Autokorelacja odnosi się do stopnia korelacji tych samych zmiennych między dwoma kolejnymi przedziałami czasowymi. Mierzy, jak opóźniona wersja wartości zmiennej jest powiązana z jej oryginalną wersją w szeregu czasowym.
Autokorelacja, jako koncepcja statystyczna, jest również znana jako korelacja szeregowa. Jest często używany z autoregresyjnym modelem średniej ruchomej (ARMA) i autoregresywnym modelem zintegrowanej średniej ruchomej (ARIMA). Analiza autokorelacji pomaga znaleźć powtarzające się okresowe wzorce, które można wykorzystać jako narzędzie analizy technicznej na rynkach kapitałowych Rynki kapitałowe Rynki kapitałowe to system wymiany, który przekazuje kapitał od inwestorów, którzy obecnie nie potrzebują swoich środków, do osób fizycznych i.
Podsumowanie
- Autokorelacja, znana również jako korelacja szeregowa, odnosi się do stopnia korelacji tych samych zmiennych między dwoma kolejnymi przedziałami czasowymi.
- Wartość autokorelacji mieści się w zakresie od -1 do 1. Wartość pomiędzy -1 a 0 reprezentuje autokorelację ujemną. Wartość od 0 do 1 reprezentuje dodatnią autokorelację.
- Autokorelacja dostarcza informacji o trendzie zbioru danych historycznych, więc może być przydatna w analizie technicznej dla rynku akcji.
Jak to działa
W wielu przypadkach wartość zmiennej w danym momencie jest powiązana z jej wartością w poprzednim momencie. Analiza autokorelacji mierzy związek obserwacji między różnymi punktami w czasie, a tym samym szuka wzoru lub trendu w szeregu czasowym. Na przykład temperatury w różne dni w miesiącu są autokorelowane.
Podobieństwo do korelacji Korelacja Korelacja to statystyczna miara związku między dwiema zmiennymi. Miarę najlepiej stosować w zmiennych, które wykazują liniową zależność między sobą. Dopasowanie danych można przedstawić wizualnie na wykresie rozrzutu. autokorelacja może być dodatnia lub ujemna. Zakres waha się od -1 (idealnie ujemna autokorelacja) do 1 (doskonale dodatnia autokorelacja). Dodatnia autokorelacja oznacza, że wzrost obserwowany w przedziale czasowym prowadzi do proporcjonalnego wzrostu opóźnionego przedziału czasu.
Przykład temperatury omówiony powyżej pokazuje dodatnią autokorelację. Temperatura następnego dnia ma tendencję do wzrostu, gdy rośnie, i spada, gdy spada w ciągu poprzednich dni.
Obserwacje z dodatnią autokorelacją można przedstawić na gładkiej krzywej. Dodając linię regresji można zauważyć, że po dodatnim błędzie następuje kolejny dodatni błąd, a po ujemnym błędzie kolejny ujemny.
I odwrotnie, ujemna autokorelacja oznacza, że wzrost obserwowany w przedziale czasu prowadzi do proporcjonalnego zmniejszenia opóźnionego przedziału czasu. Wykreślając obserwacje linią regresji, pokazuje, że po dodatnim błędzie nastąpi ujemny i odwrotnie.
Autokorelację można zastosować do różnej liczby przerw czasowych, co jest znane jako opóźnienie. Autokorelacja opóźnienia 1 mierzy korelację między obserwacjami, które są oddalone od siebie o jednorazową lukę. Na przykład, aby poznać korelację między temperaturami jednego dnia i odpowiadającego mu dnia następnego miesiąca, należy zastosować autokorelację z opóźnieniem 30 (zakładając 30 dni w tym miesiącu).
Testuj autokorelację
Statystyka Durbina-Watsona jest powszechnie używana do testowania autokorelacji. Można go zastosować do zbioru danych za pomocą oprogramowania statystycznego. Wynik testu Durbina-Watsona waha się od 0 do 4. Wynik zbliżony do 2 oznacza bardzo niski poziom autokorelacji. Wynik bliższy 0 sugeruje silniejszą dodatnią autokorelację, a wynik bliższy 4 sugeruje silniejszą ujemną autokorelację.
Podczas analizy zbioru danych historycznych konieczne jest sprawdzenie autokorelacji. Na przykład na rynku akcji ceny akcji w jednym dniu mogą być silnie skorelowane z cenami w innym dniu. Zawiera jednak niewiele informacji do statystycznej analizy danych i nie przedstawia rzeczywistych wyników akcji.
Dlatego konieczne jest zbadanie autokorelacji cen historycznych, aby określić, w jakim stopniu zmiana ceny jest jedynie formacją lub jest spowodowana innymi czynnikami. W finansach zwykłym sposobem na wyeliminowanie wpływu autokorelacji jest zastosowanie zmian procentowych w cenach aktywów zamiast samych cen historycznych.
Autokorelacja i analiza techniczna
Chociaż należy unikać autokorelacji w celu dokładniejszego zastosowania dalszej analizy danych, może ona być przydatna w analizie technicznej. Analiza techniczna - przewodnik dla początkujących Analiza techniczna jest formą wyceny inwestycji, która analizuje przeszłe ceny w celu przewidywania przyszłych zmian cen. Analitycy techniczni uważają, że zbiorowe działania wszystkich uczestników rynku dokładnie odzwierciedlają wszystkie istotne informacje, a tym samym stale przypisują papierom wartościowym godziwą wartość rynkową. , ponieważ szuka wzoru na podstawie danych historycznych. Analiza autokorelacji może być stosowana razem z analizą czynnika pędu.
Analityk techniczny może dowiedzieć się, jaki wpływ na cenę akcji w danym dniu mają ceny z dni poprzednich, dzięki autokorelacji. W ten sposób może oszacować, jak cena będzie się zmieniać w przyszłości.
Jeśli cena akcji z silną dodatnią autokorelacją rosła od kilku dni, analityk może rozsądnie oszacować, że przyszła cena będzie nadal rosła w ostatnich dniach. Analityk może kupić i trzymać akcje przez krótki czas, aby skorzystać na wzroście cen.
Analiza autokorelacji dostarcza jedynie informacji o krótkoterminowych trendach i niewiele mówi o fundamentach firmy. W związku z tym można go stosować tylko do wspierania transakcji z krótkimi okresami utrzymywania.
Powiązane odczyty
Finance oferuje Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ Certification Akredytacja Certified Banking & Credit Analyst (CBCA) ™ to globalny standard dla analityków kredytowych obejmujący finanse, rachunkowość, analizę kredytową, analizę przepływów pieniężnych, modelowanie zobowiązań, pożyczki spłaty i nie tylko. program certyfikacji dla tych, którzy chcą przenieść swoją karierę na wyższy poziom. Aby kontynuować naukę i rozwijać swoją karierę, pomocne będą następujące zasoby:
- Arbitrażowe modele wolnookresowe Strukturalne modele arbitrażowe Arbitrage Free Term Structure Modele (znane również jako No-Arbitrage Models) są używane do generowania prawdziwego stochastycznego procesu generowania stóp procentowych przez
- Analiza regresji Analiza regresji Analiza regresji to zestaw metod statystycznych używanych do szacowania relacji między zmienną zależną a jedną lub większą liczbą zmiennych niezależnych. Można go wykorzystać do oceny siły związku między zmiennymi i do modelowania przyszłych relacji między nimi.
- Prosta średnia krocząca Prosta średnia krocząca (SMA) Prosta średnia krocząca (SMA) odnosi się do średniej ceny zamknięcia akcji w określonym okresie. Powodem, dla którego średnia nazywana jest „ruchomą”, jest to, że akcje
- Analiza techniczna - przewodnik dla początkujących Analiza techniczna - przewodnik dla początkujących Analiza techniczna to forma wyceny inwestycji, która analizuje przeszłe ceny w celu przewidywania przyszłych zmian cen. Analitycy techniczni uważają, że zbiorowe działania wszystkich uczestników rynku dokładnie odzwierciedlają wszystkie istotne informacje, a tym samym stale przypisują papierom wartościowym godziwą wartość rynkową.
