什麼是自回歸模型？
如果一個統計模型根據過去的數值來預測未來的數值，那麼該模型就是自回歸的。舉例來說，自回歸模型可能會試圖根據股票的過去表現來預測其未來價格。
關鍵要點
- 自回歸模型根據過去的數值來預測未來的數值。
- 它們廣泛用於技術分析中以預測未來的證券價格。
- 自回歸模型隱含地假設未來將類似於過去。
- 因此，在某些市場條件下（如金融危機或快速技術變革期），它們可能不準確。
了解自回歸模型
自回歸模型的前提是過去的數值會影響當前的數值，這使得該統計技術在分析自然、經濟及其他隨時間變化的過程中非常受歡迎。多元回歸模型使用預測變量的線性組合來預報一個變量，而自回歸模型則使用變量的過去值組合來進行預測。
AR(1)自回歸過程是指當前的數值基於緊接在前的數值，而AR(2)過程則是基於前兩個值。AR(0)過程用於白噪聲，並且術語之間沒有依賴性。除了這些變體，還有許多不同的方法來計算這些計算中使用的係數，例如最小二乘法。
這些概念和技術被技術分析師用來預測證券價格。但是，由於自回歸模型僅基於過去的信息進行預測，它們隱含地假設影響過去價格的基本力量不會隨時間變化。如果在實際中這些基本力量確實發生變化（例如某個行業正在經歷快速而前所未有的技術變革），這可能會導致令人驚訝且不準確的預測。
儘管如此，交易員們繼續改進自回歸模型的使用以進行預測。一個很好的例子是自回歸積分移動平均（ARIMA），這是一種複雜的自回歸模型，在進行預測時可以考慮趨勢、週期、季節性、錯誤和其他非靜態數據類型。
雖然自回歸模型與技術分析相關聯，但也可以與其他投資方法結合使用。例如，投資者可以使用基本面分析來識別有吸引力的機會，然後使用技術分析來確定進場和出場點。
自回歸模型的範例
自回歸模型基於過去的數值會影響當前數值的假設。例如，使用自回歸模型預測股票價格的投資者需要假設新買家和賣家在決定為證券提供或接受多少價位時會受到最近市場交易的影響。
儘管這一假設在大多數情況下是成立的，但並非總是如此。例如，在2008年金融危機之前的幾年中，大多數投資者並不清楚許多金融公司的大型抵押貸款證券組合所帶來的風險。在那段時間裡，使用自回歸模型來預測美國金融股票表現的投資者有很好的理由預測該行業股票價格穩定或上升的趨勢。
但是，一旦許多金融機構面臨即將崩潰的風險變得公開，投資者突然對這些股票最近的價格不再那麼關注，而更關心其潛在的風險敞口。因此，市場迅速將金融類股票重新評價到一個更低的水平，這一變動會完全使一個自回歸模型感到困惑。
需要注意的是，在自回歸模型中，一次性衝擊將無限期地影響計算變量的值。因此，金融危機的遺產在今天的自回歸模型中仍然存在。