Apakah maksud Autoregressive?
Model statistik adalah autoregressive jika meramalkan nilai masa depan berdasarkan nilai masa lalu. Contohnya, model autoregressive mungkin meramalkan harga masa depan stok berdasarkan prestasi masa lalu.
Takeaways Utama
- Model autoregressive meramalkan nilai masa depan berdasarkan nilai-nilai masa lalu. Mereka digunakan secara meluas dalam analisis teknikal untuk meramalkan harga keselamatan masa depan. Model model penjual secara implisit menganggap bahawa masa depan akan menyerupai masa lalu. Oleh itu, mereka boleh membuktikan tidak tepat di bawah keadaan pasaran tertentu, seperti krisis kewangan atau tempoh perubahan teknologi yang pesat.
Memahami Model Autoregressive
Model autoregressive beroperasi di bawah premis bahawa nilai masa lalu mempunyai kesan ke atas nilai semasa, yang menjadikan teknik statistik popular untuk menganalisis sifat, ekonomi, dan proses lain yang berubah dari semasa ke semasa. Model regresi berganda meramalkan pemboleh ubah menggunakan kombinasi peramal linear, sedangkan model autoregressive menggunakan kombinasi nilai masa lalu pembolehubah.
Proses AR (1) autoregressive adalah satu di mana nilai semasa adalah berdasarkan pada nilai sebelum ini, manakala proses AR (2) adalah satu di mana nilai semasa didasarkan pada dua nilai terdahulu. Proses AR (0) digunakan untuk bunyi bising putih dan tidak mempunyai ketergantungan antara istilah. Di samping variasi ini, terdapat juga banyak cara yang berbeza untuk mengira pekali yang digunakan dalam pengiraan ini, seperti kaedah kuadrat-kurangnya.
Konsep dan teknik ini digunakan oleh penganalisis teknikal untuk meramalkan harga keselamatan. Walau bagaimanapun, kerana model autoregressive mendasarkan ramalan mereka hanya pada maklumat lepas, secara implisit mereka menganggap bahawa daya asas yang mempengaruhi harga masa lalu tidak akan berubah dari masa ke masa. Ini boleh membawa kepada ramalan yang mengejutkan dan tidak tepat sekiranya kekuatan yang dipersoalkan sebenarnya berubah, seperti jika sebuah industri sedang mengalami transformasi teknologi yang pesat dan belum pernah terjadi sebelumnya.
Walau bagaimanapun, peniaga terus memperbaiki penggunaan model autoregressive untuk tujuan peramalan. Contoh yang baik ialah Autoregressive Moving Average (ARIMA), model autoregressive yang canggih yang boleh mengambil kira trend, kitaran, musim, kesilapan, dan jenis data lain yang tidak statik ketika membuat ramalan.
Pendekatan analitik
Walaupun model autoregressive dikaitkan dengan analisis teknikal, mereka juga boleh digabungkan dengan pendekatan lain untuk melabur. Sebagai contoh, pelabur boleh menggunakan analisis asas untuk mengenal pasti peluang yang menarik dan kemudian menggunakan analisis teknikal untuk mengenal pasti titik masuk dan keluar.
Contoh Dunia Sebenar Model Autoregressive
Model autoregressive didasarkan pada andaian bahawa nilai masa lalu mempunyai kesan ke atas nilai semasa. Contohnya, pelabur menggunakan model autoregressive untuk meramalkan harga saham perlu menganggap bahawa pembeli baru dan penjual stok itu dipengaruhi oleh urus niaga pasaran baru-baru ini apabila memutuskan berapa banyak yang boleh ditawarkan atau diterima untuk keselamatan.
Walaupun andaian ini akan berlaku dalam kebanyakan keadaan, ini tidak selalu berlaku. Sebagai contoh, dalam tahun-tahun sebelum Krisis Kewangan 2008, kebanyakan pelabur tidak mengetahui risiko yang ditimbulkan oleh portfolio besar sekuriti yang disokong gadai janji yang dipegang oleh banyak firma kewangan. Pada masa itu, pelabur menggunakan model autoregressive untuk meramalkan prestasi stok kewangan Amerika Syarikat akan mempunyai sebab yang baik untuk meramalkan trend berterusan atau harga saham yang semakin meningkat dalam sektor itu.
Walau bagaimanapun, apabila ia menjadi pengetahuan awam bahawa banyak institusi kewangan berisiko terjejas, pelabur tiba-tiba menjadi kurang prihatin dengan harga saham baru-baru ini dan jauh lebih prihatin dengan pendedahan risiko pendasar mereka. Oleh itu, pasaran dengan cepat menilai semula stok kewangan ke tahap yang jauh lebih rendah, satu langkah yang akan memalukan model autoregressive sepenuhnya.
Adalah penting untuk diperhatikan bahawa, dalam model autoregressive, kejutan satu masa akan mempengaruhi nilai-nilai pemboleh ubah yang dihitung tak terhingga ke masa depan. Oleh itu, warisan krisis kewangan hidup dalam model autoregressive hari ini.
