Serielle Korrelation
Was ist eine serielle Korrelation?
Eine serielle Korrelation tritt in einer Zeitreihe auf, wenn beobachtet wird, dass eine Variable und eine verzögerte Version ihrer selbst (zum Beispiel eine Variable zu den Zeitpunkten T und zu T-1) über Zeiträume miteinander korreliert sind. Sich wiederholende Muster zeigen oft eine serielle Korrelation, wenn das Niveau einer Variablen ihr zukünftiges Niveau beeinflusst. Im Finanzbereich wird diese Korrelation von technischen Analysten verwendet, um zu bestimmen, wie gut der vergangene Preis eines Wertpapiers den zukünftigen Preis vorhersagt.
Die serielle Korrelation ähnelt den statistischen Konzepten der Autokorrelation oder verzögerten Korrelation.
Die zentralen Thesen
- Die serielle Korrelation ist die Beziehung zwischen einer bestimmten Variablen und einer verzögerten Version von sich selbst über verschiedene Zeitintervalle.
- Es misst die Beziehung zwischen dem aktuellen Wert einer Variablen anhand ihrer früheren Werte.
- Eine seriell korrelierte Variable weist darauf hin, dass sie möglicherweise nicht zufällig ist.
- Technische Analysten validieren die profitablen Muster eines Wertpapiers oder einer Wertpapiergruppe und bestimmen das mit Anlagemöglichkeiten verbundene Risiko.
Serielle Korrelation erklärt
Die serielle Korrelation wird in der Statistik verwendet, um die Beziehung zwischen Beobachtungen derselben Variablen über bestimmte Zeiträume zu beschreiben. Wenn die serielle Korrelation einer Variablen als Null gemessen wird, besteht keine Korrelation und jede der Beobachtungen ist unabhängig voneinander. Wenn umgekehrt die serielle Korrelation einer Variablen gegen eins tendiert, werden die Beobachtungen seriell korreliert und zukünftige Beobachtungen werden von vergangenen Werten beeinflusst. Im Wesentlichen hat eine seriell korrelierte Variable ein Muster und ist nicht zufällig.
Fehlerterme treten auf, wenn ein Modell nicht vollständig genau ist und bei realen Anwendungen zu unterschiedlichen Ergebnissen führt. Wenn Fehlerterme aus verschiedenen (normalerweise benachbarten) Perioden (oder Querschnittsbeobachtungen) korreliert werden, wird der Fehlerterm seriell korreliert. Bei Zeitreihenstudien tritt eine serielle Korrelation auf, wenn die mit einer bestimmten Periode verbundenen Fehler auf zukünftige Perioden übertragen werden. Wenn beispielsweise das Wachstum der Aktiendividenden vorhergesagt wird, führt eine Überschätzung in einem Jahr zu Überschätzungen in den folgenden Jahren.
Die serielle Korrelation kann simulierte Handelsmodelle genauer machen, was dem Anleger hilft, eine weniger riskante Anlagestrategie zu entwickeln.
Die technische Analyse verwendet Messungen der seriellen Korrelation bei der Analyse des Musters eines Wertpapiers. Die Analyse basiert ausschließlich auf der Kursbewegung einer Aktie und dem damit verbundenen Volumen und nicht auf den Fundamentaldaten eines Unternehmens. Praktiker der technischen Analyse identifizieren und validieren, wenn sie die serielle Korrelation korrekt verwenden, die profitablen Muster oder ein Wertpapier oder eine Gruppe von Wertpapieren und Kassaanlagemöglichkeiten.
Das Konzept der seriellen Korrelation
Die serielle Korrelation wurde ursprünglich in der Technik verwendet, um zu bestimmen, wie sich ein Signal wie ein Computersignal oder eine Funkwelle im Laufe der Zeit im Vergleich zu sich selbst ändert. Das Konzept wurde in Wirtschaftskreisen immer beliebter, da Ökonomen und Praktiker der Ökonometrie das Maß verwendeten, um Wirtschaftsdaten im Laufe der Zeit zu analysieren.
Fast alle großen Finanzinstitute haben inzwischen quantitative Analysten, sogenannte Quants, im Personal. Diese Finanzhandelsanalysten verwenden technische Analysen und andere statistische Schlussfolgerungen, um den Aktienmarkt zu analysieren und vorherzusagen. Diese Modellierer versuchen, die Struktur der Korrelationen zu identifizieren, um Prognosen und die potenzielle Rentabilität einer Strategie zu verbessern. Darüber hinaus verbessert die Identifizierung der Korrelationsstruktur den Realismus jeder simulierten Zeitreihe basierend auf dem Modell. Präzise Simulationen reduzieren das Risiko von Anlagestrategien.
Quants sind für den Erfolg vieler dieser Finanzinstitute von wesentlicher Bedeutung, da sie Marktmodelle bereitstellen, die das Institut dann als Grundlage für seine Anlagestrategie verwendet.
Die serielle Korrelation wurde ursprünglich in der Signalverarbeitung und Systemtechnik verwendet, um zu bestimmen, wie sich ein Signal im Laufe der Zeit mit sich selbst ändert. In den 1980er Jahren eilten Ökonomen und Mathematiker an die Wall Street, um das Konzept zur Vorhersage von Aktienkursen anzuwenden.
Die serielle Korrelation zwischen diesen Quants wird unter Verwendung des Durbin-Watson (DW) -Tests bestimmt. Die Korrelation kann positiv oder negativ sein. Ein Aktienkurs mit positiver serieller Korrelation weist ein positives Muster auf. Ein Wertpapier, das eine negative serielle Korrelation aufweist, hat einen negativen Einfluss auf sich selbst im Laufe der Zeit.