โมเดล Autoregressive คืออะไร? วิธีการทำงานและตัวอย่าง

แบบจำลองทางสถิติมีความเป็นอัตโนมัติหากคาดการณ์ค่าในอนาคตตามค่าที่ผ่านมา ตัวอย่างเช่นโมเดลอัตโนมัติอาจพยายามทำนายราคาในอนาคตของหุ้นตามประสิทธิภาพที่ผ่านมา

ทำความเข้าใจกับโมเดลอัตโนมัติ

โมเดล Autoregressive ดำเนินการภายใต้หลักฐานที่ว่าค่าที่ผ่านมามีผลต่อค่าปัจจุบันซึ่งทำให้เทคนิคทางสถิติเป็นที่นิยมสำหรับการวิเคราะห์ธรรมชาติเศรษฐศาสตร์และกระบวนการอื่น ๆ ที่แตกต่างกันไปตามกาลเวลาโมเดลการถดถอยหลายแบบคาดการณ์ตัวแปรโดยใช้การรวมกันเชิงเส้นของตัวทำนายในขณะที่โมเดลอัตโนมัติใช้การรวมกันของค่าที่ผ่านมาของตัวแปร

กระบวนการ AR (1) AutoreGressive เป็นหนึ่งในค่าปัจจุบันที่ใช้ค่าก่อนหน้านี้ในขณะที่กระบวนการ AR (2) เป็นหนึ่งในค่าปัจจุบันที่ตามค่าสองค่าก่อนหน้า กระบวนการ AR (0) ใช้สำหรับเสียงสีขาวและไม่มีการพึ่งพาระหว่างคำศัพท์ นอกเหนือจากการเปลี่ยนแปลงเหล่านี้ยังมีวิธีการที่แตกต่างกันในการคำนวณค่าสัมประสิทธิ์ที่ใช้ในการคำนวณเหล่านี้เช่นวิธีกำลังสองน้อยที่สุด-

แนวคิดและเทคนิคเหล่านี้ถูกใช้โดยนักวิเคราะห์ทางเทคนิคเพื่อคาดการณ์ราคาความปลอดภัย อย่างไรก็ตามเนื่องจากโมเดลแบบอัตโนมัตินั้นใช้การคาดการณ์ของพวกเขาในข้อมูลที่ผ่านมาเท่านั้นพวกเขาจึงสันนิษฐานว่ากองกำลังพื้นฐานที่มีอิทธิพลต่อราคาที่ผ่านมาจะไม่เปลี่ยนแปลงตลอดเวลา สิ่งนี้สามารถนำไปสู่การคาดการณ์ที่น่าประหลาดใจและไม่ถูกต้องหากกองกำลังพื้นฐานที่เป็นปัญหามีการเปลี่ยนแปลงในความเป็นจริงเช่นถ้าอุตสาหกรรมกำลังดำเนินการเปลี่ยนแปลงทางเทคโนโลยีอย่างรวดเร็วและไม่เคยปรากฏมาก่อน

อย่างไรก็ตามผู้ค้ายังคงปรับแต่งการใช้แบบจำลองอัตโนมัติเพื่อวัตถุประสงค์ในการพยากรณ์ ตัวอย่างที่ดีคือค่าเฉลี่ยเคลื่อนที่แบบบูรณาการอัตโนมัติ(ARIMA) โมเดลอัตโนมัติที่มีความซับซ้อนซึ่งสามารถคำนึงถึงแนวโน้ม, วัฏจักร, ฤดูกาล, ข้อผิดพลาดและข้อมูลประเภทอื่น ๆ ที่ไม่คงที่อื่น ๆ เมื่อทำการคาดการณ์

โมเดล Autoregressive ขึ้นอยู่กับสมมติฐานที่ว่าค่าที่ผ่านมามีผลต่อค่าปัจจุบัน ตัวอย่างเช่นนักลงทุนที่ใช้โมเดลอัตโนมัติเพื่อคาดการณ์ราคาหุ้นจะต้องสมมติว่าผู้ซื้อและผู้ขายรายใหม่ของหุ้นนั้นได้รับอิทธิพลจากการทำธุรกรรมในตลาดเมื่อเร็ว ๆ นี้เมื่อตัดสินใจว่าจะเสนอหรือยอมรับความปลอดภัยได้เท่าใด

แม้ว่าสมมติฐานนี้จะมีอยู่ภายใต้สถานการณ์ส่วนใหญ่ แต่ก็ไม่ได้เป็นเช่นนั้นเสมอไป ตัวอย่างเช่นในปีก่อนวิกฤตการณ์ทางการเงินปี 2551นักลงทุนส่วนใหญ่ไม่ได้ตระหนักถึงความเสี่ยงที่เกิดจากพอร์ตการลงทุนขนาดใหญ่ของหลักทรัพย์จำนองที่ได้รับการสนับสนุนจัดขึ้นโดย บริษัท การเงินหลายแห่ง ในช่วงเวลาดังกล่าวนักลงทุนที่ใช้โมเดลอัตโนมัติเพื่อทำนายผลการดำเนินงานของหุ้นการเงินของสหรัฐจะมีเหตุผลที่ดีในการทำนายแนวโน้มอย่างต่อเนื่องของราคาหุ้นที่มีเสถียรภาพหรือที่สูงขึ้นในภาคนั้น

อย่างไรก็ตามเมื่อมันกลายเป็นความรู้สาธารณะว่าสถาบันการเงินหลายแห่งมีความเสี่ยงที่จะล่มสลายใกล้เข้ามานักลงทุนก็เริ่มกังวลน้อยลงกับราคาล่าสุดของหุ้นเหล่านี้และเกี่ยวข้องกับการสัมผัสกับความเสี่ยงพื้นฐาน ดังนั้นตลาดที่มีการประเมินมูลค่าหุ้นทางการเงินอย่างรวดเร็วในระดับที่ต่ำกว่ามากการเคลื่อนไหวซึ่งจะทำให้โมเดลแบบอัตโนมัติทำให้สับสนอย่างเต็มที่

เป็นสิ่งสำคัญที่จะต้องทราบว่าในรูปแบบอัตโนมัติการช็อกครั้งเดียวจะส่งผลกระทบต่อค่าของตัวแปรที่คำนวณได้อย่างไม่สิ้นสุดในอนาคต ดังนั้นมรดกของวิกฤตการณ์ทางการเงินจึงมีชีวิตอยู่ในรูปแบบอัตโนมัติในปัจจุบัน

บรรทัดล่าง

โมเดล Autoregressive มุ่งหวังที่จะทำนายค่าในอนาคตตามข้อมูลที่ผ่านมาทำให้พวกเขามีความสำคัญในการวิเคราะห์ทางเทคนิคสำหรับการพยากรณ์ราคาความปลอดภัย โดยสมมติว่ารูปแบบในอนาคตจะสะท้อนแนวโน้มที่ผ่านมาพวกเขาให้ข้อมูลเชิงลึกที่มีค่าสำหรับการคาดการณ์ของตลาด อย่างไรก็ตามความแม่นยำของพวกเขาอาจถูก จำกัด ในช่วงที่มีความผันผวนเช่นวิกฤตการณ์ทางการเงินหรือการเปลี่ยนแปลงทางเทคโนโลยีอย่างรวดเร็วซึ่งรูปแบบทางประวัติศาสตร์อาจไม่เกิดขึ้น