Autocorrelación
驴Qu茅 es la autocorrelaci贸n?
La autocorrelaci贸n es una representaci贸n matem谩tica del grado de similitud entre una serie de tiempo determinada y una versi贸n retrasada de s铆 misma en intervalos de tiempo sucesivos. Es conceptualmente similar a la correlaci贸n entre dos series de tiempo diferentes, pero la autocorrelaci贸n usa la misma serie de tiempo dos veces: una vez en su forma original y otra retrasada uno o m谩s per铆odos de tiempo.
Por ejemplo, si llueve hoy, los datos sugieren que es m谩s probable que llueva ma帽ana que si est谩 despejado hoy. Cuando se trata de invertir, una acci贸n puede tener una fuerte autocorrelaci贸n positiva de rendimientos, lo que sugiere que si est谩 "al alza" hoy, es m谩s probable que tambi茅n lo est茅 ma帽ana.
Naturalmente, la autocorrelaci贸n puede ser una herramienta 煤til para los comerciantes; particularmente para los analistas t茅cnicos.
Comprender la autocorrelaci贸n
La autocorrelaci贸n tambi茅n puede denominarse correlaci贸n retrasada o correlaci贸n serial,. ya que mide la relaci贸n entre el valor actual de una variable y sus valores pasados.
Como un ejemplo muy simple, eche un vistazo a los cinco valores porcentuales en el cuadro a continuaci贸n. Los estamos comparando con la columna de la derecha, que contiene el mismo conjunto de valores, solo que subimos una fila.
TTT
Al calcular la autocorrelaci贸n, el resultado puede oscilar entre -1 y +1.
Una autocorrelaci贸n de +1 representa una correlaci贸n positiva perfecta (un aumento visto en una serie de tiempo conduce a un aumento proporcional en la otra serie de tiempo).
Por otro lado, una autocorrelaci贸n de -1 representa una correlaci贸n negativa perfecta (un aumento visto en una serie de tiempo da como resultado una disminuci贸n proporcional en la otra serie de tiempo).
La autocorrelaci贸n mide las relaciones lineales. Incluso si la autocorrelaci贸n es min煤scula, a煤n puede haber una relaci贸n no lineal entre una serie temporal y una versi贸n retrasada de s铆 misma.
Pruebas de autocorrelaci贸n
El m茅todo m谩s com煤n de autocorrelaci贸n de pruebas es la prueba de Durbin-Watson. Sin ser demasiado t茅cnicos, el Durbin-Watson es una estad铆stica que detecta la autocorrelaci贸n a partir de un an谩lisis de regresi贸n.
Durbin-Watson siempre produce un rango de n煤meros de prueba de 0 a 4. Los valores m谩s cercanos a 0 indican un mayor grado de correlaci贸n positiva, los valores m谩s cercanos a 4 indican un mayor grado de autocorrelaci贸n negativa, mientras que los valores m谩s cercanos al medio sugieren menos autocorrelaci贸n.
Entonces, 驴por qu茅 es importante la autocorrelaci贸n en los mercados financieros? Simple. La autocorrelaci贸n se puede aplicar para analizar minuciosamente los movimientos de precios hist贸ricos, que luego los inversores pueden usar para predecir movimientos de precios futuros. Espec铆ficamente, la autocorrelaci贸n se puede usar para determinar si una estrategia comercial de impulso tiene sentido.
Autocorrelaci贸n en An谩lisis T茅cnico
La autocorrelaci贸n puede ser 煤til para el an谩lisis t茅cnico. Esto se debe a que el an谩lisis t茅cnico se ocupa principalmente de las tendencias y las relaciones entre los precios de los valores mediante t茅cnicas de gr谩ficos. Esto contrasta con el an谩lisis fundamental, que se centra en cambio en la salud financiera o la gesti贸n de una empresa.
Los analistas t茅cnicos pueden usar la autocorrelaci贸n para calcular cu谩nto impacto tienen los precios pasados de un valor en su precio futuro.
La autocorrelaci贸n puede ayudar a determinar si hay un factor de impulso en juego con una acci贸n determinada. Si una acci贸n con una autocorrelaci贸n positiva alta registra dos d铆as seguidos de grandes ganancias, por ejemplo, podr铆a ser razonable esperar que la acci贸n suba durante los pr贸ximos dos d铆as tambi茅n.
Ejemplo de Autocorrelaci贸n
Supongamos que Rain busca determinar si los rendimientos de una acci贸n en su cartera exhiben una autocorrelaci贸n; es decir, los rendimientos de las acciones se relacionan con sus rendimientos en sesiones de negociaci贸n anteriores.
Si los rendimientos exhiben autocorrelaci贸n, Rain podr铆a caracterizarla como una acci贸n de impulso porque los rendimientos pasados parecen influir en los rendimientos futuros. Rain ejecuta una regresi贸n con el rendimiento de la sesi贸n de negociaci贸n anterior como variable independiente y el rendimiento actual como variable dependiente. Encuentran que los rendimientos de un d铆a antes tienen una autocorrelaci贸n positiva de 0,8.
Dado que 0,8 est谩 cerca de +1, los rendimientos pasados parecen ser un muy buen predictor positivo de los rendimientos futuros de esta acci贸n en particular.
Por lo tanto, Rain puede ajustar su cartera para aprovechar la autocorrelaci贸n o impulso, manteniendo su posici贸n o acumulando m谩s acciones.
Reflejos
La autocorrelaci贸n mide la relaci贸n entre el valor actual de una variable y sus valores pasados.
Una autocorrelaci贸n de +1 representa una correlaci贸n positiva perfecta, mientras que una autocorrelaci贸n de 1 negativo representa una correlaci贸n negativa perfecta.
La autocorrelaci贸n representa el grado de similitud entre una serie de tiempo dada y una versi贸n retrasada de s铆 misma en intervalos de tiempo sucesivos.
Los analistas t茅cnicos pueden usar la autocorrelaci贸n para medir cu谩nta influencia tienen los precios pasados de un valor en su precio futuro.
