авторегрессия

Что такое авторегрессионная модель?

Статистическая модель является авторегрессионной, если она предсказывает будущие значения на основе прошлых значений. Например, авторегрессионная модель может попытаться предсказать будущие цены акций на основе их прошлых результатов.

Понимание моделей авторегрессии

Авторегрессионные модели работают на основе предположения, что прошлые значения влияют на текущие значения, что делает статистический метод популярным для анализа природы, экономики и других процессов, которые меняются во времени. Модели множественной регрессии прогнозируют переменную, используя линейную комбинацию предикторов, тогда как авторегрессионные модели используют комбинацию прошлых значений переменной.

Авторегрессионный процесс AR(1) — это процесс, в котором текущее значение основано на непосредственно предыдущем значении, тогда как процесс AR(2) — это процесс, в котором текущее значение основано на двух предыдущих значениях. Процесс AR(0) используется для белого шума и не имеет зависимости между членами. В дополнение к этим вариациям существует также множество различных способов расчета коэффициентов, используемых в этих расчетах, например, метод наименьших квадратов.

Эти концепции и методы используются техническими аналитиками для прогнозирования цен на ценные бумаги. Однако, поскольку авторегрессионные модели основывают свои прогнозы только на прошлой информации, они неявно предполагают, что фундаментальные силы, которые влияли на прошлые цены, не изменятся с течением времени. Это может привести к неожиданным и неточным прогнозам, если рассматриваемые основные силы на самом деле меняются, например, если в отрасли происходят быстрые и беспрецедентные технологические преобразования.

Тем не менее, трейдеры продолжают совершенствовать использование авторегрессионных моделей в целях прогнозирования. Отличным примером является авторегрессионное интегрированное скользящее среднее (ARIMA), сложная авторегрессионная модель, которая может учитывать тренды, циклы, сезонность, ошибки и другие нестатические типы данных при составлении прогнозов.

Аналитические подходы

Хотя авторегрессионные модели связаны с техническим анализом, их также можно комбинировать с другими подходами к инвестированию. Например, инвесторы могут использовать фундаментальный анализ, чтобы определить привлекательную возможность, а затем использовать технический анализ, чтобы определить точки входа и выхода.

Пример авторегрессионной модели

Авторегрессионные модели основаны на предположении, что прошлые значения влияют на текущие значения. Например, инвестор, использующий авторегрессионную модель для прогнозирования цен на акции, должен будет предположить, что новые покупатели и продавцы этих акций находятся под влиянием недавних рыночных сделок при принятии решения о том, сколько предложить или принять за ценную бумагу.

Хотя это предположение справедливо в большинстве случаев, это не всегда так. Например, в годы, предшествовавшие финансовому кризису 2008 года, большинство инвесторов не знали о рисках, связанных с большими портфелями ценных бумаг, обеспеченных ипотекой, которыми владели многие финансовые фирмы. В то время у инвестора, использующего авторегрессионную модель для прогнозирования динамики финансовых акций США, были веские основания предсказывать продолжающуюся тенденцию к стабильным или растущим ценам на акции в этом секторе.

Однако, как только стало известно, что многим финансовым учреждениям грозит неизбежный крах, инвесторы внезапно стали меньше беспокоиться о недавних ценах на эти акции и гораздо больше озабочены их подверженностью риску. Таким образом, рынок быстро переоценил финансовые акции до гораздо более низкого уровня, шаг, который полностью испортил бы авторегрессионную модель.

Важно отметить, что в авторегрессионной модели однократный шок бесконечно влияет на значения вычисляемых переменных в будущем. Таким образом, наследие финансового кризиса живет в сегодняшних авторегрессионных моделях.

Особенности

• Модели авторегрессии предсказывают будущие значения на основе прошлых значений.

• Они широко используются в техническом анализе для прогнозирования будущих цен ценных бумаг.

• Модели авторегрессии неявно предполагают, что будущее будет похоже на прошлое.

• Следовательно, они могут оказаться неточными при определенных рыночных условиях, таких как финансовые кризисы или периоды быстрых технологических изменений.