Autoregressivo

Cosa significa autoregressivo?

Un modello statistico è autoregressivo se prevede valori futuri in base a valori passati. Ad esempio, un modello autoregressivo potrebbe cercare di prevedere i prezzi futuri di un titolo in base alla sua performance passata.

Punti chiave

• I modelli autoregressivi prevedono valori futuri in base a valori passati.
• Sono ampiamente utilizzati nell’analisi tecnica per prevedere i prezzi futuri dei titoli.
• I modelli autoregressivi presuppongono implicitamente che il futuro assomiglierà al passato. Pertanto, possono rivelarsi imprecisi in determinate condizioni di mercato, come crisi finanziarie o periodi di rapidi cambiamenti tecnologici.

Comprensione dei modelli autoregressivi

I modelli autoregressivi operano sulla base della premessa che i valori passati hanno un effetto sui valori attuali, il che rende la tecnica statistica popolare per analizzare la natura, l’economia e altri processi che variano nel tempo. I modelli di regressione multipli prevedono una variabile utilizzando una combinazione lineare di predittori, mentre i modelli autoregressivi utilizzano una combinazione di valori passati della variabile.

Un processo autoregressivo AR (1) è quello in cui il valore corrente è basato sul valore immediatamente precedente, mentre un processo AR (2) è quello in cui il valore corrente è basato sui due valori precedenti. Un processo AR (0) viene utilizzato per metodo dei minimi quadrati.

Questi concetti e tecniche vengono utilizzati dagli analisti tecnici per prevedere i prezzi dei titoli. Tuttavia, poiché i modelli autoregressivi basano le loro previsioni solo su informazioni passate, assumono implicitamente che le forze fondamentali che hanno influenzato i prezzi passati non cambieranno nel tempo. Ciò può portare a previsioni sorprendenti e imprecise se le forze sottostanti in questione stanno effettivamente cambiando, ad esempio se un settore sta subendo una trasformazione tecnologica rapida e senza precedenti.

Tuttavia, i trader continuano a perfezionare l’uso di modelli autoregressivi a fini di previsione. Un ottimo esempio è l’ Autoregressive Integrated Moving Average (ARIMA), un sofisticato modello autoregressivo che può tenere conto di tendenze, cicli, stagionalità, errori e altri tipi di dati non statici quando si effettuano previsioni.

Approcci analitici

Sebbene i modelli autoregressivi siano associati all’analisi tecnica, possono anche essere combinati con altri approcci all’investimento. Ad esempio, gli investitori possono utilizzare l’analisi fondamentale per identificare un’opportunità interessante e quindi utilizzare l’analisi tecnica per identificare i punti di ingresso e di uscita.

Esempio del mondo reale di un modello autoregressivo

I modelli autoregressivi si basano sul presupposto che i valori passati abbiano un effetto sui valori correnti. Ad esempio, un investitore che utilizza un modello autoregressivo per prevedere i prezzi delle azioni dovrebbe presumere che i nuovi acquirenti e venditori di quel titolo siano influenzati dalle recenti transazioni di mercato quando decide quanto offrire o accettare per il titolo.

Sebbene questa ipotesi valga nella maggior parte delle circostanze, non è sempre così. Ad esempio, negli anni precedenti alla titoli garantiti da ipoteca detenuti da molte società finanziarie. In quei tempi, un investitore che utilizzava un modello autoregressivo per prevedere la performance dei titoli finanziari statunitensi avrebbe avuto buone ragioni per prevedere una tendenza in corso di prezzi delle azioni stabili o in aumento in quel settore.

Tuttavia, una volta che è diventato noto al pubblico che molte istituzioni finanziarie erano a rischio di crollo imminente, gli investitori sono diventati improvvisamente meno preoccupati per i prezzi recenti di questi titoli e molto più preoccupati per la loro esposizione al rischio sottostante. Pertanto, il mercato ha rapidamente rivalutato le azioni finanziarie a un livello molto più basso, una mossa che avrebbe completamente confuso un modello autoregressivo.

È importante notare che, in un modello autoregressivo, uno shock una tantum influenzerà i valori delle variabili calcolate all’infinito nel futuro. Pertanto, l’eredità della crisi finanziaria sopravvive nei modelli autoregressivi odierni.