Автокорреляция

Автокорреляция Значение

Автокорреляция относится к степени близости или корреляции между значениями одной и той же переменной или ряда данных в разные периоды. Этот коэффициент корреляции также известен как запаздывающая или последовательная корреляция.

Он используется для выявления неслучайности в представленных данных. То есть его применение предполагает его использование для определения того, получены ли данные из случайного процесса или нет. Кроме того, приложение автокорреляционной функции будет полезно для определения подходящей модели временных рядов или нелинейной модели со временем в качестве независимой переменной, если данные не генерируются в результате случайного процесса.

Оглавление

• Автокорреляция Значение
  • Объяснение автокорреляции
  • Автокорреляционный тест
    • №1 – тест Дарбина-Ватсона
    • № 2 – Тест Хизер-Бокса
  • Пример
  • Часто задаваемые вопросы (FAQ)
  • Рекомендуемые статьи

Ключевые выводы

• Автокорреляция относится к степени близости или корреляции между значениями одной и той же переменной или ряда данных в разные периоды. Он также известен как запаздывающая корреляция или последовательная корреляция.
• Как правило, его значение колеблется от -1 до 1. Если выход находится в диапазоне от -1 до 0, то это отрицательная корреляция, а положительная корреляция возникает, если выход находится в диапазоне от 0 до 1.
• Трейдеры или аналитики используют этот метод для определения влияния прошлых цен на ценные бумаги на их будущие цены.
• В пространственной статистике пространственная автокорреляция указывает на систематическое пространственное изменение переменной. Другими словами, он определяет связь между соседними наблюдениями.

Объяснение автокорреляции

Метод автокорреляции применяется к одному и тому же временному ряду в разные моменты времени для определения взаимосвязи между текущими и прошлыми значениями переменной. Результат метода показывает, имеют ли разные версии одного и того же временного ряда положительную или отрицательную корреляцию. Например, результат может варьироваться от -1 до 1, и если значение равно -1 или близко к -1, это отрицательная корреляция; если значение равно 1 или близко к 1, это положительная корреляция.

Принципиально данные ряда коррелируют сами с собой. Запаздывающая версия временного ряда используется для определения степени корреляции между наблюдениями, разделенными интервалами. Корреляция может быть сильной или отрицательной. Если прошлые значения не влияют на текущие значения, то корреляция отсутствует.

Он используется во многих сферах деятельности. Например, на финансовом рынке он применяется биржевыми трейдерами и аналитиками для понимания степени сходства и движущихся моделей с использованием графиков, понимания влияния прошлых цен и прогнозирования будущих цен. Другой распространенный пример — изучение повышения температуры в прогнозе погоды. Проще говоря, он определяет взаимосвязь между прошлыми и будущими значениями случайной величины. Он измеряет уравнение между наблюдениями, записанными в разные моменты времени, и выявляет закономерности и тенденции во временном ряду.

Автокорреляционный тест

Наиболее известные тесты:

1. Тест Дарбина-Ватсона
2. Q-тест Хизер-Бокса

Тест Дарбина-Ватсона

Тест дает результат в диапазоне от 0 до 4. Автокорреляция будет

• Ближе к 0: Сильнее и позитивнее
• Средний: Низкий
• Ближе к 4: отрицательный

Тест Юнга-Бокса

Он также известен как модифицированный тест Бокса-Пирса, Q-тест Льюнга-Бокса, тест Бокса или тест Портманто. Он проверяет отсутствие последовательной автокорреляции для заданного лага «k». Кроме того, он проверяет случайность и независимость. Если автокорреляции остатков очень малы, модель в порядке; то есть модель не демонстрирует существенного недостатка соответствия.

Пример

Важным примером является анализ автокорреляции в ежедневной доходности акций, включающий регрессионный анализ с использованием данных временных рядов. Это дает важные выводы для регулирования рынка, разработки торговых механизмов и торговых стратегий, которые используют предсказуемость доходности акций, эффективность рынка, спред, волатильность, объем торгов и ликвидность.

Обычно решение о входе во время исторических максимумов встречается редко, потому что более низкие цены могут следовать за самой высокой ценой, то есть происходит разворот тренда. Но в то же время появление серийной автокорреляции отображает тенденцию цены акции на самом высоком уровне выравниваться в одном направлении без разворота в течение разумного периода времени. Таким образом, активные трейдеры могут попробовать стратегии, отличные от обычных, например, переход к портфелю 80/20, когда сценарий находится на рекордно высоком уровне, и снова выбор портфеля 60/40, когда цена падает.

Часто задаваемые вопросы (FAQ)

Что такое автокорреляция во временном ряду?

Во временных рядах метод указывает степень или уровень сходства между временным рядом и его запаздывающей версией в течение последовательных интервалов времени. По сути, он измеряет взаимосвязь между текущими и историческими значениями переменной путем сравнения двух временных рядов, один из которых является исходным временным рядом, а второй — его запаздывающей версией, охватывающей разные периоды.

Что такое пространственная автокорреляция?

В пространственной статистике это указывает на систематическое пространственное изменение переменной. Это мера связи между соседними наблюдениями. Примером положительного примера является склонность близлежащих районов или мест разделять схожие ценности.

Что такое частичная автокорреляционная функция?

Он указывает на взаимосвязь между значением во временном ряду со значениями в предыдущий период или продолжительность, игнорируя промежуточные значения или значения, наблюдаемые между двумя рядами. Следовательно, при анализе временных рядов функция дает частичную корреляцию стационарного временного ряда с его собственными запаздывающими значениями и контролирует другие запаздывания.

Рекомендуемые статьи

Это было Руководство по автокорреляции и ее значение. Мы объясняем его характеристики, функции, типы тестов и примеры. Вы можете узнать больше из следующих статей –

• Корреляционная матрица
• Обратная корреляция
• Зависимая переменная против независимой переменной