Autoregressive Models(自己回帰モデル)

Autoregressive Models:自己回帰モデル
自己回帰モデル（AR モデル）は、時刻 t の値を、時刻 t よりも前のｔ-1などのデータを使って回帰するモデルです。すなわち、ある変数の過去の値が、その変数の現在（将来）の値を予測するために使われます。過去の結果が現在の結果に影響するようなケースです。

xt = b0 + b1xt–1 + εt
xt = value of time series at time t
b0 = 切片 (y-axis)
b1 = 係数
xt–1 = value of time series at time t − 1
εt = error term (or residual term or disturbance term)
t = time; t = 1, 2, 3…T

The standard error = 1/√T
T is the number of observations

mean reversion:平均回帰
平均回帰とは時系列が平均に向かって動く傾向があることをいいます。現在値が平均より上にあるときは低下し、現在値が平均より下にあるときは上昇する傾向があるということです。時系列が平均回帰の水準にある場合、モデルは時系列の次の値が現在の値と同じになることを予測します。

xt=b0/(1−b1)