“Autoregressivo” è un termine statistico utilizzato quando si lavora con dati di serie temporali che si riferiscono a una quantità variabile o a un valore di interesse correlato o dipendente dai valori precedenti di quella stessa variabile. Il termine correlato “autoregressione” è una forma di analisi di regressione che utilizza i dati delle serie temporali come input per scoprire se una variabile di interesse è effettivamente autoregressiva, cioè dipendente da precedenti valori di se stessa. Una variabile di interesse che risulta essere autoregressiva suggerisce, ma non dimostra di per sé, che esiste una relazione causa-effetto tra i valori attuali e quelli passati. Pertanto, le serie temporali di quantità o valori autoregressivi noti o sospetti vengono spesso analizzate utilizzando metodi analitici predittivi per prevedere i valori futuri di tali variabili.
Variabili di interesse che mostrano un grado significativo di autoregressione compaiono in una varietà di luoghi come risultato di processi umani e naturali. I prezzi di borsa, i tassi di cambio, i segnali digitali e il numero di individui in una popolazione, ad esempio, sono tutti considerati autoregressivi, almeno in una certa misura. Inoltre, ci sono una varietà di forme di analisi dell’autoregressione, ciascuna considerata più o meno adatta, e quindi applicata, a particolari tipi di set di dati autoregressivi. Tra queste applicazioni, l’autoregressione viene utilizzata nell’assistenza sanitaria per migliorare la risoluzione e l’interpretazione dei test diagnostici ecografici; nelle telecomunicazioni per migliorare la trasmissione, la ricezione e l’elaborazione dei segnali digitali; in economia per prevedere le performance macroeconomiche e di business; e nei servizi finanziari per calcolare punteggi di credito personali, rilevare frodi e calcolare profili di rischio e premi assicurativi.
I modelli di media mobile autoregressiva (ARMA) combinano modelli di autoregressione e media mobile, medie i cui elementi costitutivi si spostano con il passare del tempo. Conosciuti anche come modelli Box-Jenkins – dal nome di George Box e Gwilym Jenkins, gli statistici che hanno migliorato le loro formulazioni originali e reso popolare il loro uso – in genere vengono utilizzati per modellare e testare serie temporali che sono una funzione di shock esogeni o esterni. e le proprie prestazioni passate. I modelli ARMA sono “adatti” alle osservazioni effettive nel tempo di alcune variabili autoregressive note o sospette o variabili di interesse per comprendere meglio i processi che le generano. Contrariamente ai modelli strettamente autoregressivi, sono considerati un mezzo per stabilire la causalità: l’esistenza di una relazione di causa ed effetto tra la variabile o le variabili indipendenti e dipendenti. Pertanto, sono comunemente utilizzati nella previsione delle serie temporali e in altre forme di analisi predittiva.
Smart Asset.