ما هي النماذج الانحدارية الذاتية؟ كيف تعمل ومثال عليها

تعريف

النماذج الانحدارية الذاتية هي نماذج إحصائية تُستخدم لتحليل السلاسل الزمنية، حيث يتم التنبؤ بالقيم الحالية بناءً على مزيج خطي من القيم السابقة. تفترض هذه النماذج أن السلوك الماضي يؤثر على النتائج المستقبلية، مما يجعلها مفيدة في التنبؤ بالاتجاهات والأنماط في البيانات مع مرور الوقت.

يعتبر النموذج الإحصائي ذاتي الانحدار إذا كان يتنبأ بالقيم المستقبلية بناءً على القيم السابقة. على سبيل المثال، قد يسعى نموذج ذاتي الانحدار إلى التنبؤ بأسعار الأسهم المستقبلية بناءً على أدائها السابق.

النقاط الرئيسية

• تتنبأ النماذج الانحدارية الذاتية بالقيم المستقبلية بناءً على القيم السابقة.
• تُستخدم على نطاق واسع في التحليل الفني للتنبؤ بأسعار الأوراق المالية المستقبلية.
• تفترض النماذج الانحدارية الذاتية ضمنيًا أن المستقبل سيشبه الماضي.
• لذلك، يمكن أن تكون غير دقيقة في ظل ظروف سوق معينة، مثل الأزمات المالية أو فترات التغير التكنولوجي السريع.

فهم النماذج الانحدارية الذاتية

تعمل النماذج الذاتية الانحدار على فرضية أن القيم السابقة تؤثر على القيم الحالية، مما يجعل هذه التقنية الإحصائية شائعة لتحليل الطبيعة والاقتصاد والعمليات الأخرى التي تتغير بمرور الوقت. تستخدم نماذج الانحدار المتعدد للتنبؤ بمتغير باستخدام مزيج خطي من المتنبئين، بينما تستخدم النماذج الذاتية الانحدار مزيجًا من القيم السابقة للمتغير.

عملية الانحدار الذاتي من الدرجة الأولى (AR(1)) هي عملية تعتمد فيها القيمة الحالية على القيمة السابقة مباشرة، بينما عملية الانحدار الذاتي من الدرجة الثانية (AR(2)) تعتمد فيها القيمة الحالية على القيمتين السابقتين. أما عملية الانحدار الذاتي من الدرجة الصفر (AR(0)) فتستخدم للضوضاء البيضاء ولا يوجد فيها اعتماد بين المصطلحات. بالإضافة إلى هذه الاختلافات، هناك أيضًا العديد من الطرق المختلفة لحساب المعاملات المستخدمة في هذه الحسابات، مثل طريقة المربعات الصغرى.

يستخدم المحللون الفنيون هذه المفاهيم والتقنيات للتنبؤ بأسعار الأوراق المالية. ومع ذلك، نظرًا لأن النماذج الذاتية الانحدار تعتمد في توقعاتها فقط على المعلومات السابقة، فإنها تفترض ضمنيًا أن القوى الأساسية التي أثرت على الأسعار السابقة لن تتغير مع مرور الوقت. يمكن أن يؤدي ذلك إلى توقعات مفاجئة وغير دقيقة إذا كانت القوى الأساسية المعنية تتغير بالفعل، مثل إذا كانت صناعة ما تشهد تحولًا تكنولوجيًا سريعًا وغير مسبوق.

ومع ذلك، يواصل المتداولون تحسين استخدام النماذج الانحدارية الذاتية لأغراض التنبؤ. مثال رائع على ذلك هو نموذج المتوسط المتحرك المتكامل الانحداري الذاتي (ARIMA)، وهو نموذج انحداري ذاتي متطور يمكنه أخذ الاتجاهات والدورات والموسمية والأخطاء وأنواع البيانات غير الثابتة الأخرى في الاعتبار عند إجراء التنبؤات.

الأساليب التحليلية

على الرغم من أن النماذج الذاتية الانحدار ترتبط بالتحليل الفني، إلا أنه يمكن دمجها أيضًا مع أساليب أخرى للاستثمار. على سبيل المثال، يمكن للمستثمرين استخدام التحليل الأساسي لتحديد فرصة جذابة، ثم استخدام التحليل الفني لتحديد نقاط الدخول والخروج.

مثال على نموذج الانحدار الذاتي

تعتمد النماذج الذاتية الانحدار على الافتراض بأن القيم السابقة تؤثر على القيم الحالية. على سبيل المثال، يحتاج المستثمر الذي يستخدم نموذج ذاتي الانحدار لتوقع أسعار الأسهم إلى افتراض أن المشترين والبائعين الجدد لتلك الأسهم يتأثرون بالمعاملات السوقية الأخيرة عند اتخاذ قرار بشأن المبلغ الذي سيعرضونه أو يقبلونه للأوراق المالية.

على الرغم من أن هذا الافتراض سيكون صحيحًا في معظم الظروف، إلا أنه ليس الحال دائمًا. على سبيل المثال، في السنوات التي سبقت الأزمة المالية لعام 2008، لم يكن معظم المستثمرين على دراية بالمخاطر التي تشكلها المحافظ الكبيرة من الأوراق المالية المدعومة بالرهن العقاري التي تحتفظ بها العديد من الشركات المالية. خلال تلك الأوقات، كان لدى المستثمر الذي يستخدم نموذجًا ذاتي الانحدار للتنبؤ بأداء الأسهم المالية الأمريكية سبب وجيه للتنبؤ باستمرار الاتجاه المستقر أو ارتفاع أسعار الأسهم في ذلك القطاع.

ومع ذلك، بمجرد أن أصبح من المعروف للجمهور أن العديد من المؤسسات المالية كانت معرضة لخطر الانهيار الوشيك، أصبح المستثمرون فجأة أقل اهتمامًا بأسعار هذه الأسهم الأخيرة وأكثر اهتمامًا بالتعرض الأساسي للمخاطر. لذلك، أعاد السوق تقييم الأسهم المالية بسرعة إلى مستوى أقل بكثير، وهي خطوة كانت ستربك تمامًا نموذج الانحدار الذاتي.

من المهم ملاحظة أنه في نموذج الانحدار الذاتي، فإن الصدمة التي تحدث مرة واحدة ستؤثر على قيم المتغيرات المحسوبة إلى ما لا نهاية في المستقبل. لذلك، فإن تأثير الأزمة المالية يستمر في النماذج الانحدارية الذاتية اليوم.

لماذا تحظى النماذج الانحدارية الذاتية بشعبية في الأسواق المالية؟

إنها شائعة لأنها يمكن أن تساعد في التنبؤ بأسعار الأوراق المالية المستقبلية، مما يساعد في اتخاذ قرارات الاستثمار والتداول.

ما الافتراض الذي تقوم عليه النماذج الانحدارية الذاتية (autoregressive) بشأن البيانات؟

يفترضون أن القيم المستقبلية ستشبه الأنماط السابقة، مما يجعلها فعالة في ظل الظروف المستقرة.

هل يمكن أن تكون النماذج الانحدارية الذاتية غير دقيقة؟

نعم، يمكن أن تكون غير دقيقة، خاصة خلال فترات التقلبات الكبيرة في السوق أو التغيرات السريعة، حيث قد لا تتنبأ البيانات التاريخية بالاتجاهات المستقبلية بدقة.

الخلاصة

تهدف النماذج الانحدارية الذاتية إلى التنبؤ بالقيم المستقبلية بناءً على البيانات السابقة، مما يجعلها ضرورية في التحليل الفني لتوقع أسعار الأوراق المالية. من خلال افتراض أن الأنماط المستقبلية ستعكس الاتجاهات السابقة، فإنها توفر رؤى قيمة لتوقعات السوق. ومع ذلك، يمكن أن تكون دقتها محدودة خلال الظروف المتقلبة مثل الأزمات المالية أو التغيرات التكنولوجية السريعة، حيث قد لا تكون الأنماط التاريخية ثابتة.