Autokorelacja

Co to jest autokorelacja?

Autokorelacja to matematyczna reprezentacja stopnia podobieństwa między danym szeregiem czasowym a jego opóźnioną wersją w kolejnych odstępach czasu. Jest to to samo, co obliczenie korelacji między dwoma różnymi szeregami czasowymi, z wyjątkiem tego, że autokorelacja wykorzystuje ten sam szereg czasowy dwukrotnie: raz w swojej pierwotnej postaci i raz opóźniony o jeden lub więcej okresów.

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 minus 1, zgodnie z tradycyjną statystyką korelacji. Autokorelacja +1 oznacza doskonałą korelację dodatnią (wzrost obserwowany w jednym szeregu czasowym prowadzi do proporcjonalnego wzrostu w innych szeregach czasowych). Z drugiej strony autokorelacja ujemna 1 reprezentuje doskonałą korelację ujemną (wzrost obserwowany w jednym szeregu czasowym powoduje proporcjonalny spadek w drugim szeregu czasowym). Autokorelacja mierzy zależności liniowe; nawet jeśli autokorelacja jest niewielka, nadal może istnieć nieliniowa zależność między szeregiem czasowym a opóźnioną wersją samej siebie.

Autokorelacja w analizie technicznej

Autokorelacja może być przydatna w analizie technicznej, która jest najbardziej związana z trendami i związkami między cenami papierów wartościowych przy użyciu technik wykresów zamiast kondycji finansowej lub zarządzania firmy. Analitycy techniczni mogą skorzystać z autokorelacji, aby zobaczyć, jaki wpływ przeszłe ceny papieru wartościowego mają na jego przyszłą cenę.

Autokorelacja może pokazać, czy istnieje czynnik pędu powiązany z akcją. Na przykład, jeśli inwestorzy wiedzą, że akcje mają historycznie wysoką dodatnią wartość autokorelacji i są świadkami, jak osiąga ona znaczne zyski w ciągu ostatnich kilku dni, mogą rozsądnie oczekiwać, że ruchy w ciągu najbliższych kilku dni (wiodące szeregi czasowe) będą odpowiadać tym opóźnionych szeregów czasowych i przesunąć się w górę.

Przykład autokorelacji

Załóżmy, że Emma chce ustalić, czy zwroty akcji w jej portfelu wykazują autokorelację; zwroty akcji odnoszą się do zwrotów z poprzednich sesji giełdowych. Jeśli zwroty rzeczywiście wykazują autokorelację, Emma może scharakteryzować je jako zapas dynamiki, ponieważ wydaje się, że przeszłe zwroty wpływają na przyszłe stopy zwrotu. Emma przeprowadza regresję ze zwrotami z dwóch poprzednich sesji handlowych jako zmiennymi niezależnymi i bieżącym zwrotem jako zmienną zależną. Stwierdza, że ​​zwroty z poprzedniego dnia mają dodatnią autokorelację wynoszącą 0,7, podczas gdy zwroty sprzed dwóch dni mają dodatnią autokorelację wynoszącą 0,3. Wydaje się, że przeszłe zyski wpływają na przyszłe zyski. Dlatego Emma może dostosować swój portfel, aby skorzystać z autokorelacji i wynikającej z niej dynamiki, utrzymując swoją pozycję lub gromadząc więcej akcji.