 갑자기 이러한 주식의 최근 가격에 덜 관심을 갖게 되었고 근본적인 위험 노출에 훨씬 더 관심을 갖게 되었습니다. 따라서 시장은 금융주를 훨씬 더 낮은 수준으로 빠르게 재평가하고 있으며, 이는 자기회귀 모델을 완전히 혼란에 빠뜨릴 수 있습니다.

자기회귀 모델에서 일회성 충격은 계산된 변수의 값에 미래까지 무한한 영향을 미친다는 점에 유의하는 것이 중요합니다. 따라서 금융 위기의 유산은 오늘날의 자기회귀 모델에 그대로 남아 있습니다.

##하이라이트

• 자기회귀 모델은 과거 값을 기반으로 미래 값을 예측합니다.

• 미래의 유가증권 가격을 예측하기 위한 기술적 분석에 널리 사용됩니다.

• 자기회귀 모델은 미래가 과거와 유사할 것이라고 암시적으로 가정합니다.

• 따라서 금융 위기나 급격한 기술 변화의 시기와 같은 특정 시장 상황에서는 부정확성이 입증될 수 있습니다.