autoregressive

Hvad betyder autoregressivt?

En statistisk model er autoregressiv, hvis den forudsiger fremtidige værdier baseret på tidligere værdier. For eksempel kan en autoregressiv model søge at forudsige en bestands fremtidige priser baseret på dens tidligere resultater.

Key takeaways

• Autoregressive modeller forudsiger fremtidige værdier baseret på tidligere værdier.
• De er vidt brugt i teknisk analyse til at forudsige fremtidige sikkerhedspriser.
• Autoregressive modeller antager implicit, at fremtiden vil ligne fortiden. Derfor kan de vise sig unøjagtige under visse markedsforhold, såsom finansielle kriser eller perioder med hurtig teknologisk ændring.

Forståelse af autoregressive modeller

Autoregressive modeller fungerer under forudsætning af, at fortidens værdier har indflydelse på aktuelle værdier, hvilket gør den statistiske teknik populær til analyse af natur, økonomi og andre processer, der varierer over tid. Flere regressionsmodeller forudsiger en variabel ved hjælp af en lineær kombination af prediktorer, mens autoregressive modeller bruger en kombination af tidligere værdier af variablen.

En AR (1) autoregressiv proces er en, hvor den aktuelle værdi er baseret på den umiddelbart forudgående værdi, mens en AR (2) -proces er en, hvor den aktuelle værdi er baseret på de to foregående værdier. En AR (0) -proces bruges til hvid støj og har ingen afhængighed mellem udtrykkene. Ud over disse variationer er der også mange forskellige måder at beregne de koefficienter, der bruges i disse beregninger, såsom metoden med mindst kvadrater.

Disse koncepter og teknikker bruges af tekniske analytikere til at forudsige sikkerhedspriser. Da autoregressive modeller imidlertid kun baserer deres forudsigelser på tidligere oplysninger, antager de implicit, at de grundlæggende kræfter, der påvirkede de tidligere priser, ikke vil ændre sig over tid. Dette kan føre til overraskende og unøjagtige forudsigelser, hvis de underliggende kræfter i virkeligheden ændrer sig, såsom hvis en industri gennemgår en hurtig og hidtil uset teknologisk transformation.

Ikke desto mindre fortsætter de erhvervsdrivende med at forfine brugen af ​​autoregressive modeller til prognoseformål. Et godt eksempel er det autoregressive integrerede bevægende gennemsnit (ARIMA), en sofistikeret autoregressiv model, der kan tage højde for tendenser, cyklusser, sæsonbestemthed, fejl og andre ikke-statiske typer data, når man laver prognoser.

Analytiske fremgangsmåder

Selvom autoregressive modeller er forbundet med teknisk analyse, kan de også kombineres med andre tilgange til investering. For eksempel kan investorer bruge grundlæggende analyser til at identificere en overbevisende mulighed og derefter bruge teknisk analyse til at identificere ind- og udgangspunkter.

Reel verdenseksempel på en autoregressiv model

Autoregressive modeller er baseret på antagelsen om, at tidligere værdier har indflydelse på aktuelle værdier. For eksempel ville en investor, der bruger en autoregressiv model til at forudsige aktiekurser, antage, at nye købere og sælgere af denne aktie er påvirket af nylige markedstransaktioner, når de beslutter, hvor meget de skal tilbyde eller acceptere for sikkerheden.

Selvom denne antagelse gælder under de fleste omstændigheder, er dette ikke altid tilfældet. I årene forud for finanskrisen i 2008 var de fleste investorer for eksempel ikke opmærksomme på de risici, der var forbundet med de store porteføljer af realkreditlån, der er indeholdt af mange finansielle virksomheder. I disse tider ville en investor, der bruger en autoregressiv model for at forudsige resultaterne af amerikanske finansielle aktier, have haft god grund til at forudsige en løbende tendens med stabile eller stigende aktiekurser i denne sektor.

Da det først blev offentligt kendt, at mange finansielle institutioner var i fare for forestående kollaps, blev investorerne pludselig mindre bekymrede over disse aktiers nylige priser og langt mere bekymrede for deres underliggende risikoeksponering. Derfor omvurderede markedet hurtigt de finansielle aktier til et meget lavere niveau, et skridt, der fuldstændigt ville have forvirret en autoregressiv model.

Det er vigtigt at bemærke, at en engangschock i en autoregressiv model påvirker værdierne af de beregnede variabler uendeligt i fremtiden. Derfor lever arven fra finanskrisen videre i dagens autoregressive modeller.

Sammenlign Navn på udbydere af investeringskonti Beskrivelse Annoncørens viden × De tilbud, der vises i denne tabel, er fra partnerskaber, hvorfra Investopedia modtager kompensation.

Relaterede vilkår

Autoregressive Integrated Moving Average (ARIMA) Et autoregressivt integreret glidende gennemsnit er en statistisk analysemodel, der udnytter tidsseriedata til at forudsige fremtidige tendenser. mere Box-Jenkins-model Definition Box-Jenkins-modellen er en matematisk model designet til at forudsige data fra en specificeret tidsserie. mere Sådan fungerer udjævning af data Udjævning udføres ved hjælp af en algoritme til at fjerne støj fra et datasæt. Dette tillader vigtige mønstre at skille sig ud. Dataudjævning kan bruges til at hjælpe med at forudsige tendenser, såsom dem, der findes i værdipapirpriser. mere Sådan fungerer den mindste kvadratkriterimetode Kriteriet med mindst kvadrater er en metode til måling af nøjagtigheden af ​​en linje ved at skildre de data, der blev brugt til at generere den. Det vil sige, formlen bestemmer linjen for bedste pasning. mere R-kvadrat R-kvadrat er et statistisk mål, der repræsenterer andelen af ​​variansen for en afhængig variabel, der forklares med en uafhængig variabel. mere Sådan fungerer multiple lineær regression Multiple lineær regression (MLR) er en statistisk teknik, der bruger flere forklaringsvariabler til at forudsige resultatet af en responsvariabel. flere Partner Links