کارولین بانتون دارای بیش از 6 سال تجربه به عنوان نویسنده مستقل مقالات تجاری و مالی است. او همچنین برای Story Terrace بیوگرافی می نویسد.
پگی جیمز یک CPA با بیش از 9 سال تجربه در زمینه حسابداری و امور مالی، از جمله محیط های مالی شرکتی، غیرانتفاعی و شخصی است. او اخیراً در دانشگاه دوک کار کرده است و صاحب پگی جیمز، CPA، PLLC است که به مشاغل کوچک، سازمانهای غیرانتفاعی، کارآفرینان انفرادی، مترجمان آزاد و افراد خدمات میدهد.
سوزان یک بازاریاب محتوا، نویسنده و بررسی کننده واقعیت است. او دارای مدرک لیسانس علوم در امور مالی از دانشگاه ایالتی بریج واتر است و به توسعه استراتژی های محتوا برای برندهای مالی کمک می کند.
Investopedia / NoNo Flores
همبستگی سریال چیست؟
همبستگی سریال در یک سری زمانی اتفاق میافتد که یک متغیر و یک نسخه عقبافتاده از خود (مثلاً یک متغیر در زمانهای T و T-1) مشاهده میشود که در طول دورههای زمانی با یکدیگر همبستگی دارند. زمانی که سطح یک متغیر بر سطح آینده آن تأثیر می گذارد، الگوهای تکراری اغلب همبستگی سریالی را نشان می دهند. در امور مالی، این همبستگی توسط تحلیلگران فنی برای تعیین اینکه قیمت گذشته یک اوراق بهادار چقدر خوب قیمت آینده را پیشبینی میکند، استفاده میشود.
همبستگی سریالی شبیه به مفاهیم آماری همبستگی خودکار یا همبستگی تاخیری است.
خوراکی های کلیدی
- همبستگی سریال رابطه بین یک متغیر معین و یک نسخه عقب افتاده از خودش در بازه های زمانی مختلف است.
- رابطه بین مقدار فعلی متغیر را با توجه به مقادیر گذشته آن اندازه گیری می کند.
- متغیری که به صورت سریالی همبستگی دارد نشان می دهد که ممکن است تصادفی نباشد.
- تحلیلگران فنی الگوهای سودآور یک اوراق بهادار یا گروهی از اوراق بهادار را تأیید می کنند و ریسک مرتبط با فرصت های سرمایه گذاری را تعیین می کنند.
همبستگی سریال توضیح داده شد
همبستگی سریالی در آمار برای توصیف رابطه بین مشاهدات یک متغیر در دوره های خاص استفاده می شود. اگر همبستگی سریالی یک متغیر به صورت صفر اندازه گیری شود، همبستگی وجود ندارد و هر یک از مشاهدات مستقل از یکدیگر هستند. برعکس، اگر همبستگی سریال متغیر به سمت یک منحرف شود، مشاهدات به صورت سریالی همبستگی دارند و مشاهدات آینده تحت تأثیر مقادیر گذشته قرار میگیرند. اساساً متغیری که به صورت سریالی همبستگی دارد دارای یک الگو است و تصادفی نیست.
اصطلاحات خطا زمانی رخ میدهند که یک مدل کاملاً دقیق نباشد و نتایج متفاوتی را در طول برنامههای کاربردی در دنیای واقعی به همراه داشته باشد. هنگامی که عبارات خطا از دوره های مختلف (معمولاً مجاور) (یا مشاهدات مقطعی) همبستگی دارند، عبارت خطا به صورت سریالی همبستگی دارد. همبستگی سریال در مطالعات سری زمانی رخ می دهد که خطاهای مرتبط با یک دوره معین به دوره های آینده منتقل شوند. به عنوان مثال، هنگام پیشبینی رشد سود سهام، برآورد بیش از حد در یک سال منجر به برآورد بیش از حد در سالهای بعدی خواهد شد.
همبستگی سریال میتواند مدلهای معاملاتی شبیهسازیشده را دقیقتر کند، که به سرمایهگذار کمک میکند استراتژی سرمایهگذاری با ریسک کمتری را توسعه دهد.
تجزیه و تحلیل فنی از معیارهای همبستگی سریال در هنگام تجزیه و تحلیل الگوی امنیتی استفاده می کند. تجزیه و تحلیل به طور کامل بر اساس حرکت قیمت سهام و حجم مرتبط است تا مبانی یک شرکت. دست اندرکاران تحلیل تکنیکال، اگر از همبستگی سریالی به درستی استفاده کنند، الگوهای سودآور یا اوراق بهادار یا گروهی از اوراق بهادار و فرصت های سرمایه گذاری لحظه ای را شناسایی و تایید می کنند.
مفهوم همبستگی سریال
همبستگی سریال در ابتدا در مهندسی برای تعیین اینکه چگونه یک سیگنال، مانند سیگنال کامپیوتری یا موج رادیویی، در مقایسه با خودش در طول زمان تغییر میکند، استفاده شد. محبوبیت این مفهوم در محافل اقتصادی افزایش یافت زیرا اقتصاددانان و دست اندرکاران اقتصاد سنجی از این معیار برای تجزیه و تحلیل داده های اقتصادی در طول زمان استفاده کردند.
تقریباً همه مؤسسات مالی بزرگ اکنون دارای تحلیلگران کمی هستند که به عنوان کوانت شناخته می شوند. این تحلیلگران معاملات مالی از تحلیل تکنیکال و دیگر استنباط های آماری برای تحلیل و پیش بینی بازار سهام استفاده می کنند. این مدل سازان تلاش می کنند تا ساختار همبستگی ها را برای بهبود پیش بینی ها و سودآوری بالقوه یک استراتژی شناسایی کنند. علاوه بر این، شناسایی ساختار همبستگی، واقع گرایی هر سری زمانی شبیه سازی شده بر اساس مدل را بهبود می بخشد. شبیه سازی دقیق ریسک استراتژی های سرمایه گذاری را کاهش می دهد.
کوانت ها جزء لاینفک موفقیت بسیاری از این مؤسسات مالی هستند، زیرا آنها مدل های بازار را ارائه می دهند که مؤسسه سپس از آنها به عنوان مبنایی برای استراتژی سرمایه گذاری خود استفاده می کند.
همبستگی سریال در ابتدا در پردازش سیگنال و مهندسی سیستم ها برای تعیین اینکه چگونه یک سیگنال با خودش در طول زمان تغییر می کند، استفاده شد. در دهه 1980، اقتصاددانان و ریاضیدانان به وال استریت هجوم آوردند تا از این مفهوم برای پیش بینی قیمت سهام استفاده کنند.
همبستگی سریال بین این کمیت ها با استفاده از آزمون دوربین واتسون (DW) تعیین می شود. همبستگی می تواند مثبت یا منفی باشد. قیمت سهام که همبستگی سریالی مثبت را نشان می دهد، دارای الگوی مثبت است. اوراق بهاداری که دارای همبستگی سریال منفی است در طول زمان بر روی خود تأثیر منفی می گذارد.