Uudelleenskaalattu alueanalyysi

Mikä on uudelleenskaalatun alueen analyysi?

Uudelleenskaalattu vaihteluvälianalyysi on tilastollinen tekniikka, jota käytetään aikasarjan trendien analysointiin. Brittihydrologi Harold Edwin Hurst kehitti sen ennustamaan Niilin tulvia. Sijoittajat ovat käyttäneet sitä etsiäkseen osakkeiden ja joukkovelkakirjojen hintojen sykliä, malleja ja trendejä,. jotka saattavat toistua tai kääntyä tulevaisuudessa.

Uudelleenskaalatun alueen analyysin ymmärtäminen

Uudelleenskaalatun vaihteluvälianalyysin avulla voidaan havaita ja arvioida pysyvyyden, satunnaisuuden tai keskimääräisen palautumisen määrää rahoitusmarkkinoiden aikasarjatiedoissa. Valuuttakurssit ja osakekurssit eivät seuraa satunnaista kävelyä tai arvaamatonta polkua, kuten ne tapahtuisivat, jos hintamuutokset olisivat toisistaan riippumattomia. Markkinat eivät toisin sanoen ole täysin tehokkaita, mikä tarkoittaa, että sijoittajilla on mahdollisuuksia hyötyä.

Jos tiedoissa on vahva trendi, se kaapataan Hurst-eksponentilla (H-eksponentti), jota voidaan käyttää myös sijoitusrahastojen luokitukseen. H-eksponentti, joka tunnetaan myös pitkän aikavälin riippuvuuden indeksinä, voi ekstrapoloida tiedoille tulevan arvon tai keskiarvon.

Hurst-eksponentti vaihtelee nollan ja yhden välillä, ja se mittaa pysyvyyttä, satunnaisuutta tai keskiarvoa. Aikasarjoilla, jotka näyttävät satunnaisen stokastisen prosessin, H-eksponentit ovat lähellä 0,5. Kun H on suurempi kuin 0,5, tiedoissa on vahva pitkän aikavälin trendi, ja kun H on pienempi kuin 0,5, se todennäköisesti kääntää trendin tarkasteltavana olevan ajanjakson aikana.

H-eksponentit, jotka ovat alle 0,5, tunnetaan myös Joseph-efektinä viitaten raamatulliseen tarinaan seitsemän vuoden yltäkylläisyydestä, jota seuraa seitsemän vuotta nälänhätää. Matalia arvoja seuraa todennäköisesti korkeat arvot tai päinvastoin.

Uudelleenskaalattu alue ja Hurst-eksponentti

Uudelleenskaalattu alueanalyysi arvioi, kuinka aikasarjatietojen vaihtelu muuttuu tarkasteltavan ajanjakson pituuden mukaan. Uudelleenskaalattu alue lasketaan jakamalla kumulatiivisten keskimääräisten mukautettujen datapisteiden alue (maksimiarvo miinus minimiarvo) (kunkin datapisteen summa miinus tietosarjan keskiarvo) arvojen keskihajonnalla samassa osassa Aikasarja.

Kun aikasarjan havaintojen määrä kasvaa, uudelleenskaalattu alue kasvaa. Piirtämällä nämä lisäykset R/S:n logaritmina n:n logaritmin funktiona, voidaan määrittää tämän suoran kaltevuus, joka on Hurst-eksponentti H.

Esimerkkejä uudelleenskaalatun alueen analyysin käyttämisestä

Hurst-eksponenttia voidaan käyttää trendikaupan sijoitusstrategioissa. Sijoittaja etsii osakkeita, jotka osoittavat vahvaa pysyvyyttä. Näiden varastojen H olisi suurempi kuin 0,5. H alle 0,5 voitaisiin yhdistää teknisten indikaattoreiden kanssa spot-hintojen kääntämiseksi. Esimerkiksi sijoittaakseen ajoittaakseen sijoituksensa arvosijoittaja voi etsiä osakkeita, joiden H on alle 0,5 ja joiden hinnat ovat laskeneet jonkin aikaa.

Keskimääräinen palautuskaupankäynti pyrkii hyödyntämään arvopaperin hinnan äärimmäisiä muutoksia olettaen, että se palaa aiempaan tilaan. Algoritmiset kauppiaat käyttävät H-eksponenttia spekuloidakseen keskiarvoon palautuvilla aikasarjastrategioilla, kuten parikaupankäynnillä, jossa kahden omaisuuden välinen ero on keskiarvoon palautuva.

Seuraava kaavio näyttää Hurst-eksponentin 15 jakson liukuvan keskiarvon (MA) SPDR S&P 500 (SPY) -hintakaavion perusteella. MA:ta voidaan säätää, jolloin pidempi MA tasoittaa heilahteluja.

Kauppiaat, jotka haluavat ostaa hinnan nousutrendin aikana, voivat etsiä mahdollisuuksia, joissa H on yli 0,5 ja hinta liikkuu ylöspäin. Tällä tavalla käytettynä indikaattori ei välttämättä tarjoaisi kauppasignaaleja, mutta se voisi auttaa vahvistamaan muita trendin mukaisia kauppasignaaleja.

Ilmaisin ei aina anna hyviä signaaleja. On myös tärkeää huomata, että korkeat H-arvot hinnan laskiessa viittaavat edelleen hinnan laskuun, mikä voi tehdä indikaattorista hieman hämmentävän sitä ensimmäistä kertaa käytettäessä.

Uudelleenskaalatun alueen analyysin ja regressioanalyysin välinen ero

Uudelleenskaalattu alueanalyysi tarkastelee tietosarjaa ja määrittää näiden tietojen pysyvyyden tai keskiarvon palautumisen. Lineaarinen regressio tarkastelee kahta muuttujaa, kuten hintaa ja aikaa, ja löytää tietosarjalle parhaiten sopivan keskipisteen tai rivin. Sitten voidaan lisätä standardipoikkeamakanavia osoittamaan, milloin arvopaperi on mahdollisesti yliostettu tai ylimyyty tietosarjan perusteella. Lineaarinen regressio on osa laajempaa regressioanalyysin alaa.

Uudelleenskaalatun alueen analyysin rajoitukset

Kaupankäyntitarkoituksia varten skaalattu alue on säädetty vaihteluväli jaettuna keskihajonnalla. Nämä laskelmat perustuvat aikaisempiin tietoihin eivätkä ole luonnostaan ennustavia. Elinkeinonharjoittajan on tulkittava uudelleen skaalatun alueen tai Hurst-eksponentin antamat tiedot.

Kaupankäyntiä varten Hurst-indikaattori, joka on johdettu uudelleen skaalatusta alueesta, saattaa toimia joskus, mutta se ei toimi koko ajan. Vahva hintakehitys voitiin kääntyä jyrkästi käänteiseksi, mitä indikaattori ei ennakoinut. Indikaattorin ilmoittamat käännökset eivät myöskään välttämättä kehitty.

Kohokohdat

• Hurst-eksponentti vaihtelee nollan ja yhden välillä.

• Uudelleenskaalattua aluetta voidaan käyttää Hurst-eksponentin laskemiseen, joka voi ekstrapoloida tiedoille tulevan arvon tai keskiarvon.

• Kun Hurst-eksponentti on suurempi kuin 0,5, tiedoissa on vahva pitkän aikavälin trendi, ja kun H on alle 0,5, trendin kääntyminen on todennäköisempää.

• Uudelleenskaalattu alueanalyysi tarkastelee tietosarjoja ja määrittää näiden tietojen pysyvyyden tai keskiarvon palautumissuuntaukset.