Autokorrelation

Was ist Autokorrelation?

Autokorrelation ist eine mathematische Darstellung des Ähnlichkeitsgrades zwischen einer bestimmten Zeitreihe und einer verzögerten Version von sich selbst über aufeinanderfolgende Zeitintervalle. Dies entspricht der Berechnung der Korrelation zwischen zwei verschiedenen Zeitreihen, mit der Ausnahme, dass die Autokorrelation dieselbe Zeitreihe zweimal verwendet: einmal in ihrer ursprünglichen Form und einmal mit einer oder mehreren zeitlichen Verzögerungen.

1:32

Autokorrelation

Grundlegendes zur Autokorrelation

Autokorrelation kann auch als verzögerte Korrelation oder serielle Korrelation bezeichnet werden, da sie die Beziehung zwischen dem aktuellen Wert einer Variablen und ihren früheren Werten misst. Bei der Berechnung der Autokorrelation kann die resultierende Ausgabe in Übereinstimmung mit der herkömmlichen Korrelationsstatistik von 1 bis 1 negativ sein. Eine Autokorrelation von +1 stellt eine perfekte positive Korrelation dar (ein Anstieg in einer Zeitreihe führt zu einem proportionalen Anstieg in der anderen Zeitreihe). Eine Autokorrelation von negativ 1 stellt andererseits eine perfekte negative Korrelation dar (eine Zunahme in einer Zeitreihe führt zu einer proportionalen Abnahme in der anderen Zeitreihe). Autokorrelation misst lineare Beziehungen; Selbst wenn die Autokorrelation winzig ist, kann es dennoch zu einer nichtlinearen Beziehung zwischen einer Zeitreihe und einer verzögerten Version von sich selbst kommen.

Die zentralen Thesen

• Die Autokorrelation repräsentiert den Ähnlichkeitsgrad zwischen einer bestimmten Zeitreihe und einer verzögerten Version von sich selbst über aufeinanderfolgende Zeitintervalle.
• Die Autokorrelation misst die Beziehung zwischen dem aktuellen Wert einer Variablen und ihren vergangenen Werten.
• Eine Autokorrelation von +1 stellt eine perfekte positive Korrelation dar, während eine Autokorrelation von 1 eine perfekte negative Korrelation darstellt.
• Technische Analysten können mithilfe der Autokorrelation feststellen, wie stark sich die vergangenen Kurse eines Wertpapiers auf den zukünftigen Kurs auswirken.

Autokorrelation in der Technischen Analyse

Autokorrelation kann für technische Analysen nützlich sein, die sich hauptsächlich mit den Trends und Beziehungen zwischen Wertpapierkursen befassen, die Diagrammtechniken anstelle der finanziellen Gesundheit oder des Managements eines Unternehmens verwenden. Technische Analysten können mithilfe der Autokorrelation feststellen, wie stark sich die vergangenen Kurse eines Wertpapiers auf den zukünftigen Kurs auswirken.

Die Autokorrelation kann anzeigen, ob mit einer Aktie ein Momentumfaktor verbunden ist. Wenn Anleger beispielsweise wissen, dass eine Aktie einen historisch hohen positiven Autokorrelationswert aufweist und in den letzten Tagen beträchtliche Gewinne zu verzeichnen hat, können sie davon ausgehen, dass die Bewegungen in den kommenden Tagen (die wichtigsten Zeitreihen) diesen entsprechen der nacheilenden Zeitreihe und nach oben zu bewegen.

Beispiel für Autokorrelation

Nehmen wir an, Emma prüft, ob die Renditen einer Aktie in ihrem Portfolio eine Autokorrelation aufweisen. Die Renditen der Aktie beziehen sich auf die Renditen in früheren Handelssitzungen. Wenn die Renditen eine Autokorrelation aufweisen, könnte Emma sie als Momentum-Aktie charakterisieren, da vergangene Renditen die zukünftigen Renditen zu beeinflussen scheinen. Emma führt eine Regression mit den Renditen von zwei vorherigen Handelssitzungen als unabhängige Variablen und der aktuellen Rendite als abhängige Variable durch. Sie stellt fest, dass Retouren am Vortag eine positive Autokorrelation von 0, 7 aufweisen, während die Retouren am Vortag eine positive Autokorrelation von 0, 3 aufweisen. Vergangene Renditen scheinen die zukünftigen Renditen zu beeinflussen. Daher kann Emma ihr Portfolio anpassen, um die Autokorrelation und die daraus resultierende Dynamik zu nutzen, indem sie ihre Position beibehält oder weitere Aktien ansammelt.

Vergleich von Anlagekonten Name des Anbieters Beschreibung Angaben zum Werbetreibenden × Die in dieser Tabelle aufgeführten Angebote stammen von Partnerschaften, von denen Investopedia eine Vergütung erhält.

Verwandte Begriffe

Grundlegendes zur Durbin Watson-Statistik Die Durbin Watson-Statistik ist eine Zahl, die die Autokorrelation der Residuen aus einer statistischen Regressionsanalyse überprüft. mehr Wie sich serielle Korrelationen auf Lagerbewegungen auswirken Serielle Korrelationen sind die Beziehungen zwischen einer Variablen und einer verzögerten Version von sich selbst über verschiedene Zeitintervalle. Es wird häufig von Finanzanalysten verwendet, um zu bestimmen, wie gut der vergangene Preis eines Wertpapiers den zukünftigen Preis vorhersagt. mehr Definition des Korrelationskoeffizienten Der Korrelationskoeffizient ist ein statistisches Maß, das die Stärke der Beziehung zwischen den relativen Bewegungen zweier Variablen berechnet. weiter Verallgemeinerte AutoRegressive Bedingte Heteroskedastizität (GARCH) Definition Die verallgemeinerte AutoRegressive Bedingte Heteroskedastizität (GARCH) ist ein statistisches Modell zur Schätzung der Volatilität von Aktienrenditen. mehr Was ist der Pearson-Koeffizient? Der Pearson-Koeffizient ist eine Art Korrelationskoeffizient, der die Beziehung zwischen zwei Variablen darstellt, die im selben Intervall gemessen werden. mehr Funktionsweise der multiplen linearen Regression Die multiple lineare Regression (MLR) ist eine statistische Technik, die mehrere erklärende Variablen verwendet, um das Ergebnis einer Antwortvariablen vorherzusagen. mehr Partner Links