自己回帰とはどういう意味ですか？
統計モデルは、過去の値に基づいて将来の値を予測する場合、自己回帰的です。 たとえば、自己回帰モデルでは、過去のパフォーマンスに基づいて株式の将来の価格を予測しようとします。
重要なポイント
- 自己回帰モデルは、過去の値に基づいて将来の値を予測します。将来の証券価格を予測するためのテクニカル分析で広く使用されています。自己回帰モデルは、将来が過去に似ていると暗黙的に仮定します。 そのため、金融危機や急速な技術変化の時期など、特定の市場状況では不正確であることが判明する可能性があります。
自己回帰モデルについて
自己回帰モデルは、過去の値が現在の値に影響を与えるという前提の下で動作するため、統計手法は自然、経済、および時間とともに変化する他のプロセスの分析に広く使用されます。 重回帰モデルは予測変数の線形結合を使用して変数を予測しますが、自己回帰モデルは変数の過去の値の組み合わせを使用します。
AR（1）自己回帰プロセスは、現在の値が直前の値に基づいているプロセスであり、AR（2）プロセスは、現在の値が前の2つの値に基づいているプロセスです。 AR（0）プロセスはホワイトノイズに使用され、用語間の依存関係はありません。 これらのバリエーションに加えて、最小二乗法など、これらの計算で使用される係数を計算する多くの異なる方法もあります。
これらの概念と技術は、テクニカルアナリストが証券価格を予測するために使用されます。 ただし、自己回帰モデルは過去の情報のみに基づいて予測を行うため、過去の価格に影響を与えた基本的な力は時間とともに変化しないと暗黙的に想定しています。 これは、業界が急速かつかつてない技術変革を遂げている場合など、問題の潜在的な力が実際に変化している場合、驚くべき不正確な予測につながる可能性があります。
それにもかかわらず、トレーダーは、予測のために自己回帰モデルの使用を改良し続けています。 優れた例は、予測を行う際にトレンド、サイクル、季節性、エラー、およびその他の非静的タイプのデータを考慮できる洗練された自己回帰モデルである自己回帰統合移動平均（ARIMA）です。
分析的アプローチ
自己回帰モデルはテクニカル分析に関連付けられていますが、他の投資アプローチと組み合わせることもできます。 たとえば、投資家はファンダメンタル分析を使用して説得力のある機会を特定し、テクニカル分析を使用してエントリポイントと出口ポイントを特定できます。
自己回帰モデルの実世界の例
自己回帰モデルは、過去の値が現在の値に影響を与えるという仮定に基づいています。 たとえば、自己回帰モデルを使用して株価を予測する投資家は、その証券の新規買い手と売り手が、証券の売り出しまたは受け取りを決定する際に、最近の市場取引の影響を受けると想定する必要があります。
この仮定はほとんどの状況で当てはまりますが、常にそうであるとは限りません。 たとえば、2008年の金融危機以前の数年間、ほとんどの投資家は、多くの金融会社が保有する住宅ローン担保証券の大きなポートフォリオがもたらすリスクを認識していませんでした。 その間、自己回帰モデルを使用して米国の金融株のパフォーマンスを予測する投資家は、そのセクターの株価の安定または上昇の進行傾向を予測する十分な理由があったでしょう。
しかし、多くの金融機関が差し迫った崩壊のリスクにさらされていることが知られると、投資家は突然これらの株の最近の価格に対する関心を失い、根本的なリスクへの関心をはるかに強くしました。 したがって、市場は急速に金融株をはるかに低いレベルに再評価しましたが、これは自己回帰モデルを完全に混乱させたはずです。
自己回帰モデルでは、1回限りの衝撃が計算変数の値に将来的に無限に影響することに注意することが重要です。 したがって、金融危機の遺産は、今日の自己回帰モデルに存続しています。
