O que significa autorregressivo?
Um modelo estatístico é autoregressivo se predizer valores futuros com base em valores passados. Por exemplo, um modelo autoregressivo pode procurar prever os preços futuros de uma ação com base em seu desempenho passado.
Principais Takeaways
- Os modelos autorregressivos preveem valores futuros com base em valores passados. Eles são amplamente utilizados em análises técnicas para prever preços futuros de segurança. Os modelos autorregressivos assumem implicitamente que o futuro será semelhante ao passado. Portanto, eles podem se mostrar imprecisos sob certas condições de mercado, como crises financeiras ou períodos de rápida mudança tecnológica.
Noções básicas sobre modelos autoregressivos
Modelos autoregressivos operam sob a premissa de que os valores passados afetam os valores atuais, o que torna a técnica estatística popular para analisar a natureza, a economia e outros processos que variam ao longo do tempo. Modelos de regressão múltipla preveem uma variável usando uma combinação linear de preditores, enquanto modelos autorregressivos usam uma combinação de valores passados da variável.
Um processo autorregressivo de AR (1) é aquele em que o valor atual é baseado no valor imediatamente anterior, enquanto um processo de AR (2) é aquele em que o valor atual é baseado nos dois valores anteriores. Um processo AR (0) é usado para ruído branco e não tem dependência entre os termos. Além dessas variações, também existem muitas maneiras diferentes de calcular os coeficientes usados nesses cálculos, como o método dos mínimos quadrados.
Esses conceitos e técnicas são usados por analistas técnicos para prever preços de segurança. No entanto, como os modelos autorregressivos baseiam suas previsões apenas em informações passadas, eles assumem implicitamente que as forças fundamentais que influenciaram os preços passados não mudarão com o tempo. Isso pode levar a previsões surpreendentes e imprecisas se as forças subjacentes em questão estiverem de fato mudando, como se um setor estivesse passando por uma transformação tecnológica rápida e sem precedentes.
No entanto, os comerciantes continuam refinando o uso de modelos auto-regressivos para fins de previsão. Um ótimo exemplo é a Média Móvel Integrada Autoregressiva (ARIMA), um sofisticado modelo autoregressivo que pode levar em consideração tendências, ciclos, sazonalidade, erros e outros tipos de dados não estáticos ao fazer previsões.
Abordagens Analíticas
Embora os modelos autoregressivos estejam associados à análise técnica, eles também podem ser combinados com outras abordagens de investimento. Por exemplo, os investidores podem usar análises fundamentais para identificar uma oportunidade atraente e, em seguida, usar análises técnicas para identificar pontos de entrada e saída.
Exemplo do mundo real de um modelo autoregressivo
Modelos autoregressivos são baseados no pressuposto de que valores passados afetam os valores atuais. Por exemplo, um investidor que usa um modelo autoregressivo para prever os preços das ações precisaria assumir que novos compradores e vendedores dessas ações são influenciados por transações recentes do mercado ao decidir quanto oferecer ou aceitar pelo título.
Embora essa suposição se mantenha na maioria das circunstâncias, nem sempre é esse o caso. Por exemplo, nos anos anteriores à crise financeira de 2008, a maioria dos investidores não estava ciente dos riscos apresentados pelas grandes carteiras de títulos lastreados em hipotecas mantidas por muitas empresas financeiras. Durante esses tempos, um investidor que usasse um modelo autoregressivo para prever o desempenho das ações financeiras dos EUA teria bons motivos para prever uma tendência contínua de preços estáveis ou crescentes das ações naquele setor.
No entanto, uma vez que se tornou público o conhecimento de que muitas instituições financeiras corriam risco de colapso iminente, os investidores repentinamente ficaram menos preocupados com os preços recentes dessas ações e muito mais preocupados com sua exposição ao risco subjacente. Portanto, o mercado rapidamente reavaliou as ações financeiras para um nível muito mais baixo, um movimento que teria confundido completamente um modelo autorregressivo.
É importante observar que, em um modelo autoregressivo, um choque único afetará os valores das variáveis calculadas infinitamente no futuro. Portanto, o legado da crise financeira permanece nos modelos autorregressivos de hoje.
