Mikä on autokorrelaatio?

Mikä on autokorrelaatio?

Autokorrelaatio on matemaattinen esitys tietyn samankaltaisuuden asteesta Aikasarja ja viivästynyt versio itsestään peräkkäisinä aikaväleinä. Se on käsitteellisesti samanlainen kuin kahden eri aikasarjan välinen korrelaatio, mutta automaattinen korrelaatio käyttää samaa aikasarjaa kahdesti: kerran alkuperäisessä muodossaan ja kerran viivästynyt yhden tai useamman ajanjakson.

Esimerkiksi jos tänään sataa, tiedot viittaavat siihen, että huomenna sataa todennäköisemmin kuin tänään. Kun kyse on sijoittamisesta, osakkeella voi olla vahva positiivinen automaattinen korrelaatio, mikä viittaa siihen, että jos se "nousee" tänään, se on todennäköisesti myös huomenna.

Automaattinen korrelaatio voi luonnollisesti olla hyödyllinen työkalu kauppiaille. erityisesti teknisille analyytikoille.

Autokorrelaation ymmärtäminen

Autokorrelaatiota voidaan kutsua myös viivästyneeksi korrelaatioksi tai sarjakorrelaatio, koska se mittaa muuttujan nykyarvon ja sen aiempien arvojen välistä suhdetta.

Hyvin yksinkertaisena esimerkkinä katso alla olevaa kaaviota viisi prosenttiarvoa. Vertaamme niitä oikealla olevaan sarakkeeseen, joka sisältää samat arvot, jotka on siirretty vain yhden rivin ylöspäin.

Päivä	% Voitto tai tappio	Seuraavan päivän % voitto tai tappio
maanantai	10%	5%
tiistai	5%	-2%
keskiviikko	-2%	-8%
torstai	-8%	-5%
perjantai	-5%

Autokorrelaatiota laskettaessa tulos voi vaihdella -1: stä +1: een.

Automaattinen korrelaatio +1 edustaa täydellisyyttä positiivinen korrelaatio (yhdessä aikasarjassa havaittu nousu johtaa suhteelliseen nousuun toisessa aikasarjassa).

Toisaalta -1: n autokorrelaatio edustaa täydellistä negatiivinen korrelaatio (yhdessä aikasarjassa havaittu nousu johtaa suhteelliseen vähenemiseen toisessa aikasarjassa).

Autokorrelaatio mittaa lineaarisia suhteita. Vaikka automaattinen korrelaatio on vähäinen, aikasarjan ja itsensä viivästyneen version välillä voi silti olla epälineaarinen suhde.

Autokorrelaation testaus

Yleisin testi-autokorrelaatiomenetelmä on Durbin-Watsonin testi. Ilman liian teknistä Durbin-Watson on tilasto, joka havaitsee autokorrelaation a taantumisanalyysi.

Durbin-Watson tuottaa aina testin numeroalueen 0-4. Arvot, jotka ovat lähempänä nollaa, osoittavat suurempaa positiivista korrelaatiota, arvot, jotka ovat lähempänä 4, osoittavat a suurempi negatiivinen autokorrelaatio, kun taas keskellä olevat arvot viittaavat vähemmän autokorrelaatio.

Joten miksi automaattinen korrelaatio on tärkeä rahoitusmarkkinoilla? Yksinkertainen. Autokorrelaatiota voidaan käyttää analysoimaan perusteellisesti historialliset hintamuutokset, joita sijoittajat voivat sitten ennustaa tulevaisuudessa hinnan liikkeet. Erityisesti autokorrelaatiota voidaan käyttää määrittämään, onko a vauhtikaupan strategia käydä järkeen.

Autokorrelaatio teknisessä analyysissä

Autokorrelaatiosta voi olla hyötyä tekninen analyysi, Tämä johtuu siitä, että tekninen analyysi koskee eniten turvallisuushintojen kehitystä ja niiden välisiä suhteita käyttämällä kartoitustekniikoita. Tämä on ristiriidassa perustavanlaatuisen analyysin kanssa, joka keskittyy sen sijaan yrityksen taloudelliseen terveyteen tai johtamiseen.

Tekniset analyytikot voivat käyttää autokorrelaatiota selvittääkseen, kuinka paljon arvopaperin aiemmat hinnat vaikuttavat sen tulevaan hintaan.

Autokorrelaatio voi auttaa määrittämään, onko olemassa vauhtia tekijä tietyssä osakkeessa. Jos osakkeella, jolla on korkea positiivinen autokorrelaatio, on esimerkiksi kaksi suoraa päivää suuria voittoja, voi olla järkevää odottaa osakkeen nousevan seuraava tvoi päiviä myös.

Esimerkki autokorrelaatiosta

Oletetaan, että Emma haluaa selvittää, tuottaako hän osaketta portfolio esittää autokorrelaatiota; toisin sanoen osakkeen tuotot liittyvät aiempien kaupankäyntiistuntojen tuottoihin.

Jos tuotot osoittavat automaattista korrelaatiota, Emma voisi luonnehtia sitä vauhtiosakkeeksi, koska menneet tuotot näyttävät vaikuttavan tuleviin tuottoihin. Emma suorittaa regression edeltäjän kanssa kaupankäyntiistunto return itsenäisenä muuttujana ja nykyinen tuotto riippuvaisena muuttujana. Hän havaitsee, että palautuspäivää aiemmin positiivinen autokorrelaatio on 0,8.

Koska 0,8 on lähellä +1, aiemmat tuotot näyttävät olevan erittäin hyvä positiivinen ennustaja tämän osakkeen tuleville tuottoille.

Siksi Emma voi mukauttaa salkkuaan hyödyntääkseen autokorrelaatiota tai vauhtia jatkamalla asemaansa tai kertyy lisää osakkeita.