“Autorregresivo” es un término estadístico utilizado cuando se trabaja con datos de series de tiempo que se refieren a una cantidad variable o valor de interés que está correlacionado o depende de valores anteriores de esa misma variable. El término relacionado “autorregresión” es una forma de análisis de regresión que utiliza datos de series de tiempo como entrada para descubrir si una variable de interés es realmente autorregresiva, es decir, depende de valores previos de sí misma. Una variable de interés que resulta ser autorregresiva sugiere, pero no prueba en sí misma, que existe una relación de causa y efecto entre los valores actuales y pasados. Por lo tanto, las series temporales de cantidades o valores autorregresivos conocidos o sospechosos a menudo se analizan utilizando métodos analíticos predictivos para pronosticar valores futuros de tales variables.
Las variables de interés que exhiben algún grado significativo de autorregresión aparecen en una variedad de lugares como resultado de procesos humanos y naturales. Los precios del mercado de valores, los tipos de cambio, las señales digitales y el número de personas en una población, por ejemplo, se consideran autorregresivos, al menos en cierto grado. Además, hay una variedad de formas de análisis de autorregresión, cada una considerada mejor o peor adaptada y, por lo tanto, aplicada a tipos particulares de conjuntos de datos autorregresivos. Entre tales aplicaciones, la autorregresión se está utilizando en la atención médica para mejorar la resolución e interpretación de las pruebas de diagnóstico por ultrasonido; en telecomunicaciones para mejorar la transmisión, recepción y procesamiento de señales digitales; en economía para pronosticar el desempeño macroeconómico y comercial; y en servicios financieros para calcular puntajes de crédito personal, detectar fraude y calcular perfiles y primas de riesgo de seguro.
Los modelos de promedio móvil autorregresivo (ARMA) combinan modelos de autorregresión y promedio móvil, promedios cuyos elementos constitutivos cambian a medida que pasa el tiempo. También conocidos como modelos de Box-Jenkins, llamados así por George Box y Gwilym Jenkins, los estadísticos que mejoraron sus formulaciones originales y popularizaron su uso, generalmente se usan para modelar y probar series de tiempo que son función de choques externos o externos. y su propio desempeño pasado. Los modelos ARMA se “ajustan” a las observaciones reales a lo largo del tiempo de alguna variable autorregresiva conocida o sospechada o variables de interés para comprender mejor los procesos que las generan. A diferencia de los modelos estrictamente autorregresivos, se consideran un medio para establecer la causalidad: la existencia de una relación de causa y efecto entre la variable o variables independientes y dependientes. Por lo tanto, se usan comúnmente en pronósticos de series de tiempo y otras formas de análisis predictivo.
Inteligente de activos.