Авторегрессивті
Авторегрессивті дегеніміз не?
Статистикалық модель, егер ол өткен мәндерге негізделген болашақ мәндерді болжаса, авторегрессивті болып табылады. Мысалы, авторегрессивті модель акциялардың болашақтағы бағаларына оның бұрынғы қызметіне қарай болжам жасауға тырысуы мүмкін.
Негізгі өнімдер
- Авторегрессивті модельдер өткен құндылықтарға негізделген болашақ құндылықтарды болжайды.
- Олар болашақ қауіпсіздік бағаларын болжау үшін техникалық талдауда кеңінен қолданылады.
- Авторегрессивті модельдер болашақ өткенге ұқсайды деп жанама түрде болжайды. Сондықтан, олар белгілі бір нарықтық жағдайларда, мысалы, қаржылық дағдарыстар немесе жылдам технологиялық өзгерістер кезеңінде дұрыс емес екенін дәлелдей алады.
Авторегрессивті модельдерді түсіну
Авторегрессивті модельдер өткен мәндер ағымдағы мәндерге әсер етеді деген тұжырыммен жұмыс істейді, бұл статистикалық техниканы табиғатты, экономиканы және уақыт бойынша өзгеріп отыратын басқа процестерді талдау үшін танымал етеді. Бірнеше регрессиялық модельдер болжаушылардың сызықтық комбинациясын қолдана отырып, айнымалыны болжайды, ал авторегрессивті модельдерде айнымалының өткен мәндерінің тіркесімі қолданылады.
AR (1) авторегрессивті процесс – бұл ағымдағы мән бірден алдыңғы мәнге негізделген процесс, ал AR (2) – бұл ағымдағы мән алдыңғы екі мәнге негізделген процесс. AR (0) процесі ең кіші квадраттар әдісі.
Бұл тұжырымдамалар мен әдістерді техникалық талдаушылар қауіпсіздік бағасын болжау үшін пайдаланады. Алайда, авторегрессивті модельдер өз болжамдарын тек өткен ақпаратқа негізделгендіктен, олар өткен бағаларға әсер еткен фундаменталды күштер уақыт өте келе өзгермейді деп жанама түрде болжайды. Бұл таңқаларлық және қате болжамдарға алып келуі мүмкін, егер қаралып отырған негізгі күштер іс жүзінде өзгеріп отырса, мысалы, өнеркәсіп тез және бұрын-соңды болып көрмеген технологиялық өзгеріске ұшырап жатса.
Осыған қарамастан, трейдерлер болжау мақсатында авторегрессивті модельдерді пайдалануды нақтылауды жалғастыруда. Үлкен мысал – болжам жасау кезінде тенденцияларды, циклдарды, маусымдықты, қателіктерді және басқа статикалық емес типтерді ескере алатын күрделі авторегрессивті модель (ARIMA).
Аналитикалық тәсілдер
Авторегрессивті модельдер техникалық талдаумен байланысты болғанымен, оларды инвестициялаудың басқа тәсілдерімен біріктіруге болады. Мысалы, инвесторлар фундаменталды талдауды мәжбүрлі мүмкіндікті анықтай алады, содан кейін кіру және шығу нүктелерін анықтау үшін техникалық талдауды қолдана алады.
Авторегрессивті модельдің нақты әлем мысалы
Авторегрессивті модельдер өткен мәндер ағымдағы мәндерге әсер етеді деген болжамға негізделген. Мысалы, акциялар бағасын болжау үшін авторегрессивті модельді қолданатын инвестор бағалы қағазға қанша ұсыну немесе қабылдау туралы шешім қабылдағанда, осы акцияны жаңа сатып алушылар мен сатушыларға соңғы нарықтық операциялар әсер етеді деп ойлауы керек.
Бұл болжам көп жағдайда орын алса да, бұл әрдайым бола бермейді. Мысалы, ипотекамен қамтамасыз етілген бағалы қағаздардың үлкен портфолиосы тудыратын тәуекелдер туралы білмеген. Сол уақыттарда АҚШ-тың қаржылық акцияларының тиімділігін болжау үшін авторегрессивті модельді пайдаланатын инвестордың осы сектордағы тұрақты немесе өсіп келе жатқан акциялар бағасының тұрақты тенденциясын болжауға негіз болған болар еді.
Алайда, көптеген қаржы институттарының тез арада құлдырау қаупі бар екендігі туралы жұртшылыққа белгілі болғаннан кейін, инвесторлар кенеттен осы акциялардың соңғы бағаларына аз қызығушылық танытып, олардың негізгі тәуекелдікке қатысты мәселелеріне көбірек алаңдады. Сондықтан нарық қаржы қорларын тезірек қайта бағалап, әлдеқайда төмен деңгейге жетті, бұл ауторрессивті модельді әбден шатастырды.
Авторегрессивті модельде бір реттік соққы есептелген айнымалылардың мәндеріне болашаққа әсер ететіндігін ескеру маңызды. Сондықтан, қаржылық дағдарыстың мұрасы бүгінгі авторегрессивті модельдерде өмір сүреді.