Serie temporali
Che cos'è una serie temporale?
Una serie temporale è una sequenza di punti dati che si verificano in ordine successivo in un determinato periodo di tempo. Questo può essere contrastato con i dati trasversali,. che catturano un punto nel tempo.
Nell'investire, una serie temporale tiene traccia del movimento dei punti dati scelti, come il prezzo di un titolo, in un determinato periodo di tempo con punti dati registrati a intervalli regolari. Non c'è un tempo minimo o massimo che deve essere incluso, consentendo la raccolta dei dati in modo da fornire le informazioni ricercate dall'investitore o dall'analista che esamina l'attività.
Capire le serie temporali
Una serie temporale può essere presa su qualsiasi variabile che cambia nel tempo. Nell'investire, è comune utilizzare una serie temporale per tenere traccia del prezzo di un titolo nel tempo. Questo può essere monitorato a breve termine, come il prezzo di un titolo nell'ora nel corso di un giorno lavorativo, o a lungo termine, come il prezzo di un titolo alla chiusura l'ultimo giorno di ogni mese nel corso del corso di cinque anni.
L'analisi delle serie temporali può essere utile per vedere come una determinata risorsa, titolo o variabile economica cambia nel tempo. Può anche essere utilizzato per esaminare come le modifiche associate al punto dati scelto si confrontano con le variazioni di altre variabili nello stesso periodo di tempo.
Le serie temporali vengono utilizzate anche in diversi contesti non finanziari, come la misurazione del cambiamento della popolazione nel tempo. La figura seguente mostra una serie temporale di questo tipo per la crescita della popolazione degli Stati Uniti nel corso del secolo dal 1900 al 2000.
Analisi delle serie temporali
Si supponga di voler analizzare una serie temporale di prezzi di chiusura giornalieri delle azioni per un determinato titolo in un periodo di un anno. Otterresti un elenco di tutti i prezzi di chiusura per il titolo di ogni giorno dell'anno passato e li elencherai in ordine cronologico. Questa sarebbe una serie temporale di prezzo di chiusura giornaliera di un anno per il titolo.
Approfondindo un po', potresti analizzare i dati delle serie temporali con strumenti di analisi tecnica per sapere se le serie temporali del titolo mostrano una stagionalità. Ciò contribuirà a determinare se lo stock attraversa picchi e depressioni a intervalli regolari ogni anno. L'analisi in quest'area richiederebbe di prendere i prezzi osservati e di correlarli a una stagione prescelta. Ciò può includere le stagioni del calendario tradizionali, come l'estate e l'inverno, o le stagioni di vendita al dettaglio, come le festività natalizie.
In alternativa, puoi registrare le variazioni del prezzo delle azioni di un'azione in relazione a una variabile economica, come il tasso di disoccupazione. Correlando i punti dati con le informazioni relative alla variabile economica selezionata, è possibile osservare i modelli in situazioni che mostrano dipendenza tra i punti dati e la variabile scelta.
Un potenziale problema con i dati delle serie temporali è che, poiché ogni variabile dipende dal suo stato o valore precedente, può esserci una grande quantità di autocorrelazione,. che può influenzare i risultati.
Previsione di serie temporali
La previsione delle serie temporali utilizza le informazioni relative ai valori storici e ai modelli associati per prevedere l'attività futura. Molto spesso, si tratta di analisi delle tendenze, analisi delle fluttuazioni cicliche e problemi di stagionalità. Come con tutti i metodi di previsione, il successo non è garantito.
Il modello Box-Jenkins,. ad esempio, è una tecnica progettata per prevedere intervalli di dati basati sugli input di una serie temporale specificata. Prevede i dati utilizzando tre principi, autoregressione,. differenziazione e medie mobili. Questi tre principi sono noti rispettivamente come p, d e q. Ciascun principio viene utilizzato nell'analisi di Box-Jenkins e insieme vengono mostrati collettivamente come media mobile integrata autoregressiva o ARIMA (p, d, q). ARIMA può essere utilizzato, ad esempio, per prevedere i prezzi delle azioni o la crescita degli utili.
Un altro metodo, noto come analisi dell'intervallo ridimensionato,. può essere utilizzato per rilevare e valutare la quantità di persistenza, casualità o inversione della media nei dati delle serie temporali. L'intervallo ridimensionato può essere utilizzato per estrapolare un valore futuro o una media per i dati per vedere se una tendenza è stabile o probabile che si inverta.
Analisi trasversali rispetto a serie temporali
L'analisi trasversale è uno dei due metodi di confronto generali per l'analisi delle scorte. L'analisi trasversale esamina i dati raccolti in un singolo momento, piuttosto che in un periodo di tempo. L'analisi inizia con la definizione degli obiettivi di ricerca e la definizione delle variabili che un analista vuole misurare. Il passaggio successivo consiste nell'identificare la sezione trasversale, ad esempio un gruppo di colleghi o un settore, e impostare il momento specifico da valutare. Il passaggio finale è condurre un'analisi, basata sulla sezione trasversale e sulle variabili, e giungere a una conclusione sulla performance di un'azienda o di un'organizzazione. In sostanza, l'analisi trasversale mostra a un investitore quale azienda è la migliore in base alle metriche a cui tiene.
serie temporali, nota come analisi delle tendenze quando si applica al trading tecnico, si concentra su un singolo titolo nel tempo. In questo caso, il prezzo viene giudicato nel contesto della sua performance passata. L'analisi delle serie temporali mostra a un investitore se l'azienda sta andando meglio o peggio di prima in base alle misure a cui tiene. Spesso questi saranno classici come l'utile per azione (EPS), il debito in capitale proprio, il flusso di cassa libero (FCF) e così via. In pratica, gli investitori utilizzeranno solitamente una combinazione di analisi delle serie temporali e analisi trasversali prima di prendere una decisione. Ad esempio, guardando l'EPS nel tempo e quindi controllando anche l'EPS di riferimento del settore.
Mette in risalto
Sebbene i dati trasversali siano visti come l'opposto delle serie temporali, nella pratica i due sono spesso usati insieme.
I metodi di previsione che utilizzano le serie temporali sono utilizzati sia nell'analisi fondamentale che in quella tecnica.
L'analisi delle serie temporali può essere utile per vedere come un determinato bene, titolo o variabile economica cambia nel tempo.
Una serie temporale è un insieme di dati che traccia un campione nel tempo.
In particolare, una serie storica permette di vedere quali fattori influenzano determinate variabili da un periodo all'altro.
FAQ
Come si analizzano i dati delle serie temporali?
Le tecniche statistiche possono essere utilizzate per analizzare i dati delle serie temporali in due modi chiave: per generare inferenze su come una o più variabili influenzano alcune variabili di interesse nel tempo, o per prevedere le tendenze future. A differenza dei dati trasversali, che sono essenzialmente una fetta di una serie temporale, la freccia del tempo consente a un analista di fare affermazioni causali più plausibili.
Come vengono utilizzate le serie temporali nel data mining?
Il data mining è un processo che trasforma risme di dati grezzi in informazioni utili. Utilizzando il software per cercare modelli in grandi batch di dati, le aziende possono saperne di più sui propri clienti per sviluppare strategie di marketing più efficaci, aumentare le vendite e ridurre i costi. Le serie temporali, come un record storico di documenti aziendali o rendiconti finanziari, sono particolarmente utili in questo caso per identificare tendenze e modelli che possono essere previsti per il futuro.
Quali sono alcuni esempi di serie storiche?
Una serie temporale può essere costruita da qualsiasi dato misurato nel tempo a intervalli equidistanti. I prezzi storici delle azioni, gli utili, il PIL o altre sequenze di dati finanziari o economici possono essere analizzati come serie temporali.
Qual è la distinzione tra dati trasversali e dati di serie temporali?
Una sezione trasversale esamina un singolo momento, utile per confrontare e analizzare l'effetto di diversi fattori l'uno sull'altro o per descrivere un campione. Le serie temporali implicano il campionamento ripetuto degli stessi dati nel tempo. In pratica sono comunemente utilizzate entrambe le forme di analisi; e quando disponibili, vengono utilizzati insieme.
