Omskaleret områdeanalyse

Hvad er omskaleret områdeanalyse?

Omskaleret rækkeviddeanalyse er en statistisk teknik, der bruges til at analysere tendenser i en tidsserie. Det blev udviklet af den britiske hydrolog Harold Edwin Hurst for at forudsige oversvømmelser på Nilen. Investorer har brugt det til at lede efter cyklusser, mønstre og tendenser i aktie- og obligationskurser, der kan gentage eller vende i fremtiden.

Forstå analyse af reskaleret område

Omskaleret rækkeviddeanalyse kan bruges til at detektere og evaluere mængden af persistens, tilfældighed eller gennemsnitlig tilbagevenden i tidsseriedata for finansielle markeder. Valutakurser og aktiekurser følger ikke en tilfældig vandring eller uforudsigelig vej, som de ville, hvis kursændringer var uafhængige af hinanden. Markederne er med andre ord ikke perfekt effektive, hvilket betyder, at der er muligheder for investorer at kapitalisere på.

Hvis der er en stærk tendens i dataene, vil den blive fanget af Hurst-eksponenten (H-eksponenten), som også kan bruges til at vurdere investeringsforeninger. H-eksponenten, som også er kendt som indekset for langdistanceafhængighed, kan ekstrapolere en fremtidig værdi eller gennemsnit for dataene.

Hurst-eksponenten går mellem nul og én, og den måler persistens, tilfældighed eller gennemsnitlig tilbagevenden. Tidsserier, der viser en tilfældig stokastisk proces, har H-eksponenter tæt på 0,5. Når H er større end 0,5, udviser dataene en stærk langsigtet tendens, og når H er mindre end 0,5, vil det sandsynligvis vende trenden over den betragtede tidsramme.

H-eksponenter under 0,5 er også kendt som Joseph-effekten,. med henvisning til den bibelske historie om syv års overflod efterfulgt af syv års hungersnød. Lave værdier vil sandsynligvis blive efterfulgt af høje værdier, eller omvendt.

Omskaleret rækkevidde og Hurst-eksponenten

Omskaleret intervalanalyse vurderer, hvordan variabiliteten af tidsseriedata ændrer sig med længden af den periode, der tages i betragtning. Det omskalerede område beregnes ved at dividere området (maksimal værdi minus minimumsværdi) af de kumulative gennemsnitlige justerede datapunkter (summen af hvert datapunkt minus middelværdien af dataserien) med standardafvigelsen af værdierne over den samme del af tidsserien.

Når antallet af observationer i en tidsserie stiger, øges det omskalerede område. Ved at plotte disse stigninger som logaritmen af R/S versus logaritmen af n, kan man bestemme hældningen af denne linje, som er Hurst-eksponenten, H.

Eksempler på, hvordan man bruger reskaleret områdeanalyse

eksponenten kan bruges i trendhandelsinvesteringsstrategier. En investor ville være på udkig efter aktier, der viser stærk vedholdenhed. Disse bestande ville have et H større end 0,5. En H mindre end 0,5 kunne parres med tekniske indikatorer til spotprisvendinger. For at time deres investering kan en værdiinvestor for eksempel kigge efter aktier med H mindre end 0,5, hvis kurser har været faldende i nogen tid.

Gennemsnitlig tilbageførselshandel ser ud til at udnytte ekstreme ændringer i prisen på et værdipapir, baseret på den antagelse, at det vil vende tilbage til sin tidligere tilstand. H-eksponenten bruges af algoritmiske handlende til at spekulere i middel-tilbagevendende tidsseriestrategier som parhandel, hvor spændet mellem to aktiver er gennemsnitligt tilbagevendende.

Følgende diagram viser et 15-perioders glidende gennemsnit (MA) af Hurst-eksponenten baseret på SPDR S&P 500 (SPY)-kursdiagrammet. MA kan justeres, med en længere MA udjævner udsving.

For handlende, der ønsker at købe under en optrend i prisen, kunne de kigge efter muligheder, hvor H er over 0,5, og prisen bevæger sig op. Brugt på denne måde ville indikatoren ikke nødvendigvis give handelssignaler, men den kunne hjælpe med at give bekræftelse for andre handelssignaler baseret på tendensen.

Indikatoren giver ikke altid gode signaler. Det er også vigtigt at bemærke, at høje H-værdier, når prisen er faldende, indikerer yderligere prisfald, hvilket kan gøre indikatoren en smule forvirrende, når den først bruges.

Forskellen mellem reskaleret områdeanalyse og regressionsanalyse

Omskaleret områdeanalyse ser på en dataserie og bestemmer persistens eller middel-tilbagevendende tendenser i disse data. Lineær regression ser på to variable, såsom pris og tid, og finder midtpunktet eller den linje, der passer bedst til dataserien. Derefter kan standardafvigelseskanaler tilføjes for at vise, hvornår værdipapiret er potentielt overkøbt eller oversolgt baseret på dataserien. Lineær regression er en del af det større felt af regressionsanalyse.

Begrænsninger af reskaleret områdeanalyse

Til handelsformål er et omskaleret interval det justerede interval divideret med standardafvigelsen. Disse beregninger er baseret på tidligere data og er ikke i sig selv forudsigelige. Det er op til den erhvervsdrivende at fortolke de oplysninger, som det omskalerede område eller Hurst-eksponenten giver.

Til handelsformål kan Hurst-indikatoren, som er afledt af det omskalerede interval, muligvis fungere nogle gange, men den virker ikke hele tiden. En stærk kursudvikling kunne vendes kraftigt, hvilket indikatoren ikke forudså. Tilbageførsel signaleret af indikatoren kan heller ikke udvikle sig.

##Højdepunkter

• Hurst-eksponenten svinger mellem nul og én.

• Det omskalerede område kan bruges til at beregne Hurst-eksponenten, som kan ekstrapolere en fremtidig værdi eller gennemsnit for dataene.

• Når Hurst-eksponenten er større end 0,5, udviser dataene en stærk langsigtet tendens, og når H er mindre end 0,5, er en trendvending mere sandsynlig.

• Omskaleret rækkeviddeanalyse ser på en dataserie og bestemmer persistens eller middel-tilbagevendende tendenser i disse data.