Autocorelare

Ce este autocorelarea?

Autocorelația este o reprezentare matematică a gradului de asemănare între o serie de timp dată și o versiune decalată a acesteia pe intervale de timp succesive. Este similar din punct de vedere conceptual cu corelația dintre două serii de timp diferite, dar autocorelația utilizează aceeași serie de timp de două ori: o dată în forma sa originală și o dată întârziată una sau mai multe perioade de timp. 

De exemplu, dacă astăzi este ploios, datele sugerează că mâine este mai probabil să plouă decât dacă azi este senin. Când vine vorba de investiții, o acțiune ar putea avea o autocorelare pozitivă puternică a rentabilităților, sugerând că, dacă este „în sus” astăzi, este mai probabil să crească și mâine.

Bineînțeles, autocorelația poate fi un instrument util pe care comercianții îl pot utiliza; în special pentru analiștii tehnici.

Chei de luat masa

• Autocorelația reprezintă gradul de asemănare între o anumită serie de timp și o versiune decalată a acesteia pe intervale de timp succesive.
• Autocorelația măsoară relația dintre valoarea curentă a unei variabile și valorile sale anterioare.
• O autocorelație de +1 reprezintă o corelație pozitivă perfectă, în timp ce o autocorelație de 1 negativă reprezintă o corelație negativă perfectă.
• Analiștii tehnici pot utiliza corelarea automată pentru a măsura cât de mult influențează prețurile anterioare pentru un titlu asupra prețului său viitor.

Înțelegerea autocorelării

Autocorelația poate fi denumită și corelație întârziată sau corelație serială, deoarece măsoară relația dintre valoarea curentă a unei variabile și valorile sale anterioare.

Ca un exemplu foarte simplu, aruncați o privire la cele cinci valori procentuale din graficul de mai jos. Le comparăm cu coloana din dreapta, care conține același set de valori, doar mutat în sus un rând.

La calcularea corelării automate, rezultatul poate varia de la -1 la +1.

O autocorelație de +1 reprezintă o corelație pozitivă perfectă   (o creștere observată într-o serie de timp conduce la o creștere proporțională în cealaltă serie de timp).

Pe de altă parte, o autocorelație de -1 reprezintă o corelație negativă perfectă   (o creștere observată într-o serie de timp are ca rezultat o scădere proporțională în cealaltă serie de timp).

Autocorelația măsoară relațiile liniare. Chiar dacă autocorelația este minusculă, poate exista totuși o relație neliniară între o serie de timp și o versiune întârziată a sa.

Testarea autocorelării

Cea mai comună metodă de autocorelare a testului este testul Durbin-Watson. Fără a fi prea tehnic, Durbin-Watson este o statistică care detectează autocorelația dintr-o analiză de regresie.

Durbin-Watson produce întotdeauna un interval de număr de testare de la 0 la 4. Valorile mai apropiate de 0 indică un grad mai mare de corelație pozitivă, valorile mai apropiate de 4 indică un grad mai mare de autocorelație negativă, în timp ce valorile mai apropiate de mijloc sugerează o autocorelație mai mică.

Deci, de ce este importantă autocorelarea pe piețele financiare? Simplu. Autocorelația poate fi aplicată pentru a analiza în detaliu mișcările istorice ale prețurilor, pe care investitorii le pot folosi pentru a prezice viitoarele mișcări ale prețurilor. Mai exact, autocorelația poate fi utilizată pentru a determina dacă o strategie de tranzacționare cu impuls are sens.

Autocorelația în analiza tehnică

Autocorelarea poate fi utilă pentru analiza tehnică, deoarece analiza tehnică este cel mai preocupată de tendințele și relațiile dintre prețurile de securitate utilizând tehnici de graficare. Acest lucru este în contrast cu analiza fundamentală, care se concentrează în schimb pe sănătatea sau managementul financiar al unei companii.

Analiștii tehnici pot utiliza corelarea automată pentru a afla cât de mult au un impact asupra prețurilor sale viitoare pentru un titlu.

Autocorelația poate ajuta la determinarea dacă există un factor de impuls în joc cu un stoc dat. Dacă un stoc cu o autocorelație pozitivă ridicată afișează două zile consecutive de câștiguri mari, de exemplu, ar putea fi rezonabil să ne așteptăm ca stocul să crească și în următoarele două zile.

Exemplu de autocorelare

Să presupunem că Emma caută să stabilească dacă randamentele unei acțiuni din portofoliul său prezintă autocorelare; adică randamentele acțiunii se referă la randamentele sale din sesiunile de tranzacționare anterioare.

Dacă randamentele prezintă autocorelare, Emma ar putea să o caracterizeze ca un stoc de impuls, deoarece randamentele din trecut par să influențeze randamentele viitoare. Emma execută o regresie cu randamentul sesiunii de tranzacționare anterioare ca variabilă independentă și randamentul curent ca variabilă dependentă. Ea constată că revenirile cu o zi înainte au o autocorelație pozitivă de 0,8.

Deoarece 0,8 este aproape de +1, randamentele din trecut par a fi un predictor pozitiv foarte bun al randamentelor viitoare pentru acest stoc special.

Prin urmare, Emma își poate regla portofoliul pentru a profita de autocorelație sau impuls, continuând să își dețină poziția sau acumulând mai multe acțiuni.