Investor's wiki

Autoregressiv

Autoregressiv

Vad Àr en autoregressiv modell?

En statistisk modell Àr autoregressiv om den förutsÀger framtida vÀrden baserat pÄ tidigare vÀrden. Till exempel kan en autoregressiv modell försöka förutsÀga en akties framtida priser baserat pÄ dess tidigare resultat.

FörstÄ autoregressiva modeller

Autoregressiva modeller verkar under förutsÀttningen att tidigare vÀrden har en effekt pÄ nuvarande vÀrden, vilket gör den statistiska tekniken populÀr för att analysera natur, ekonomi och andra processer som varierar över tiden. Flera regressionsmodeller förutsÀger en variabel med hjÀlp av en linjÀr kombination av prediktorer, medan autoregressiva modeller anvÀnder en kombination av tidigare vÀrden för variabeln.

En AR(1) autoregressiv process Àr en dÀr det aktuella vÀrdet Àr baserat pÄ det omedelbart föregÄende vÀrdet, medan en AR(2) process Àr en dÀr det aktuella vÀrdet Àr baserat pÄ de tvÄ föregÄende vÀrdena. En AR(0)-process anvÀnds för vitt brus och har inget beroende mellan termerna. Utöver dessa variationer finns det ocksÄ mÄnga olika sÀtt att berÀkna koefficienterna som anvÀnds i dessa berÀkningar, till exempel minsta kvadratmetoden.

Dessa koncept och tekniker anvÀnds av tekniska analytiker för att prognostisera vÀrdepapperspriser. Men eftersom autoregressiva modeller baserar sina förutsÀgelser endast pÄ tidigare information, antar de implicit att de fundamentala krafterna som pÄverkade de tidigare priserna inte kommer att förÀndras över tiden. Detta kan leda till överraskande och felaktiga förutsÀgelser om de bakomliggande krafterna i frÄga faktiskt förÀndras, till exempel om en bransch genomgÄr en snabb och aldrig tidigare skÄdad teknisk transformation.

ÄndĂ„ fortsĂ€tter handlare att förfina anvĂ€ndningen av autoregressiva modeller för prognosĂ€ndamĂ„l. Ett bra exempel Ă€r ARIMA ( Autoregressive Integrated Moving Average ), en sofistikerad autoregressiv modell som kan ta hĂ€nsyn till trender, cykler, sĂ€songsvariationer, fel och andra icke-statiska typer av data nĂ€r man gör prognoser.

Analytiska tillvÀgagÄngssÀtt

Även om autoregressiva modeller Ă€r förknippade med teknisk analys, kan de ocksĂ„ kombineras med andra sĂ€tt att investera. Till exempel kan investerare anvĂ€nda fundamental analys för att identifiera en övertygande möjlighet och sedan anvĂ€nda teknisk analys för att identifiera ingĂ„ngs- och exitpunkter.

Exempel pÄ en autoregressiv modell

Autoregressiva modeller Àr baserade pÄ antagandet att tidigare vÀrden har en effekt pÄ nuvarande vÀrden. Till exempel skulle en investerare som anvÀnder en autoregressiv modell för att prognostisera aktiekurser behöva anta att nya köpare och sÀljare av den aktien pÄverkas av de senaste marknadstransaktionerna nÀr de bestÀmmer hur mycket de ska erbjuda eller acceptera för vÀrdepapperet.

Även om detta antagande kommer att hĂ„lla under de flesta omstĂ€ndigheter, Ă€r detta inte alltid fallet. Till exempel, under Ă„ren före finanskrisen 2008, var de flesta investerare inte medvetna om riskerna med de stora portföljerna av inteckningssĂ€krade vĂ€rdepapper som innehas av mĂ„nga finansiella företag. Under dessa tider skulle en investerare som anvĂ€nder en autoregressiv modell för att förutsĂ€ga utvecklingen för amerikanska finansaktier ha haft goda skĂ€l att förutsĂ€ga en pĂ„gĂ„ende trend med stabila eller stigande aktiekurser i den sektorn.

Men nÀr det vÀl blev allmÀnt kÀnt att mÄnga finansiella institutioner riskerade att kollapsa, blev investerare plötsligt mindre bekymrade över dessa aktiers senaste priser och mycket mer bekymrade över deras underliggande riskexponering. DÀrför omvÀrderas marknaden snabbt finansiella aktier till en mycket lÀgre nivÄ, ett drag som helt skulle ha förvirrat en autoregressiv modell.

Det Àr viktigt att notera att i en autoregressiv modell kommer en engÄngschock att pÄverka vÀrdena pÄ de berÀknade variablerna oÀndligt in i framtiden. DÀrför lever arvet frÄn finanskrisen vidare i dagens autoregressiva modeller.

##Höjdpunkter

  • Autoregressiva modeller förutsĂ€ger framtida vĂ€rden baserat pĂ„ tidigare vĂ€rden.

– De anvĂ€nds flitigt i teknisk analys för att prognostisera framtida vĂ€rdepapperspriser.

– Autoregressiva modeller antar implicit att framtiden kommer att likna det förflutna.

– DĂ€rför kan de visa sig vara felaktiga under vissa marknadsförhĂ„llanden, sĂ„som finansiella kriser eller perioder av snabba tekniska förĂ€ndringar.