Autoregresivní

Co je autoregresivní model?

Statistický model je autoregresivní, pokud předpovídá budoucí hodnoty na základě minulých hodnot. Například autoregresivní model se může snažit předpovídat budoucí ceny akcií na základě jejich minulé výkonnosti.

Klíčové způsoby

Pochopení autoregresivních modelů

Autoregresivní modely pracují za předpokladu, že minulé hodnoty mají vliv na současné hodnoty, což činí statistickou techniku populární pro analýzu přírody, ekonomiky a dalších procesů, které se mění v čase. Více regresních modelů předpovídá proměnnou pomocí lineární kombinace prediktorů, zatímco autoregresivní modely používají kombinaci minulých hodnot proměnné.

Automatický proces AR(1) je proces, ve kterém je aktuální hodnota založena na bezprostředně předcházející hodnotě, zatímco proces AR(2) je proces, ve kterém je aktuální hodnota založena na předchozích dvou hodnotách. Proces AR(0) se používá pro bílý šum a nemá žádnou závislost mezi pojmy. Kromě těchto odchylek existuje také mnoho různých způsobů výpočtu koeficientů použitých v těchto výpočtech, například metoda nejmenších čtverců.

Tyto koncepty a techniky používají techničtí analytici k předpovídání cen cenných papírů. Protože však autoregresivní modely zakládají své předpovědi pouze na minulých informacích, implicitně předpokládají, že základní síly, které ovlivnily minulé ceny, se v čase nezmění. To může vést k překvapivým a nepřesným předpovědím, pokud se dotyčné základní síly skutečně mění, například pokud průmysl prochází rychlou a bezprecedentní technologickou transformací.

Analytické přístupy

Ačkoli jsou autoregresivní modely spojeny s technickou analýzou, lze je také kombinovat s jinými přístupy k investování. Investoři mohou například využít fundamentální analýzu k identifikaci přesvědčivé příležitosti a pak využít technickou analýzu k identifikaci vstupních a výstupních bodů.

Příklad autoregresivního modelu

Autoregresivní modely jsou založeny na předpokladu, že minulé hodnoty mají vliv na současné hodnoty. Například investor používající autoregresivní model k prognóze cen akcií by musel předpokládat, že noví kupující a prodávající těchto akcií jsou ovlivněni nedávnými tržními transakcemi při rozhodování, kolik za cenný papír nabídnou nebo přijmou.

Ačkoli tento předpoklad bude platit za většiny okolností, není tomu tak vždy. Například v letech před finanční krizí v roce 2008 si většina investorů nebyla vědoma rizik, která představují velká portfolia cenných papírů krytých hypotékami, které drží mnoho finančních firem. Během těchto dob by investor používající autoregresivní model k předpovědi výkonnosti amerických finančních akcií měl dobrý důvod předpovídat pokračující trend stabilních nebo rostoucích cen akcií v tomto sektoru.

Jakmile se však vešlo ve známost, že mnoha finančním institucím hrozí bezprostřední kolaps, investoři se náhle začali méně zajímat o ceny těchto akcií v poslední době a mnohem více se zajímali o jejich základní rizikovou expozici. Proto trh rychle přecenil finanční akcie na mnohem nižší úroveň, což by naprosto zmátlo autoregresivní model.

Je důležité si uvědomit, že v autoregresivním modelu jednorázový šok ovlivní hodnoty vypočtených proměnných nekonečně do budoucnosti. Proto dědictví finanční krize žije v dnešních autoregresivních modelech dál.