Co je autokorelace?
Autokorelace je matematická reprezentace stupně podobnosti mezi danou časovou řadou a její zpožděnou verzí v po sobě jdoucích časových intervalech. Je koncepčně podobná korelaci mezi dvěma různými časovými řadami, ale autokorelace používá stejnou časovou řadu dvakrát: jednou ve své původní podobě a jednou zpožděnou jedno nebo více časových období.
Pokud je například dnes deštivo, data naznačují, že bude pršet spíše zítra, než když bude jasno dnes. Pokud jde o investování, může mít akcie silnou pozitivní autokorelaci výnosů, což naznačuje, že pokud bude „nahoře“ dnes, bude s větší pravděpodobností nahoře i zítra.
Přirozeně, autokorelace může být užitečný nástroj pro obchodníky využít; zejména pro technické analytiky.
Klíčové způsoby
Autokorelace
Pochopení autokorelace
Autokorelace může být také označována jako zpožděná korelace nebo sériová korelace, protože měří vztah mezi aktuální hodnotou proměnné a jejími minulými hodnotami.
Jako velmi jednoduchý příklad se podívejte na pět procentních hodnot v grafu níže. Porovnáváme je se sloupcem vpravo, který obsahuje stejnou množinu hodnot, jen posunutou o jeden řádek nahoru.
Při výpočtu autokorelace může být výsledek v rozmezí -1 až +1.
Autokorelace +1 představuje perfektní pozitivní korelaci (nárůst pozorovaný v jedné časové řadě vede k úměrnému nárůstu v jiné časové řadě).
Na druhou stranu autokorelace -1 představuje dokonalou negativní korelaci (nárůst pozorovaný v jedné časové řadě má za následek úměrný pokles v jiné časové řadě).
Autokorelace měří lineární vztahy. I když je autokorelace nepatrná, stále může existovat nelineární vztah mezi časovou řadou a zpožděnou verzí sebe sama.
Testování autokorelace
Nejběžnější metodou testovací autokorelace je Durbinův-Watsonův test. Aniž by to bylo příliš technické, Durbinův-Watsonův test je statistika, která detekuje autokorelaci z regresní analýzy.
Durbin-Watson vždy vytváří testovací číselný rozsah od 0 do 4. Hodnoty blíže k 0 značí větší stupeň pozitivní korelace, hodnoty blíže ke 4 značí větší stupeň negativní autokorelace, zatímco hodnoty blíže ke středu značí menší autokorelaci.
Proč je tedy autokorelace na finančních trzích důležitá? Jednoduchá. Autokorelaci lze použít k důkladné analýze historických cenových pohybů, které pak investoři mohou použít k předvídání budoucích cenových pohybů. Konkrétně autokorelaci lze použít k určení, zda strategie obchodování s hybností dává smysl.
Autokorelace v technické analýze
Autokorelace může být užitečná pro technickou analýzu, to proto, že technická analýza se nejvíce zabývá trendy a vztahy mezi cenami cenných papírů pomocí grafových technik. To je v kontrastu se fundamentální analýzou, která se místo toho zaměřuje na finanční zdraví nebo řízení společnosti.
Techničtí analytici mohou pomocí autokorelace zjistit, jak velký vliv mají minulé ceny cenného papíru na jeho budoucí cenu.
Autokorelace může pomoci určit, zda je s danou akcií ve hře faktor hybnosti. Pokud například akcie s vysokou pozitivní autokorelací vykáže dva dny v kuse velké zisky, může být rozumné očekávat, že akcie poroste i v příštích dvou dnech.
Příklad autokorelace
Předpokládejme, že Rain se snaží zjistit, zda výnosy akcií v jejich portfoliu vykazují autokorelaci; to znamená, že výnosy akcií se vztahují k jejich výnosům z předchozích obchodních seancí.
Pokud výnosy vykazují autokorelaci, Rain by ji mohl charakterizovat jako hybnostní akcii, protože minulé výnosy zřejmě ovlivňují budoucí výnosy. Rain provádí regresi s výnosem předchozí obchodní relace jako nezávislou proměnnou a aktuálním výnosem jako závislou proměnnou. Zjistí, že výnosy o den dříve mají pozitivní autokorelaci 0,8.
Protože 0,8 se blíží +1, minulé výnosy se zdají být velmi dobrým pozitivním prediktorem budoucích výnosů pro tuto konkrétní akcii.
Proto může Rain upravit své portfolio tak, aby využilo autokorelaci, neboli hybnosti, a to tím, že bude nadále držet svou pozici nebo bude hromadit další akcie.