Autoregresif

Apakah Model Autoregresif?

Model statistik adalah autoregresif jika ia meramalkan nilai masa depan berdasarkan nilai masa lalu. Sebagai contoh, model autoregresif mungkin berusaha untuk meramalkan harga masa depan saham berdasarkan prestasi masa lalunya.

Memahami Model Autoregresif

Model autoregresif beroperasi di bawah premis bahawa nilai masa lalu mempunyai kesan ke atas nilai semasa, yang menjadikan teknik statistik popular untuk menganalisis alam semula jadi, ekonomi dan proses lain yang berubah mengikut masa. Model regresi berbilang meramalkan pembolehubah menggunakan kombinasi linear peramal, manakala model autoregresif menggunakan gabungan nilai masa lalu pembolehubah.

Proses autoregresif AR(1) ialah proses di mana nilai semasa adalah berdasarkan nilai sebelum ini, manakala proses AR(2) ialah proses di mana nilai semasa adalah berdasarkan dua nilai sebelumnya. Proses AR(0) digunakan untuk white noise dan tidak mempunyai pergantungan antara istilah. Selain variasi ini, terdapat juga banyak cara berbeza untuk mengira pekali yang digunakan dalam pengiraan ini, seperti kaedah kuasa dua terkecil.

Konsep dan teknik ini digunakan oleh penganalisis teknikal untuk meramalkan harga keselamatan. Walau bagaimanapun, oleh kerana model autoregresif mendasarkan ramalan mereka hanya pada maklumat masa lalu, mereka secara tersirat menganggap bahawa kuasa asas yang mempengaruhi harga masa lalu tidak akan berubah dari semasa ke semasa. Ini boleh membawa kepada ramalan yang mengejutkan dan tidak tepat jika kuasa asas yang dipersoalkan sebenarnya berubah, seperti jika industri sedang mengalami transformasi teknologi yang pesat dan tidak pernah berlaku sebelum ini.

Namun begitu, peniaga terus memperhalusi penggunaan model autoregresif untuk tujuan ramalan. Contoh yang bagus ialah Purata Pergerakan Bersepadu Autoregresif (ARIMA), model autoregresif canggih yang boleh mengambil kira arah aliran, kitaran, kemusim, ralat dan jenis data bukan statik lain semasa membuat ramalan.

Pendekatan Analitikal

Walaupun model autoregresif dikaitkan dengan analisis teknikal, ia juga boleh digabungkan dengan pendekatan lain untuk melabur. Sebagai contoh, pelabur boleh menggunakan analisis asas untuk mengenal pasti peluang yang menarik dan kemudian menggunakan analisis teknikal untuk mengenal pasti titik masuk dan keluar.

Contoh Model Autoregresif

Model autoregresif adalah berdasarkan andaian bahawa nilai masa lalu mempunyai kesan ke atas nilai semasa. Sebagai contoh, pelabur yang menggunakan model autoregresif untuk meramalkan harga saham perlu mengandaikan bahawa pembeli dan penjual baharu saham tersebut dipengaruhi oleh urus niaga pasaran baru-baru ini apabila memutuskan jumlah tawaran atau penerimaan untuk keselamatan.

Walaupun andaian ini akan berlaku dalam kebanyakan keadaan, ini tidak selalu berlaku. Sebagai contoh, pada tahun-tahun sebelum Krisis Kewangan 2008, kebanyakan pelabur tidak menyedari risiko yang ditimbulkan oleh portfolio besar sekuriti bersandarkan gadai janji yang dipegang oleh banyak firma kewangan. Pada masa itu, pelabur yang menggunakan model autoregresif untuk meramalkan prestasi saham kewangan AS mempunyai alasan yang kukuh untuk meramalkan trend berterusan harga saham yang stabil atau meningkat dalam sektor itu.

Walau bagaimanapun, sebaik sahaja diketahui umum bahawa banyak institusi kewangan menghadapi risiko kehancuran yang pasti, pelabur tiba-tiba menjadi kurang prihatin dengan harga saham ini baru-baru ini dan lebih bimbang dengan pendedahan risiko asasnya. Oleh itu, pasaran menilai semula saham kewangan dengan pantas ke tahap yang lebih rendah, satu langkah yang akan mengelirukan model autoregresif.

Adalah penting untuk ambil perhatian bahawa, dalam model autoregresif, kejutan sekali akan menjejaskan nilai pembolehubah yang dikira secara tak terhingga ke masa hadapan. Oleh itu, legasi krisis kewangan kekal dalam model autoregresif hari ini.

##Sorotan

• Model autoregresif meramalkan nilai masa hadapan berdasarkan nilai masa lalu.

• Ia digunakan secara meluas dalam analisis teknikal untuk meramalkan harga keselamatan masa hadapan.

• Model autoregresif secara tersirat menganggap bahawa masa depan akan menyerupai masa lalu.

• Oleh itu, mereka boleh membuktikan tidak tepat di bawah keadaan pasaran tertentu, seperti krisis kewangan atau tempoh perubahan teknologi yang pesat.