Co to jest autokorelacja?
Autokorelacja jest matematycznym przedstawieniem stopnia podobieństwa między danym szeregiem czasowym a jego opóźnioną wersją samego siebie w kolejnych przedziałach czasowych. Jest to to samo, co obliczanie korelacji między dwoma różnymi szeregami czasowymi, z tym wyjątkiem, że autokorelacja używa dwukrotnie tych samych szeregów czasowych: raz w pierwotnej formie i raz opóźnił jeden lub więcej okresów.
Autokorelacja
Zrozumienie autokorelacji
Autokorelacja może być również określana jako korelacja opóźniona lub korelacja szeregowa, ponieważ mierzy związek między bieżącą wartością zmiennej a jej przeszłymi wartościami. Podczas obliczania autokorelacji wynikowy wynik może wynosić od 1 do ujemnego 1, zgodnie z tradycyjną statystyką korelacji. Autokorelacja +1 reprezentuje idealną korelację dodatnią (wzrost obserwowany w jednym szeregu czasowym prowadzi do proporcjonalnego wzrostu w innym szeregu czasowym). Z drugiej strony autokorelacja ujemnego 1 reprezentuje idealną korelację ujemną (wzrost zaobserwowany w jednym szeregu czasowym powoduje proporcjonalny spadek w drugim szeregu czasowym). Autokorelacja mierzy zależności liniowe; nawet jeśli autokorelacja jest niewielka, może istnieć nieliniowy związek między szeregiem czasowym a opóźnioną wersją samego siebie.
Kluczowe dania na wynos
- Autokorelacja reprezentuje stopień podobieństwa między danym szeregiem czasowym a opóźnioną wersją samej siebie w kolejnych przedziałach czasowych Autokorelacja mierzy związek między bieżącą wartością zmiennej a jej przeszłymi wartościami. Autokorelacja +1 reprezentuje idealną korelację dodatnią, podczas gdy autokorelacja z ujemną 1 reprezentuje idealną korelację ujemną. Analitycy techniczni mogą użyć autokorelacji, aby zobaczyć, jak duży wpływ przeszłe ceny papieru wartościowego na jego przyszłą cenę.
Autokorelacja w analizie technicznej
Autokorelacja może być użyteczna do analizy technicznej, która najbardziej dotyczy trendów i relacji między cenami zabezpieczeń przy użyciu technik tworzenia wykresów zamiast kondycji finansowej lub zarządzania przedsiębiorstwem. Analitycy techniczni mogą korzystać z autokorelacji, aby sprawdzić, jaki wpływ poprzednie ceny papierów wartościowych na jego przyszłą cenę.
Autokorelacja może pokazać, czy z zapasem związany jest czynnik pędu. Na przykład, jeśli inwestorzy wiedzą, że akcje mają historycznie wysoką dodatnią wartość autokorelacji i są świadkami, że osiągają znaczne zyski w ciągu ostatnich kilku dni, wówczas mogą zasadnie oczekiwać, że zmiany w ciągu najbliższych kilku dni (wiodących szeregów czasowych) będą pasować do tych opóźnionych szeregów czasowych i przesunięcie w górę.
Przykład autokorelacji
Załóżmy, że Emma chce ustalić, czy zwrot z akcji w jej portfelu wykazuje autokorelację; zwroty akcji odnoszą się do zwrotów z poprzednich sesji handlowych. Jeśli zwroty wykazują autokorelację, Emma może scharakteryzować je jako zapas pędu, ponieważ poprzednie zwroty wydają się wpływać na przyszłe zwroty. Emma przeprowadza regresję ze zwrotami z dwóch poprzednich sesji handlowych jako zmiennymi niezależnymi i bieżącym zwrotem jako zmienną zależną. Odkrywa, że zwroty dzień wcześniej mają dodatnią autokorelację wynoszącą 0, 7, podczas gdy zwroty dwa dni wcześniej mają dodatnią autokorelację równą 0, 3. Przeszłe zwroty wydają się wpływać na przyszłe zwroty. Dlatego Emma może skorygować swój portfel, aby skorzystać z autokorelacji i wynikającego z tego tempa, utrzymując swoją pozycję lub gromadząc więcej akcji.
