Tidsserier
Hva er en tidsserie?
En tidsserie er en sekvens av datapunkter som forekommer i rekkefølge over en viss tidsperiode. Dette kan sammenlignes med tverrsnittsdata,. som fanger et tidspunkt.
Ved investering sporer en tidsserie bevegelsen til de valgte datapunktene, for eksempel et verdipapirs pris, over en spesifisert tidsperiode med datapunkter registrert med jevne mellomrom. Det er ingen minimums- eller maksimumsperiode som må inkluderes, slik at dataene kan samles inn på en måte som gir informasjonen som etterspørres av investoren eller analytikeren som undersøker aktiviteten.
Forstå tidsserier
En tidsserie kan tas på enhver variabel som endres over tid. Ved investering er det vanlig å bruke en tidsserie for å spore prisen på et verdipapir over tid. Dette kan spores på kort sikt, for eksempel kursen på et verdipapir på timen i løpet av en virkedag, eller på lang sikt, for eksempel prisen på et verdipapir ved stengetid den siste dagen i hver måned i løpet av løpet av fem år.
Tidsserieanalyse kan være nyttig for å se hvordan en gitt eiendel, verdipapir eller økonomisk variabel endres over tid. Den kan også brukes til å undersøke hvordan endringene knyttet til det valgte datapunktet sammenlignes med endringer i andre variabler over samme tidsperiode.
Tidsserier brukes også i flere ikke-finansielle sammenhenger, som for eksempel å måle endringen i befolkningen over tid. Figuren nedenfor viser en slik tidsserie for veksten av den amerikanske befolkningen gjennom århundret fra 1900-2000.
Tidsserieanalyse
Anta at du ønsket å analysere en tidsserie med daglige sluttaksjekurser for en gitt aksje over en periode på ett år. Du vil få en liste over alle sluttkursene for aksjen fra hver dag det siste året og liste dem i kronologisk rekkefølge. Dette vil være en ettårig daglig sluttkurstidsserie for aksjen.
Hvis du dykker litt dypere, kan du analysere tidsseriedata med tekniske analyseverktøy for å vite om aksjens tidsserie viser noen sesongvariasjoner. Dette vil bidra til å avgjøre om bestanden går gjennom topper og bunner til faste tider hvert år. Analyse på dette området vil kreve å ta de observerte prisene og korrelere dem til en valgt sesong. Dette kan inkludere tradisjonelle kalendersesonger, for eksempel sommer og vinter, eller butikksesonger, for eksempel feriesesonger.
Alternativt kan du registrere aksjekursendringer i forhold til en økonomisk variabel, for eksempel arbeidsledigheten. Ved å korrelere datapunktene med informasjon knyttet til den valgte økonomiske variabelen, kan du observere mønstre i situasjoner som viser avhengighet mellom datapunktene og den valgte variabelen.
Et potensielt problem med tidsseriedata er at siden hver variabel er avhengig av dens tidligere tilstand eller verdi, kan det være mye autokorrelasjon,. noe som kan påvirke resultater.
Tidsserieprognoser
Tidsserieprognoser bruker informasjon om historiske verdier og tilhørende mønstre for å forutsi fremtidig aktivitet. Oftest er dette knyttet til trendanalyse, syklisk svingningsanalyse og spørsmål om sesongvariasjoner. Som med alle prognosemetoder, er suksess ikke garantert.
Box-Jenkins-modellen,. for eksempel, er en teknikk designet for å forutsi dataområder basert på inndata fra en spesifisert tidsserie. Den forutsier data ved å bruke tre prinsipper, autoregresjon,. differensiering og glidende gjennomsnitt. Disse tre prinsippene er kjent som henholdsvis p, d og q. Hvert prinsipp brukes i Box-Jenkins-analysen og sammen vises de samlet som et autoregressivt integrert glidende gjennomsnitt,. eller ARIMA (p, d, q). ARIMA kan for eksempel brukes til å forutsi aksjekurser eller inntjeningsvekst.
En annen metode, kjent som rescaled range analysis,. kan brukes til å oppdage og evaluere mengden persistens, tilfeldighet eller gjennomsnittlig reversering i tidsseriedata. Det omskalerte området kan brukes til å ekstrapolere en fremtidig verdi eller gjennomsnitt for dataene for å se om en trend er stabil eller sannsynligvis vil snu.
Tverrsnitt versus tidsserieanalyse
Tverrsnittsanalyse er en av de to overordnede sammenligningsmetodene for bestandsanalyse. Tverrsnittsanalyse ser på data samlet på et enkelt tidspunkt, i stedet for over en tidsperiode. Analysen starter med etablering av forskningsmål og definisjon av variablene som en analytiker ønsker å måle. Det neste trinnet er å identifisere tverrsnittet, for eksempel en gruppe kolleger eller en bransje, og å angi det spesifikke tidspunktet som vurderes. Det siste trinnet er å gjennomføre analyser, basert på tverrsnittet og variablene, og komme til en konklusjon om ytelsen til en bedrift eller organisasjon. I hovedsak viser tverrsnittsanalyse en investor hvilket selskap som er best gitt beregningene de bryr seg om.
Tidsserieanalyse, kjent som trendanalyse når det gjelder teknisk handel, fokuserer på ett enkelt verdipapir over tid. I dette tilfellet blir prisen bedømt i sammenheng med tidligere resultater. Tidsserieanalyse viser en investor om selskapet gjør det bedre eller dårligere enn før av tiltakene de bryr seg om. Ofte vil dette være klassikere som inntjening per aksje (EPS), gjeld til egenkapital, fri kontantstrøm (FCF) og så videre. I praksis vil investorer vanligvis bruke en kombinasjon av tidsserieanalyse og tverrsnittsanalyse før de tar en beslutning. For eksempel å se på EPS over tid og deretter også sjekke bransjens benchmark EPS.
Høydepunkter
– Selv om tverrsnittsdata blir sett på som det motsatte av tidsserier, brukes de to ofte sammen i praksis.
– Prognosemetoder ved bruk av tidsserier brukes både i fundamental og teknisk analyse.
- Tidsserieanalyse kan være nyttig for å se hvordan en gitt eiendel, verdipapir eller økonomisk variabel endres over tid.
– En tidsserie er et datasett som sporer et utvalg over tid.
– Spesielt lar en tidsserie se hvilke faktorer som påvirker enkelte variabler fra periode til periode.
FAQ
Hvordan analyserer du tidsseriedata?
Statistiske teknikker kan brukes til å analysere tidsseriedata på to viktige måter: å generere slutninger om hvordan en eller flere variabler påvirker en variabel av interesse over tid, eller for å forutsi fremtidige trender. I motsetning til tverrsnittsdata, som i hovedsak er ett stykke av en tidsserie, lar tidens pil en analytiker komme med mer plausible årsakspåstander.
Hvordan brukes tidsserier i datautvinning?
Data mining er en prosess som gjør store mengder rådata til nyttig informasjon. Ved å bruke programvare for å se etter mønstre i store mengder data, kan bedrifter lære mer om kundene sine for å utvikle mer effektive markedsføringsstrategier, øke salget og redusere kostnadene. Tidsserier, for eksempel en historisk oversikt over bedriftens registreringer eller regnskaper, er spesielt nyttige her for å identifisere trender og mønstre som kan forutses i fremtiden.
Hva er noen eksempler på tidsserier?
En tidsserie kan konstrueres av alle data som måles over tid med jevnt fordelte intervaller. Historiske aksjekurser, inntjening, BNP eller andre sekvenser av finansielle eller økonomiske data kan analyseres som en tidsserie.
Hva er forskjellen mellom tverrsnittsdata og tidsseriedata?
Et tverrsnitt ser på et enkelt tidspunkt, noe som er nyttig for å sammenligne og analysere effekten av ulike faktorer på hverandre eller beskrive en prøve. Tidsserier innebærer gjentatt sampling av de samme dataene over tid. I praksis er begge analyseformene vanlig brukt; og når tilgjengelig, brukes sammen.
