Serielle Korrelation
Serielle Korrelation ist die Beziehung zwischen einer Variablen und einer verzögerten Version von sich selbst über verschiedene Zeitintervalle. Wiederholte Muster zeigen häufig eine serielle Korrelation, wenn sich die Ebene einer Variablen auf die zukünftige Ebene auswirkt. In der Finanzbranche wird diese Korrelation von technischen Analysten verwendet, um zu bestimmen, wie gut der vergangene Preis eines Wertpapiers den zukünftigen Preis vorhersagt.
Serielle Korrelation wird auch als Autokorrelation oder verzögerte Korrelation bezeichnet.
Die zentralen Thesen
- Serielle Korrelation ist die Beziehung zwischen einer gegebenen Variablen und einer verzögerten Version von sich selbst über verschiedene Zeitintervalle.
- Eine seriell korrelierte Variable hat ein Muster und ist nicht zufällig.
- Technische Analysten validieren die Rentabilitätsmuster eines Wertpapiers oder einer Gruppe von Wertpapieren und bestimmen das mit Anlagechancen verbundene Risiko.
Serielle Korrelation dekonstruiert
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, gibt es keine Korrelation und jede der Beobachtungen ist unabhängig voneinander. Wenn umgekehrt die serielle Korrelation einer Variablen in Richtung eins abweicht, werden die Beobachtungen seriell korreliert und zukünftige Beobachtungen werden durch vergangene Werte 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. Serielle Korrelation tritt in Zeitreihenstudien auf, wenn die Fehler, die mit einem bestimmten Zeitraum verbunden sind, in zukünftige Zeiträume übertragen werden. Wenn Sie beispielsweise das Wachstum der Aktiendividenden prognostizieren, führt eine Überschätzung in einem Jahr in den folgenden Jahren zu einer Überschätzung.
Durch die serielle Korrelation können simulierte Handelsmodelle genauer werden, wodurch der Anleger eine weniger riskante Anlagestrategie entwickeln kann.
Bei der technischen Analyse werden bei der Analyse des Musters eines Wertpapiers serielle Korrelationsmaße verwendet. 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 rentablen Muster oder ein Wertpapier oder eine Gruppe von Wertpapieren und Spot-Anlagemöglichkeiten.
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 Zeitverlauf im Vergleich zu sich selbst ändert. Das Konzept wurde in Wirtschaftskreisen immer beliebter, da Ökonomen und Praktiker der Ökonometrie die Maßnahme verwendeten, um Wirtschaftsdaten im Laufe der Zeit zu analysieren.
Fast alle großen Finanzinstitute beschäftigen inzwischen quantitative Analysten, sogenannte Quants. Diese Finanzhandelsanalysten verwenden technische Analysen und andere statistische Rückschlüsse, 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 das Ermitteln der Korrelationsstruktur den Realismus simulierter Zeitreihen auf der Grundlage des Modells. Genaue Simulationen reduzieren das Risiko von Anlagestrategien.
Quants sind für den Erfolg vieler dieser Finanzinstitute von entscheidender Bedeutung, da sie Marktmodelle liefern, die das Institut dann als Grundlage für seine Anlagestrategie verwendet.
Die serielle Korrelation wurde ursprünglich in der Signalverarbeitung und in der Systemtechnik verwendet, um zu bestimmen, wie sich ein Signal mit der Zeit ändert. In den 1980er Jahren eilten Wirtschaftswissenschaftler und Mathematiker an die Wall Street, um das Konzept zur Vorhersage der Aktienkurse anzuwenden.
Die serielle Korrelation zwischen diesen Quanten wird unter Verwendung des Durbin-Watson-Tests bestimmt. Die Korrelation kann entweder positiv oder negativ sein. Ein Aktienkurs mit einer positiven seriellen Korrelation weist ein positives Muster auf. Eine Sicherheit, die eine negative serielle Korrelation aufweist, wirkt sich im Laufe der Zeit negativ auf sich selbst aus.
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.