¿Qué significa autorregresivo?
¿Qué significa autorregresivo?
Un modelo estadístico es autorregresivo si predice valores futuros basados en valores pasados. Por ejemplo, un modelo autorregresivo podría buscar predecir los precios futuros de una acción basándose en su desempeño pasado.
Conclusiones clave
- Los modelos autorregresivos predicen valores futuros basados en valores pasados.
- Se utilizan ampliamente en el análisis técnico para pronosticar los precios futuros de los valores.
- Los modelos autorregresivos asumen implícitamente que el futuro se parecerá al pasado. Por tanto, pueden resultar inexactos en determinadas condiciones de mercado, como crisis financieras o períodos de rápidos cambios tecnológicos.
Comprensión de los modelos autorregresivos
Los modelos autorregresivos operan bajo la premisa de que los valores pasados tienen un efecto sobre los valores actuales, lo que hace que la técnica estadística sea popular para analizar la naturaleza, la economía y otros procesos que varían con el tiempo. Los modelos de regresión múltiple pronostican una variable usando una combinación lineal de predictores, mientras que los modelos autorregresivos usan una combinación de valores pasados de la variable.
Un proceso autorregresivo AR (1) es uno en el que el valor actual se basa en el valor inmediatamente anterior, mientras que un proceso AR (2) es uno en el que el valor actual se basa en los dos valores anteriores. Un proceso AR (0) se utiliza para ruido blanco y no tiene dependencia entre los términos. Además de estas variaciones, también hay muchas formas diferentes de calcular los coeficientes utilizados en estos cálculos, como el método de mínimos cuadrados.
Los analistas técnicos utilizan estos conceptos y técnicas para pronosticar los precios de los valores. Sin embargo, dado que los modelos autorregresivos basan sus predicciones solo en información pasada, implícitamente asumen que las fuerzas fundamentales que influyeron en los precios pasados no cambiarán con el tiempo. Esto puede llevar a predicciones sorprendentes e inexactas si las fuerzas subyacentes en cuestión de hecho están cambiando, como si una industria está experimentando una transformación tecnológica rápida y sin precedentes.
No obstante, los operadores continúan perfeccionando el uso de modelos autorregresivos con fines de pronóstico. Un gran ejemplo es el promedio móvil integrado autorregresivo (ARIMA), un modelo autorregresivo sofisticado que puede tener en cuenta tendencias, ciclos, estacionalidad, errores y otros tipos de datos no estáticos al realizar pronósticos.
Enfoques analíticos
Aunque los modelos autorregresivos están asociados con el análisis técnico, también se pueden combinar con otros enfoques de inversión. Por ejemplo, los inversores pueden utilizar el análisis fundamental para identificar una oportunidad atractiva y luego utilizar el análisis técnico para identificar los puntos de entrada y salida.
Ejemplo del mundo real de un modelo autorregresivo
Los modelos autorregresivos se basan en el supuesto de que los valores pasados tienen un efecto sobre los valores actuales. Por ejemplo, un inversor que utilice un modelo autorregresivo para pronosticar los precios de las acciones necesitaría asumir que los nuevos compradores y vendedores de esas acciones están influenciados por transacciones de mercado recientes al decidir cuánto ofrecer o aceptar por el valor.
Aunque esta suposición se mantendrá en la mayoría de las circunstancias, no siempre es así. Por ejemplo, en los años previos a la crisis financiera de 2008, la mayoría de los inversores no eran conscientes de los riesgos que plantean las grandes carteras de valores respaldados por hipotecas que poseen muchas empresas financieras. Durante esos momentos, un inversor que utiliza un modelo autorregresivo para predecir el rendimiento de las acciones financieras de EE. UU. Habría tenido buenas razones para predecir una tendencia continua de precios de las acciones estables o al alza en ese sector.
Sin embargo, una vez que se hizo público que muchas instituciones financieras estaban en riesgo de colapso inminente, los inversores de repente se preocuparon menos por los precios recientes de estas acciones y mucho más preocupados por su exposición al riesgo subyacente. Por lo tanto, el mercado revaluó rápidamente las acciones financieras a un nivel mucho más bajo, un movimiento que habría confundido por completo un modelo autorregresivo.
Es importante señalar que, en un modelo autorregresivo, un choque único afectará los valores de las variables calculadas infinitamente en el futuro. Por lo tanto, el legado de la crisis financiera sigue vivo en los modelos autorregresivos actuales.
