Pengenalan kepada pegun dan bukan

Institusi dan korporat kewangan, serta pelabur dan penyelidik individu, sering menggunakan data siri masa kewangan (seperti harga aset, kadar pertukaran, KDNK, inflasi dan petunjuk makroekonomi lain) dalam ramalan ekonomi, analisis pasaran saham, atau kajian data itu sendiri.

Tetapi data penyulingan adalah kunci untuk dapat menggunakannya untuk analisis stok anda., kami akan menunjukkan kepada anda bagaimana untuk mengasingkan mata data yang relevan dengan laporan stok anda.

Pengenalan kepada Proses Pengawalan dan Tidak Bersandar

Data Raw Memasak

Mata data sering tidak bergerak atau mempunyai cara, variasi dan kovarians yang berubah dari masa ke masa. Tingkah laku tidak bergerak boleh menjadi trend, kitaran, jalan rawak atau gabungan ketiga-tiga.

Data bukan pegun, sebagai peraturan, tidak dapat diprediksi dan tidak boleh dimodelkan atau diramalkan. Hasil yang diperoleh dengan menggunakan siri masa tidak bergerak adalah palsu di mana mereka boleh menunjukkan hubungan antara dua pembolehubah di mana seseorang tidak wujud. Untuk mendapatkan hasil yang konsisten dan boleh dipercayai, data tidak bergerak perlu diubah menjadi data pegun. Berbeza dengan proses bukan pegun yang mempunyai varians varians dan min yang tidak tetap dekat, atau kembali ke jangka panjang dari masa ke masa, proses pegun kembali pada jangka panjang malar dan mempunyai varians tetap bebas masa.

Jenis-jenis Proses Bukan Bersepadu

Sebelum kita sampai ke titik transformasi untuk data siri masa kewangan bukan pegun, kita sepatutnya membezakan antara pelbagai jenis proses tidak bergerak. Ini akan memberi kita pemahaman yang lebih baik mengenai proses dan membolehkan kita menerapkan transformasi yang betul. Contoh proses tidak bergerak adalah berjalan secara rawak dengan atau tanpa hanyutan (perubahan perlahan yang mantap) dan trend deterministik (trend yang berterusan, positif atau negatif, tanpa masa untuk sepanjang hayat siri).

Berjalan rawak tulen (Y _t = Y _t-1 + ε _t) Berjalan secara rawak meramalkan bahawa nilai pada masa "t" akan sama dengan nilai tempoh masa lalu ditambah komponen stokastik (tidak sistematik) bermakna ε _t adalah bebas dan diedarkan secara sama rata dengan min "0" dan varians "σ²." Berjalan secara rawak juga boleh dinamakan satu proses yang terintegrasi dengan beberapa pesanan, suatu proses dengan akar unit atau proses dengan trend stokastik. Ini adalah proses yang tidak bererti-membalikkan yang boleh bergerak dari maksud sama ada dalam arah positif atau negatif. Satu lagi ciri dari jalan rawak adalah bahawa varians berubah dari masa ke masa dan pergi ke infiniti kerana masa pergi ke tak terhingga; oleh itu, berjalan rawak tidak dapat diramalkan. Berjalan secara rawak dengan Drift (Y _t = α + Y _t-1 + ε _t) Jika model jalan rawak meramalkan bahawa nilai pada masa "t" akan sama dengan nilai tempoh yang lalu ditambah pemalar, atau drift (α) terma bunyi putih (ε _t), maka proses itu berjalan secara rawak dengan hanyut. Ia juga tidak kembali kepada maksud jangka panjang dan mempunyai varians bergantung pada masa. Trend Deterministik (Y _t = α + βt + ε _t) Selalunya berjalan rawak dengan hanyut bingung untuk trend deterministik. Kedua-duanya termasuk komponen hingar dan bunyi bising putih, tetapi nilai pada masa "t" dalam kes rawak berjalan regresi pada nilai tempoh masa lalu (Y _t-1), manakala dalam hal trend deterministik ia dirundung pada masa trend (βt). Proses non-pegun dengan trend deterministik mempunyai min yang tumbuh di sekitar trend tetap, yang tetap dan bebas dari masa. Berjalan secara rawak dengan Drift dan Trend Deterministik (Y _t = α + Y _t-1 + βt + ε _t) Satu lagi contoh ialah proses bukan pegun yang menggabungkan jalan rawak dengan komponen hanyut (α) dan trend deterministik (βt). Ia menentukan nilai pada masa "t" dengan nilai masa lalu, hanyutan, trend dan komponen stokastik. (Untuk mengetahui lebih lanjut tentang jalan rawak dan trend, lihat tutorial Konsep Kewangan kami.)

Trend dan Perbezaan Stasioner

Berjalan secara rawak dengan atau tanpa hanyut boleh ditukar kepada proses pegun oleh differencing (menolak Y _t-1 dari Y _t, mengambil perbezaan Y _t - Y _t-1) sepadan dengan Y _t - Y _t-1 = ε _t atau Y _t - Y _t-1 = α + ε _t dan kemudian proses menjadi perbezaan-pegun. Kelemahan perbezaan adalah bahawa proses kehilangan satu pemerhatian setiap kali perbezaannya diambil.

Proses non-pegun dengan trend deterministik menjadi tidak bergerak selepas mengeluarkan trend, atau menjejaskan. Sebagai contoh, Yt = α + βt + εt diubah menjadi proses pegun dengan menolak trend βt: Yt - βt = α + εt, seperti ditunjukkan dalam Rajah 4 di bawah. Tiada pemerhatian yang hilang apabila menjejaskan digunakan untuk mengubah proses tanpa stesen ke stesen.

Sekiranya berjalan secara rawak dengan aliran drift dan deterministik, detrending boleh menghilangkan arah aliran deterministik dan drift, tetapi varians akan terus menuju tak terhingga. Akibatnya, perbezaan juga harus digunakan untuk menghapuskan trend stokastik.

Kesimpulannya

Menggunakan data siri masa bukan storan dalam model kewangan menghasilkan hasil yang tidak boleh dipercayai dan palsu dan membawa kepada pemahaman yang kurang baik dan ramalan. Penyelesaian masalah ini adalah untuk mengubah data siri masa supaya ia menjadi pegun. Jika proses tidak bergerak adalah berjalan secara rawak dengan atau tanpa hanyut, ia berubah menjadi proses pegun dengan perbezaan. Sebaliknya, jika analisis data siri masa memperlihatkan trend deterministik, hasil palsu boleh dielakkan dengan menjejaskan. Kadang-kadang siri bukan stesen mungkin menggabungkan trend stokastik dan deterministik pada masa yang sama dan untuk mengelakkan memperoleh keputusan yang mengelirukan kedua-dua perbezaan dan menjerat harus digunakan, kerana perbezaan akan menghapuskan trend dalam varians dan detrending akan menghapuskan trend deterministik.

Isi kandungan: