Autokorrelation bezieht sich auf den Grad der Korrelation derselben Variablen zwischen zwei aufeinanderfolgenden Zeitintervallen. Es misst, wie die verzögerte Version des Werts einer Variablen mit der ursprünglichen Version in einer Zeitreihe zusammenhängt.
Autokorrelation als statistisches Konzept wird auch als serielle Korrelation bezeichnet. Es wird häufig mit dem autoregressiven gleitenden Durchschnittsmodell (ARMA) und dem autoregressiven integrierten gleitenden Durchschnittsmodell (ARIMA) verwendet. Die Analyse der Autokorrelation hilft dabei, sich wiederholende periodische Muster zu finden, die als Instrument der technischen Analyse an den Kapitalmärkten verwendet werden können. Kapitalmärkte Kapitalmärkte sind das Börsensystem, das Kapital von Anlegern transferiert, die ihre Mittel derzeit nicht benötigen, an Einzelpersonen und.
Zusammenfassung
- Autokorrelation, auch als serielle Korrelation bekannt, bezieht sich auf den Grad der Korrelation derselben Variablen zwischen zwei aufeinanderfolgenden Zeitintervallen.
- Der Wert der Autokorrelation reicht von -1 bis 1. Ein Wert zwischen -1 und 0 steht für eine negative Autokorrelation. Ein Wert zwischen 0 und 1 steht für eine positive Autokorrelation.
- Die Autokorrelation gibt Auskunft über den Trend einer Reihe historischer Daten und kann daher bei der technischen Analyse für den Aktienmarkt hilfreich sein.
Wie es funktioniert
In vielen Fällen hängt der Wert einer Variablen zu einem bestimmten Zeitpunkt mit dem Wert einer Variablen zu einem früheren Zeitpunkt zusammen. Die Autokorrelationsanalyse misst die Beziehung der Beobachtungen zwischen den verschiedenen Zeitpunkten und sucht somit nach einem Muster oder Trend über die Zeitreihen. Beispielsweise werden die Temperaturen an verschiedenen Tagen in einem Monat automatisch korreliert.
Ähnlich wie bei der Korrelation Korrelation Eine Korrelation ist ein statistisches Maß für die Beziehung zwischen zwei Variablen. Das Maß wird am besten in Variablen verwendet, die eine lineare Beziehung untereinander aufweisen. Die Anpassung der Daten kann in einem Streudiagramm visuell dargestellt werden. Die Autokorrelation kann entweder positiv oder negativ sein. Sie reicht von -1 (vollkommen negative Autokorrelation) bis 1 (vollkommen positive Autokorrelation). Positive Autokorrelation bedeutet, dass der in einem Zeitintervall beobachtete Anstieg zu einem proportionalen Anstieg des verzögerten Zeitintervalls führt.
Das oben diskutierte Temperaturbeispiel zeigt eine positive Autokorrelation. Die Temperatur am nächsten Tag steigt tendenziell an, wenn sie gestiegen ist, und sinkt tendenziell, wenn sie in den letzten Tagen gesunken ist.
Die Beobachtungen mit positiver Autokorrelation können in einer glatten Kurve dargestellt werden. Durch Hinzufügen einer Regressionslinie kann beobachtet werden, dass auf einen positiven Fehler ein weiterer positiver und auf einen negativen Fehler ein weiterer negativer Fehler folgt.
Umgekehrt bedeutet eine negative Autokorrelation, dass die in einem Zeitintervall beobachtete Zunahme zu einer proportionalen Abnahme des verzögerten Zeitintervalls führt. Durch Auftragen der Beobachtungen mit einer Regressionslinie wird gezeigt, dass auf einen positiven Fehler ein negativer folgt und umgekehrt.
Die Autokorrelation kann auf eine unterschiedliche Anzahl von Zeitlücken angewendet werden, was als Verzögerung bezeichnet wird. Eine Autokorrelation mit Verzögerung 1 misst die Korrelation zwischen den Beobachtungen, die eine einmalige Lücke voneinander entfernt sind. Um beispielsweise die Korrelation zwischen den Temperaturen eines Tages und dem entsprechenden Tag im nächsten Monat zu ermitteln, sollte eine Autokorrelation mit einer Verzögerung von 30 verwendet werden (unter der Annahme von 30 Tagen in diesem Monat).
Test auf Autokorrelation
Die Durbin-Watson-Statistik wird üblicherweise zum Testen der Autokorrelation verwendet. Es kann von einer Statistiksoftware auf einen Datensatz angewendet werden. Das Ergebnis des Durbin-Watson-Tests reicht von 0 bis 4. Ein Ergebnis nahe 2 bedeutet ein sehr geringes Maß an Autokorrelation. Ein Ergebnis näher an 0 deutet auf eine stärkere positive Autokorrelation hin, und ein Ergebnis näher an 4 deutet auf eine stärkere negative Autokorrelation hin.
Bei der Analyse eines Satzes historischer Daten muss die Autokorrelation getestet werden. Beispielsweise können am Aktienmarkt die Aktienkurse an einem Tag stark mit den Kursen an einem anderen Tag korreliert sein. Es bietet jedoch nur wenige Informationen für die statistische Datenanalyse und gibt keinen Aufschluss über die tatsächliche Wertentwicklung der Aktie.
Daher ist es notwendig, die Autokorrelation der historischen Preise zu testen, um festzustellen, inwieweit die Preisänderung lediglich ein Muster ist oder durch andere Faktoren verursacht wird. Im Finanzbereich besteht eine übliche Methode zur Beseitigung der Auswirkungen der Autokorrelation darin, prozentuale Änderungen der Vermögenspreise anstelle der historischen Preise selbst zu verwenden.
Autokorrelation und technische Analyse
Obwohl eine Autokorrelation vermieden werden sollte, um eine weitere Datenanalyse genauer anzuwenden, kann sie dennoch für die technische Analyse nützlich sein. Technische Analyse - Ein Leitfaden für Anfänger Die technische Analyse ist eine Form der Investitionsbewertung, bei der vergangene Preise analysiert werden, um zukünftige Preisbewegungen vorherzusagen. Technische Analysten sind der Ansicht, dass die kollektiven Maßnahmen aller Marktteilnehmer alle relevanten Informationen genau widerspiegeln, und weisen Wertpapieren daher kontinuierlich einen fairen Marktwert zu. , wie es nach einem Muster aus historischen Daten sucht. Die Autokorrelationsanalyse kann zusammen mit der Impulsfaktoranalyse angewendet werden.
Ein technischer Analyst kann durch Autokorrelation erfahren, wie sich der Aktienkurs eines bestimmten Tages auf den Kurs früherer Tage auswirkt. So kann er abschätzen, wie sich der Preis in Zukunft bewegen wird.
Wenn der Kurs einer Aktie mit starker positiver Autokorrelation seit mehreren Tagen gestiegen ist, kann der Analyst vernünftigerweise schätzen, dass der zukünftige Kurs in den letzten zukünftigen Tagen weiter nach oben steigen wird. Der Analyst kann die Aktie für kurze Zeit kaufen und halten, um von der Aufwärtsbewegung zu profitieren.
Die Autokorrelationsanalyse liefert nur Informationen über kurzfristige Trends und sagt wenig über die Grundlagen eines Unternehmens aus. Daher kann es nur angewendet werden, um die Trades mit kurzen Haltedauern zu unterstützen.
Verwandte Lesungen
Finance bietet die CBCA-Zertifizierung (Certified Banking & Credit Analyst) an. Die CBCA-Akkreditierung (Certified Banking & Credit Analyst) ist ein globaler Standard für Kreditanalysten, der Finanzen, Rechnungswesen, Kreditanalyse, Cashflow-Analyse, Covenant-Modellierung und Darlehen umfasst Rückzahlungen und mehr. Zertifizierungsprogramm für diejenigen, die ihre Karriere auf die nächste Stufe bringen möchten. Um weiter zu lernen und Ihre Karriere voranzutreiben, sind die folgenden Ressourcen hilfreich:
- Arbitrage-Free-Term-Strukturmodelle Arbitrage-Free-Term-Strukturmodelle Arbitrage-Free-Term-Strukturmodelle (auch als No-Arbitrage-Modelle bezeichnet) werden verwendet, um den tatsächlichen stochastischen Zinsgenerierungsprozess von zu generieren
- Regressionsanalyse Regressionsanalyse Die Regressionsanalyse ist eine Reihe statistischer Methoden zur Schätzung der Beziehungen zwischen einer abhängigen Variablen und einer oder mehreren unabhängigen Variablen. Es kann verwendet werden, um die Stärke der Beziehung zwischen Variablen zu bewerten und die zukünftige Beziehung zwischen ihnen zu modellieren.
- Einfacher gleitender Durchschnitt Einfacher gleitender Durchschnitt (SMA) Der einfache gleitende Durchschnitt (SMA) bezieht sich auf den durchschnittlichen Schlusskurs einer Aktie über einen bestimmten Zeitraum. Der Grund, warum der Durchschnitt als "beweglich" bezeichnet wird, ist, dass die Aktie
- Technische Analyse - Ein Leitfaden für Anfänger Technische Analyse - Ein Leitfaden für Anfänger Die technische Analyse ist eine Form der Investitionsbewertung, bei der vergangene Preise analysiert werden, um zukünftige Preisbewegungen vorherzusagen. Technische Analysten sind der Ansicht, dass die kollektiven Maßnahmen aller Marktteilnehmer alle relevanten Informationen genau widerspiegeln, und weisen Wertpapieren daher kontinuierlich einen fairen Marktwert zu.
