Zeitfolgen

Was ist eine Zeitreihe?

Eine Zeitreihe ist eine Folge von Datenpunkten, die über einen bestimmten Zeitraum nacheinander auftreten. Dem stehen Querschnittsdaten gegenüber,. die einen Zeitpunkt erfassen.

Beim Investieren verfolgt eine Zeitreihe die Bewegung der ausgewählten Datenpunkte, wie z. B. den Preis eines Wertpapiers, über einen bestimmten Zeitraum, wobei Datenpunkte in regelmäßigen Abständen aufgezeichnet werden. Es gibt keinen Mindest- oder Höchstzeitraum, der berücksichtigt werden muss, damit die Daten so gesammelt werden können, dass sie die Informationen liefern, nach denen der Investor oder Analyst, der die Aktivität untersucht, suchen.

Zeitreihen verstehen

Eine Zeitreihe kann für jede Variable erstellt werden, die sich im Laufe der Zeit ändert. Beim Investieren ist es üblich, eine Zeitreihe zu verwenden, um den Preis eines Wertpapiers im Laufe der Zeit zu verfolgen. Dies kann kurzfristig verfolgt werden, wie z. B. der Kurs eines Wertpapiers zur vollen Stunde im Laufe eines Geschäftstages, oder langfristig, wie z. B. der Kurs eines Wertpapiers zum Handelsschluss am letzten Tag jedes Monats über den Lauf von fünf Jahren.

Die Zeitreihenanalyse kann nützlich sein, um zu sehen, wie sich ein bestimmter Vermögenswert, ein bestimmtes Wertpapier oder eine wirtschaftliche Variable im Laufe der Zeit verändert. Es kann auch verwendet werden, um zu untersuchen, wie die mit dem ausgewählten Datenpunkt verbundenen Änderungen im Vergleich zu Verschiebungen anderer Variablen im gleichen Zeitraum sind.

Zeitreihen werden auch in mehreren nichtfinanziellen Kontexten verwendet, beispielsweise zur Messung der Bevölkerungsveränderung im Laufe der Zeit. Die folgende Abbildung zeigt eine solche Zeitreihe für das Wachstum der US-Bevölkerung im Laufe des Jahrhunderts von 1900 bis 2000.

Zeitreihenanalyse

Angenommen, Sie möchten eine Zeitreihe täglicher Aktienschlusskurse für eine bestimmte Aktie über einen Zeitraum von einem Jahr analysieren. Sie würden eine Liste aller Schlusskurse für die Aktie von jedem Tag für das vergangene Jahr erhalten und sie in chronologischer Reihenfolge auflisten. Dies wäre eine einjährige tägliche Schlusskurszeitreihe für die Aktie.

Wenn Sie etwas tiefer eintauchen, können Sie Zeitreihendaten mit technischen Analysetools analysieren, um festzustellen, ob die Zeitreihe der Aktie Saisonalität aufweist. Dies hilft festzustellen, ob die Aktie jedes Jahr zu regelmäßigen Zeiten Hochs und Tiefs durchläuft. Eine Analyse in diesem Bereich würde es erfordern, die beobachteten Preise zu nehmen und sie mit einer ausgewählten Saison in Beziehung zu setzen. Dies kann traditionelle Kalendersaisonen wie Sommer und Winter oder Einzelhandelssaisonen wie Ferienzeiten umfassen.

Alternativ können Sie die Aktienkursänderungen einer Aktie in Bezug auf eine wirtschaftliche Variable wie die Arbeitslosenquote aufzeichnen. Indem Sie die Datenpunkte mit Informationen in Bezug auf die ausgewählte wirtschaftliche Variable korrelieren, können Sie Muster in Situationen beobachten, die eine Abhängigkeit zwischen den Datenpunkten und der ausgewählten Variablen aufweisen.

Ein potenzielles Problem bei Zeitreihendaten besteht darin, dass es, da jede Variable von ihrem vorherigen Zustand oder Wert abhängig ist, zu einer starken Autokorrelation kommen kann, die die Ergebnisse verfälschen kann.

Zeitreihenprognose

Zeitreihenprognosen verwenden Informationen zu historischen Werten und zugehörigen Mustern, um zukünftige Aktivitäten vorherzusagen. Am häufigsten betrifft dies Trendanalysen, zyklische Schwankungsanalysen und Fragen der Saisonalität. Wie bei allen Prognosemethoden ist der Erfolg nicht garantiert.

Das Box-Jenkins-Modell ist beispielsweise eine Technik, die entwickelt wurde, um Datenbereiche basierend auf Eingaben aus einer bestimmten Zeitreihe vorherzusagen. Es prognostiziert Daten anhand von drei Prinzipien: Autoregression,. Differenzbildung und gleitende Durchschnitte. Diese drei Prinzipien sind als p, d bzw. q bekannt. Jedes Prinzip wird in der Box-Jenkins-Analyse verwendet und gemeinsam als autoregressiver integrierter gleitender Durchschnitt oder ARIMA (p, d, q) dargestellt. ARIMA kann beispielsweise verwendet werden, um Aktienkurse oder Gewinnwachstum zu prognostizieren.

Eine andere Methode, bekannt als rescaled range analysis,. kann verwendet werden, um die Menge an Persistenz, Zufälligkeit oder Mean Reversion in Zeitreihendaten zu erkennen und auszuwerten. Der neu skalierte Bereich kann verwendet werden, um einen zukünftigen Wert oder Durchschnitt für die Daten zu extrapolieren, um zu sehen, ob ein Trend stabil ist oder sich wahrscheinlich umkehren wird.

Querschnitt vs. Zeitreihenanalyse

Die Querschnittsanalyse ist eine der beiden übergreifenden Vergleichsmethoden der Aktienanalyse. Bei der Querschnittsanalyse werden Daten betrachtet, die zu einem einzigen Zeitpunkt und nicht über einen bestimmten Zeitraum erhoben wurden. Die Analyse beginnt mit der Festlegung von Forschungszielen und der Definition der Variablen, die ein Analyst messen möchte. Der nächste Schritt besteht darin, den Querschnitt, beispielsweise eine Gruppe von Peers oder eine Branche, zu identifizieren und den konkreten Zeitpunkt der Bewertung festzulegen. Der letzte Schritt besteht darin, auf der Grundlage des Querschnitts und der Variablen eine Analyse durchzuführen und zu einer Schlussfolgerung über die Leistung eines Unternehmens oder einer Organisation zu kommen. Im Wesentlichen zeigt eine Querschnittsanalyse einem Investor, welches Unternehmen angesichts der Kennzahlen, die ihm wichtig sind, am besten geeignet ist.

Die Zeitreihenanalyse, im technischen Handel als Trendanalyse bekannt , konzentriert sich auf ein einzelnes Wertpapier im Zeitverlauf. In diesem Fall wird der Preis im Kontext seiner bisherigen Wertentwicklung beurteilt. Die Zeitreihenanalyse zeigt einem Investor anhand der Maßnahmen, die ihm wichtig sind, ob es dem Unternehmen besser oder schlechter geht als zuvor. Oft sind dies Klassiker wie Gewinn pro Aktie (EPS), Verschuldungsgrad, freier Cashflow (FCF) und so weiter. In der Praxis werden Anleger meist eine Kombination aus Zeitreihenanalyse und Querschnittsanalyse verwenden, bevor sie eine Entscheidung treffen. Betrachten Sie zum Beispiel das EPS im Laufe der Zeit und überprüfen Sie dann auch den Branchen-Benchmark EPS.

Höhepunkte

• Obwohl Querschnittsdaten als das Gegenteil von Zeitreihen angesehen werden, werden beide in der Praxis häufig zusammen verwendet.

• Prognosemethoden mit Zeitreihen werden sowohl in der fundamentalen als auch in der technischen Analyse verwendet.

• Die Zeitreihenanalyse kann nützlich sein, um zu sehen, wie sich ein bestimmter Vermögenswert, ein bestimmtes Wertpapier oder eine wirtschaftliche Variable im Laufe der Zeit verändert.

• Eine Zeitreihe ist ein Datensatz, der eine Probe über die Zeit verfolgt.

• Insbesondere erlaubt eine Zeitreihe zu sehen, welche Faktoren bestimmte Variablen von Periode zu Periode beeinflussen.

FAQ

Wie analysiert man Zeitreihendaten?

Statistische Techniken können verwendet werden, um Zeitreihendaten auf zwei Arten zu analysieren: um Rückschlüsse darauf zu ziehen, wie eine oder mehrere Variablen eine interessierende Variable im Laufe der Zeit beeinflussen, oder um zukünftige Trends vorherzusagen. Im Gegensatz zu Querschnittsdaten, die im Wesentlichen ein Teil einer Zeitreihe sind, ermöglicht der Zeitpfeil einem Analysten, plausiblere kausale Behauptungen aufzustellen.

Wie werden Zeitreihen beim Data Mining verwendet?

Data Mining ist ein Prozess, der Unmengen von Rohdaten in nützliche Informationen umwandelt. Durch den Einsatz von Software zur Suche nach Mustern in großen Datenmengen können Unternehmen mehr über ihre Kunden erfahren, um effektivere Marketingstrategien zu entwickeln, den Umsatz zu steigern und die Kosten zu senken. Zeitreihen, wie z. B. historische Aufzeichnungen von Unternehmensunterlagen oder Jahresabschlüssen, sind hier besonders nützlich, um Trends und Muster zu identifizieren, die in die Zukunft prognostiziert werden können.

Was sind einige Beispiele für Zeitreihen?

Eine Zeitreihe kann aus beliebigen Daten erstellt werden, die im Laufe der Zeit in gleichmäßigen Abständen gemessen werden. Historische Aktienkurse, Gewinne, BIP oder andere Sequenzen von Finanz- oder Wirtschaftsdaten können als Zeitreihen analysiert werden.

Was ist der Unterschied zwischen Querschnitts- und Zeitreihendaten?

Ein Querschnitt betrachtet einen einzelnen Zeitpunkt, was nützlich ist, um die Wirkung verschiedener Faktoren aufeinander zu vergleichen und zu analysieren oder eine Stichprobe zu beschreiben. Bei Zeitreihen handelt es sich um wiederholte Stichproben derselben Daten im Laufe der Zeit. In der Praxis werden häufig beide Analyseformen verwendet; und wenn verfügbar, zusammen verwendet werden.