Шта значи аутоматско напредовање?
Статистички модел је ауторегресиван ако предвиђа будуће вриједности на основу прошлих вриједности. На пример, аутоматски прогресивни модел могао би тежити предвиђању будућих цена акција на основу његових претходних перформанси.
Кључне Такеаваис
- Ауторегресивни модели предвиђају будуће вредности на основу прошлих вредности. Они се широко користе у техничкој анализи за предвиђање будућих цена безбедности. Ауторегресивни модели имплицитно претпостављају да ће будућност личити на прошлост. Стога се могу показати нетачним под одређеним тржишним условима, попут финансијских криза или периода брзих технолошких промена.
Разумевање ауторегресивних модела
Ауторегресивни модели делују под претпоставком да досадашње вредности утичу на тренутне вредности, што статистичку технику чини популарном за анализу природе, економије и других процеса који се током времена разликују. Вишеструки регресијски модели прогнозирају променљиву користећи линеарну комбинацију предиктора, док ауторегресивни модели користе комбинацију прошлих вредности променљиве.
Ауторегресивни процес АР (1) је онај у којем се тренутна вредност заснива на претходној вредности, док је процес АР (2) онај у коме се тренутна вредност заснива на претходне две вредности. Процес АР (0) користи се за бели шум и нема зависности између појмова. Поред ових варијација, постоји и много различитих начина за израчунавање коефицијената који се користе у овим прорачунима, као што је метода најмање квадрата.
Ове концепте и технике користе технички аналитичари за предвиђање цена безбедности. Међутим, пошто ауторегресивни модели своја предвиђања заснивају само на прошлим информацијама, они имплицитно претпостављају да се темељне силе које су утицале на прошле цене неће временом мењати. То може довести до изненађујућих и нетачних предвиђања ако се дотичне основне силе у ствари мењају, као што је ако се индустрија подвргава брзој и невиђеној технолошкој трансформацији.
Ипак, трговци и даље усавршавају употребу ауто-прогресивних модела у сврху предвиђања. Сјајан пример је Ауторегресивни интегрисани покретни просек (АРИМА), софистицирани ауторегресивни модел који може да узима у обзир трендове, циклусе, сезоналност, грешке и друге нестатичке типове података приликом пројекције.
Аналитички приступи
Иако су ауторегресивни модели повезани са техничком анализом, могу се комбиновати и са другим приступима инвестирању. На пример, инвеститори могу да користе фундаменталну анализу за идентификацију убедљиве могућности, а затим користе техничку анализу за идентификацију улазних и излазних тачака.
Пример реалног света ауторегресивног модела
Ауторегресивни модели заснивају се на претпоставци да досадашње вредности утичу на тренутне вредности. На пример, инвеститор који користи аутоматски прогресивни модел за предвиђање цена акција морао би претпоставити да су нови купци и продавци те акције под утицајем недавних трансакција на тржишту када одлучују колико понудити или прихватити за хартије од вредности.
Иако ће се та претпоставка одржати у већини околности, то није увек случај. На пример, у годинама пре финансијске кризе 2008, већина инвеститора није била свесна ризика који представљају велики портфељ хартија од вредности под хипотекарним вредностима које држе многе финансијске фирме. У то време, инвеститор који користи аутоматски прогресивни модел за предвиђање перформанси америчких финансијских акција имао би добар разлог да предвиди стални тренд стабилних или растућих цена акција у том сектору.
Међутим, једном када је постало јавно сазнање да многим финансијским институцијама пријети скоран скок, инвеститори су одједном постали мање забринути за недавне цијене ових дионица и много више забринути за њихову изложеност ризику. Стога је тржиште брзо ревалоризирало финансијске залихе на много нижи ниво, што би био потпуно збуњујући ауторегресивни модел.
Важно је напоменути да ће, у ауторегресивном моделу, једнократни шок бесконачно утицати на вредности израчунатих променљивих у будућност. Због тога наслеђе финансијске кризе живи у данашњим ауторегресивним моделима.
