Apa Artinya Autoregresif?
Model statistik autoregresif jika memprediksi nilai masa depan berdasarkan nilai masa lalu. Misalnya, model autoregresif mungkin berusaha untuk memprediksi harga saham di masa depan berdasarkan kinerja masa lalu.
Pengambilan Kunci
- Model autoregresif memprediksi nilai masa depan berdasarkan nilai masa lalu. Model ini digunakan secara luas dalam analisis teknis untuk memperkirakan harga keamanan di masa depan. Model autoregresif secara implisit mengasumsikan bahwa masa depan akan menyerupai masa lalu. Oleh karena itu, mereka dapat membuktikan tidak akurat dalam kondisi pasar tertentu, seperti krisis keuangan atau periode perubahan teknologi yang cepat.
Memahami Model Autoregresif
Model autoregresif beroperasi di bawah premis bahwa nilai masa lalu berpengaruh pada nilai saat ini, yang membuat teknik statistik populer untuk menganalisis alam, ekonomi, dan proses lain yang bervariasi dari waktu ke waktu. Beberapa model regresi meramalkan suatu variabel menggunakan kombinasi linier dari prediktor, sedangkan model autoregresif menggunakan kombinasi nilai-nilai masa lalu dari variabel tersebut.
Proses autoregresif AR (1) adalah proses di mana nilai saat ini didasarkan pada nilai sebelumnya, sementara proses AR (2) adalah proses di mana nilai saat ini didasarkan pada dua nilai sebelumnya. Proses AR (0) digunakan untuk white noise dan tidak memiliki ketergantungan antara persyaratan. Selain variasi ini, ada juga banyak cara berbeda untuk menghitung koefisien yang digunakan dalam perhitungan ini, seperti metode kuadrat terkecil.
Konsep dan teknik ini digunakan oleh analis teknis untuk memperkirakan harga keamanan. Namun, karena model autoregresif mendasarkan prediksi mereka hanya pada informasi masa lalu, mereka secara implisit menganggap bahwa kekuatan fundamental yang mempengaruhi harga masa lalu tidak akan berubah seiring waktu. Hal ini dapat menyebabkan prediksi yang mengejutkan dan tidak akurat jika kekuatan yang mendasarinya sebenarnya berubah, seperti jika industri sedang mengalami transformasi teknologi yang cepat dan belum pernah terjadi sebelumnya.
Meskipun demikian, para pedagang terus memperbaiki penggunaan model autoregresif untuk tujuan perkiraan. Contoh yang bagus adalah Autoregressive Integrated Moving Average (ARIMA), model autoregresif canggih yang dapat memperhitungkan tren, siklus, musiman, kesalahan, dan tipe data non-statis lainnya saat membuat perkiraan.
Pendekatan Analitik
Meskipun model autoregresif dikaitkan dengan analisis teknis, mereka juga dapat dikombinasikan dengan pendekatan lain untuk berinvestasi. Misalnya, investor dapat menggunakan analisis fundamental untuk mengidentifikasi peluang menarik dan kemudian menggunakan analisis teknis untuk mengidentifikasi titik masuk dan keluar.
Contoh Dunia Nyata dari Model Autoregresif
Model autoregresif didasarkan pada asumsi bahwa nilai masa lalu berpengaruh pada nilai saat ini. Misalnya, seorang investor yang menggunakan model autoregresif untuk memperkirakan harga saham perlu mengasumsikan bahwa pembeli dan penjual baru dari saham itu dipengaruhi oleh transaksi pasar baru-baru ini ketika memutuskan berapa banyak untuk menawarkan atau menerima keamanan.
Meskipun asumsi ini akan berlaku dalam sebagian besar keadaan, ini tidak selalu terjadi. Sebagai contoh, pada tahun-tahun sebelum Krisis Keuangan 2008, sebagian besar investor tidak menyadari risiko yang ditimbulkan oleh portofolio besar sekuritas yang didukung hipotek yang dipegang oleh banyak perusahaan keuangan. Selama masa-masa itu, seorang investor yang menggunakan model autoregresif untuk memprediksi kinerja saham-saham keuangan AS akan memiliki alasan yang bagus untuk memprediksi tren harga-harga saham yang stabil atau naik di sektor itu.
Namun, setelah menjadi pengetahuan publik bahwa banyak lembaga keuangan berada pada risiko kehancuran segera, investor tiba-tiba menjadi kurang peduli dengan harga terakhir saham ini dan jauh lebih peduli dengan eksposur risiko yang mendasarinya. Oleh karena itu, pasar dengan cepat menilai kembali saham-saham keuangan ke tingkat yang jauh lebih rendah, suatu langkah yang akan benar-benar mengacaukan model autoregresif.
Penting untuk dicatat bahwa, dalam model autoregresif, guncangan satu kali akan mempengaruhi nilai variabel yang dihitung secara tak terbatas ke masa depan. Oleh karena itu, warisan krisis keuangan hidup dalam model autoregresif saat ini.
