Detrend
Hvad er en detrend?
En detrend involverer at fjerne effekterne af trend fra et datasæt for kun at vise forskellene i værdier fra trenden; det gør det muligt at identificere cykliske og andre mønstre. Detrending kan udføres ved hjælp af regressionsanalyse og andre statistiske teknikker. Detrending viser et andet aspekt af tidsseriedata ved at fjerne deterministiske og stokastiske tendenser.
En af de mest almindelige anvendelser af detrending er i et datasæt, der viser en form for samlet stigning. At afskrække dataene vil give dig mulighed for at se eventuelle potentielle subtrends, hvilket kan være utroligt nyttigt til videnskabelig, finansiel, salgs- og marketingundersøgelse over hele linjen.
Sådan fungerer en Detrend
Hvis du fjerner en tendens fra dit datasæt, kan du i stedet fokusere på udsvingene og identificere en række vigtige faktorer. Denne form for afskrækkelse bruges i handelen til at identificere eventuelle cykliske kursudsving i en aktie, som derefter kan bruges til at hjælpe med at positionere ind- og udstigning. En detrended price oscillator (DPO) er et almindeligt værktøj, som tekniske investorer og handlende vil bruge til dette formål. Detrending bruges også i salg og marketing til at fremhæve måned-til-måned ændringer i salget uden distraktion af de samlede mængder.
Når en forsker eller økonom afviser et bestemt datasæt, gør de det typisk for at fjerne et aspekt, der ser ud til at forårsage en form for forvrængning i det endelige resultat. Økonomiske modeller kan afvises med tendensen, der derefter tilføjes tilbage i modellen som en anden inputvariabel for at teste forskellige sammenhænge mellem dataene.
Typer af afskrækkelse
Der er mange metoder ud over detrended prisoscillatorer, der kan bruges til at afskrække, selvom nogle af dem er langt mere komplekse og svære at bruge. Et par af de alternative muligheder er kvadratisk afskrækkelse ved at bruge Baxter-King-filteret (kun til bevægelige gennemsnitlige trendlinjer) og ved at bruge Hodrick-Prescott-filteret (kun for cykliske komponenter i en bestemt tidsserie).
Hvilken metode, der er den bedste for projektet og de aktuelle data, vil afhænge af adskillige individuelle faktorer, herunder det særlige studieområde, og hvorvidt dataene er lineært korrelerede. Muligheden for at afskrække hurtigt og effektivt er inkluderet i de fleste statistiske softwarepakker, der er tilgængelige og udbredte i dag.
Krav til en Detrend
Før detrend kan forekomme, skal den særlige klasse af tendensen identificeres for at bestemme den mest passende metode, der skal anvendes. Selvom der er mange forskellige slags trends, forekommer de typisk inden for kun to forskellige klasser. Disse klasser er deterministiske tendenser og stokastiske tendenser.
De deterministiske tendenser falder eller stiger konsekvent, og de stokastiske tendenser falder eller stiger inkonsekvent. Deterministiske tendenser er ofte lettere at identificere og afskrække, da de er lidt mere forudsigelige og pålidelige, men der er også metoder til at håndtere stokastiske tendenser. Identifikation af trend, især en stokastisk tendens, kan være en subjektiv øvelse og kan resultere i unøjagtigheder i modelleringen og de konklusioner eller forudsigelser, der drages derfra.
Højdepunkter
Før afskrækkelse kan forekomme, skal typen af trend identificeres.
En detrended prisoscillator er en almindelig metode til at afskrække prishandling, som bruges af handlende.
Der er typisk to klasser af tendenser: deterministiske og stokastiske. Deterministiske tendenser viser konsistente og vedvarende stigninger og fald, mens stokastiske tendenser stiger og falder uden nogen konsekvens.
Detrending bruges til at identificere andre mønstre i et bestemt datasæt, der viser en tendens.
