自回归

什么是自回归模型？

如果统计模型根据过去的值预测未来的值，那么它就是自回归的。例如，自回归模型可能会根据过去的表现来预测股票的未来价格。

自回归模型在过去值对当前值有影响的前提下运行，这使得统计技术在分析自然、经济和其他随时间变化的过程中很受欢迎。多重回归模型使用预测变量的线性组合来预测变量，而自回归模型使用变量过去值的组合。

AR(1) 自回归过程是当前值基于前一个值的过程，而 AR(2) 过程是当前值基于前两个值的过程。 AR(0) 过程用于白噪声，并且项之间没有相关性。除了这些变化之外，还有许多不同的方法来计算这些计算中使用的系数，例如最小二乘法。

技术分析师使用这些概念和技术来预测证券价格。然而，由于自回归模型的预测仅基于过去的信息，它们隐含地假设影响过去价格的基本力量不会随着时间而改变。如果所讨论的潜在力量实际上正在发生变化，例如一个行业正在经历快速和前所未有的技术转型，这可能会导致令人惊讶和不准确的预测。

尽管如此，交易者继续改进自回归模型的使用以进行预测。一个很好的例子是自回归综合移动平均线(ARIMA)，这是一种复杂的自回归模型，在进行预测时可以考虑趋势、周期、季节性、错误和其他非静态类型的数据。

分析方法

尽管自回归模型与技术分析相关，但它们也可以与其他投资方法结合使用。例如，投资者可以使用基本面分析来确定一个引人注目的机会，然后使用技术分析来确定进入和退出点。

自回归模型基于过去值对当前值有影响的假设。例如，使用自回归模型预测股票价格的投资者在决定提供或接受多少证券时，需要假设该股票的新买家和卖家受到近期市场交易的影响。

尽管这种假设在大多数情况下都成立，但情况并非总是如此。例如，在 2008 年金融危机之前的几年里，大多数投资者都没有意识到许多金融公司持有的大量抵押贷款支持证券所带来的风险。在此期间，使用自回归模型预测美国金融股表现的投资者有充分的理由预测该行业股票价格持续稳定或上涨的趋势。

然而，一旦公众知道许多金融机构面临即将倒闭的风险，投资者突然就不再关心这些股票的近期价格，而更关心它们的潜在风险敞口。因此，市场迅速将金融股重新估值到低得多的水平，这一举动完全混淆了自回归模型。

重要的是要注意，在自回归模型中，一次性冲击将无限地影响计算变量的值到未来。因此，金融危机的遗留问题仍然存在于当今的自回归模型中。

＃＃强调