Autoregressivo
O que é um modelo autorregressivo?
Um modelo estatístico é autorregressivo se prevê valores futuros com base em valores passados. Por exemplo, um modelo autorregressivo pode procurar prever os preços futuros de uma ação com base em seu desempenho passado.
Entendendo os modelos autorregressivos
Os modelos autorregressivos operam sob a premissa de que os valores passados afetam os valores atuais, o que torna a técnica estatística popular para analisar a natureza, a economia e outros processos que variam ao longo do tempo. Os modelos de regressão múltipla prevêem uma variável usando uma combinação linear de preditores, enquanto os modelos autorregressivos usam uma combinação de valores passados da variável.
Um processo autoregressivo AR(1) é aquele em que o valor atual é baseado no valor imediatamente anterior, enquanto um processo AR(2) é aquele em que o valor atual é baseado nos dois valores anteriores. Um processo AR(0) é usado para ruído branco e não tem dependência entre os termos. Além dessas variações, também existem muitas maneiras diferentes de calcular os coeficientes usados nesses cálculos, como o método dos mínimos quadrados.
Esses conceitos e técnicas são usados por analistas técnicos para prever preços de títulos. No entanto, como os modelos autorregressivos baseiam suas previsões apenas em informações passadas, eles assumem implicitamente que as forças fundamentais que influenciaram os preços passados não mudarão ao longo do tempo. Isso pode levar a previsões surpreendentes e imprecisas se as forças subjacentes em questão estiverem de fato mudando, como se uma indústria estiver passando por uma transformação tecnológica rápida e sem precedentes.
No entanto, os comerciantes continuam a refinar o uso de modelos autorregressivos para fins de previsão. Um ótimo exemplo é o Autoregressive Integrated Moving Average (ARIMA), um sofisticado modelo autorregressivo que pode levar em conta tendências, ciclos, sazonalidade, erros e outros tipos de dados não estáticos ao fazer previsões.
Abordagens analíticas
Embora os modelos autorregressivos estejam associados à análise técnica, eles também podem ser combinados com outras abordagens de investimento. Por exemplo, os investidores podem usar a análise fundamental para identificar uma oportunidade atraente e, em seguida, usar a análise técnica para identificar pontos de entrada e saída.
Exemplo de um modelo autorregressivo
Os modelos autorregressivos são baseados na suposição de que os valores passados afetam os valores atuais. Por exemplo, um investidor usando um modelo autorregressivo para prever os preços das ações precisaria assumir que os novos compradores e vendedores daquela ação são influenciados por transações recentes de mercado ao decidir quanto oferecer ou aceitar pelo título.
Embora essa suposição seja válida na maioria das circunstâncias, nem sempre é esse o caso. Por exemplo, nos anos anteriores à crise financeira de 2008, a maioria dos investidores não estava ciente dos riscos representados pelas grandes carteiras de títulos lastreados em hipotecas detidas por muitas empresas financeiras. Naquela época, um investidor que usasse um modelo autorregressivo para prever o desempenho das ações financeiras dos EUA teria boas razões para prever uma tendência contínua de preços estáveis ou crescentes das ações nesse setor.
No entanto, uma vez que se tornou de conhecimento público que muitas instituições financeiras estavam em risco de colapso iminente, os investidores de repente ficaram menos preocupados com os preços recentes dessas ações e muito mais preocupados com sua exposição ao risco subjacente. Portanto, o mercado é rapidamente reavaliado as ações financeiras para um nível muito mais baixo, um movimento que teria confundido totalmente um modelo autoregressivo.
É importante observar que, em um modelo autorregressivo, um choque pontual afetará os valores das variáveis calculadas infinitamente no futuro. Portanto, o legado da crise financeira continua vivo nos modelos autorregressivos atuais.
##Destaques
Modelos autorregressivos preveem valores futuros com base em valores passados.
São amplamente utilizados em análises técnicas para prever preços futuros de títulos.
Os modelos autorregressivos assumem implicitamente que o futuro será semelhante ao passado.
Portanto, eles podem ser imprecisos sob certas condições de mercado, como crises financeiras ou períodos de rápida mudança tecnológica.
