Apakah Autokorelasi?
Autokorelasi adalah perwakilan matematik tahap keserupaan antara satu siri masa yang diberikan dan versi yang tersisa daripada dirinya dalam selang masa berturut-turut. Ia adalah sama dengan mengira korelasi antara dua siri masa yang berlainan, kecuali autokorelasi menggunakan siri masa yang sama dua kali: sekali dalam bentuk asalnya dan sekali tertinggal satu atau lebih tempoh masa.
Autokorelasi
Memahami Autokorelasi
Autokorelasi juga boleh dirujuk sebagai korelasi tertinggal atau korelasi siri, kerana ia mengukur hubungan antara nilai semasa variabel dan nilai masa lalu. Apabila mengira autokorelasi, hasil yang dihasilkan boleh berkisar dari 1 hingga negatif 1, sejajar dengan statistik korelasi tradisional. Autokorelasi +1 mewakili korelasi positif yang sempurna (peningkatan yang dilihat dalam satu siri masa membawa kepada kenaikan berkadar dalam siri masa yang lain). Satu autokorelasi negatif 1, sebaliknya, mewakili korelasi negatif yang sempurna (peningkatan yang dilihat dalam satu keputusan siri masa dalam pengurangan berkadar dalam siri masa yang lain). Langkah-langkah autokorelasi hubungan linear; walaupun autokorelasi adalah minuscule, masih terdapat hubungan tidak linear antara siri masa dan versi tersendiri itu sendiri.
Takeaways Utama
- Autokorelasi mewakili tahap keserupaan antara siri masa yang diberikan dan versi tersendiri dari selang masa berturut-turut. Pengutamaan mengukur hubungan antara nilai semasa pembolehubah dan nilai masa lalu. Satu autokorelasi +1 mewakili korelasi positif yang sempurna, manakala autokorelasi negatif 1 mewakili korelasi negatif yang sempurna. Penganalisis teknikal boleh menggunakan autokorelasi untuk melihat berapa banyak kesan harga masa lalu untuk keselamatan mempunyai harga masa depannya.
Autokorelasi dalam Analisis Teknikal
Autocorrelation boleh berguna untuk analisa teknikal, yang paling menaruh perhatian pada trend, dan hubungan antara, harga keselamatan menggunakan teknik pencitraan dan bukannya kesihatan atau pengurusan kewangan syarikat. Penganalisis teknikal boleh menggunakan autokorelasi untuk melihat berapa banyak kesan harga masa lalu bagi keselamatan mempunyai harga masa depannya.
Autokorelasi boleh menunjukkan jika ada faktor momentum yang berkaitan dengan stok. Sebagai contoh, jika pelabur tahu bahawa stok mempunyai nilai autokorelasi positif yang tinggi dan mereka menyaksikan ia memperoleh keuntungan yang besar dalam beberapa hari yang lalu, maka mereka mungkin dengan wajar menjangkakan pergerakan selama beberapa hari yang akan datang (siri masa utama) untuk memadankan mereka daripada siri masa tertinggal dan bergerak ke atas.
Contoh Autokorelasi
Mari kita anggap Emma mencari untuk menentukan sama ada pulangan stok dalam portofolionya menunjukkan autokorelasi; pulangan stok berkaitan dengan pulangannya dalam sesi dagangan terdahulu. Sekiranya pulangan menunjukkan autokorelasi, Emma boleh mencirikannya sebagai saham momentum kerana pulangan masa lalu kelihatan mempengaruhi pulangan masa depan. Emma menjalankan regresi dengan dua kembali sesi dagangan sebelumnya sebagai pembolehubah bebas dan pulangan semasa sebagai pemboleh ubah bergantung. Dia mendapati bahawa pulangan satu hari sebelum mempunyai autokorelasi positif sebanyak 0.7, manakala pulangan dua hari sebelumnya mempunyai autokorelasi positif sebanyak 0.3. Pulangan masa lalu kelihatan mempengaruhi pulangan masa depan. Oleh itu, Emma boleh menyesuaikan portfolionya untuk memanfaatkan autokorelasi dan momentum yang dihasilkan dengan terus memegang jawatannya atau mengumpul lebih banyak saham.
