Szereg czasowy

Co to jest seria czasowa?

Szeregi czasowe to sekwencja punktów danych, które występują kolejno w określonym czasie. Można to skontrastować z danymi przekrojowymi,. które rejestrują punkt w czasie.

Podczas inwestowania szereg czasowy śledzi ruch wybranych punktów danych, takich jak cena papieru wartościowego, w określonym przedziale czasu, przy czym punkty danych są rejestrowane w regularnych odstępach czasu. Nie ma minimalnego ani maksymalnego czasu, który należy uwzględnić, co pozwala na zebranie danych w sposób, który dostarcza informacji poszukiwanych przez inwestora lub analityka badającego działalność.

Zrozumienie szeregów czasowych

Szereg czasowy można wykonać dla dowolnej zmiennej, która zmienia się w czasie. Podczas inwestowania często wykorzystuje się szeregi czasowe do śledzenia ceny papieru wartościowego w czasie. Można to śledzić w krótkim okresie, np. cena papieru wartościowego na godzinę w ciągu dnia roboczego, lub w długim okresie, np. cena papieru wartościowego na zamknięciu ostatniego dnia każdego miesiąca w ciągu przez pięć lat.

Analiza szeregów czasowych może być przydatna, aby zobaczyć, jak dany składnik aktywów, papier wartościowy lub zmienna ekonomiczna zmienia się w czasie. Można go również wykorzystać do sprawdzenia, jak zmiany związane z wybranym punktem danych porównują się z przesunięciami innych zmiennych w tym samym okresie.

Szeregi czasowe są również wykorzystywane w kilku kontekstach niefinansowych, takich jak pomiar zmian populacji w czasie. Poniższy rysunek przedstawia takie szeregi czasowe dla wzrostu populacji USA na przestrzeni stulecia w latach 1900-2000.

Analiza szeregów czasowych

Załóżmy, że chcesz przeanalizować szereg czasowy dziennych kursów zamknięcia dla danej akcji w okresie jednego roku. Uzyskasz listę wszystkich cen zamknięcia akcji z każdego dnia za ostatni rok i wymienisz je w kolejności chronologicznej. Byłby to roczny dzienny szereg czasowy cen zamknięcia dla akcji.

Zagłębiając się nieco głębiej, możesz przeanalizować dane szeregów czasowych za pomocą narzędzi do analizy technicznej, aby dowiedzieć się, czy szeregi czasowe akcji wykazują sezonowość. Pomoże to w ustaleniu, czy stado regularnie osiąga szczyty i spadki każdego roku. Analiza w tym zakresie wymagałaby pobrania zaobserwowanych cen i skorelowania ich z wybranym sezonem. Może to obejmować tradycyjne sezony kalendarzowe, takie jak lato i zima, lub sezony handlowe, takie jak sezony świąteczne.

Alternatywnie możesz zarejestrować zmiany ceny akcji w związku ze zmienną ekonomiczną, taką jak stopa bezrobocia. Korelując punkty danych z informacjami dotyczącymi wybranej zmiennej ekonomicznej, można zaobserwować prawidłowości w sytuacjach wykazujących zależność między punktami danych a wybraną zmienną.

Jednym z potencjalnych problemów związanych z danymi szeregów czasowych jest to, że ponieważ każda zmienna jest zależna od swojego wcześniejszego stanu lub wartości, może występować duża autokorelacja,. która może wpływać na wyniki.

Prognozowanie szeregów czasowych

Prognozowanie szeregów czasowych wykorzystuje informacje dotyczące wartości historycznych i powiązanych wzorców do przewidywania przyszłej aktywności. Najczęściej dotyczy to analizy trendów, analizy wahań cyklicznych oraz kwestii sezonowości. Jak w przypadku wszystkich metod prognozowania, sukces nie jest gwarantowany.

Na przykład model Boxa-Jenkinsa to technika przeznaczona do prognozowania zakresów danych na podstawie danych wejściowych z określonego szeregu czasowego. Prognozuje dane przy użyciu trzech zasad: autoregresji,. różnicowania i średnich ruchomych. Te trzy zasady są znane odpowiednio jako p, d i q. Każda zasada jest używana w analizie Boxa-Jenkinsa i razem są przedstawiane jako autoregresyjna zintegrowana średnia krocząca lub ARIMA (p, d, q). ARIMA może być wykorzystana na przykład do prognozowania cen akcji lub wzrostu zysków.

Inna metoda, znana jako przeskalowana analiza zakresu,. może służyć do wykrywania i oceny ilości trwałości, losowości lub średniego odwrócenia w danych szeregów czasowych. Przeskalowany zakres można wykorzystać do ekstrapolacji przyszłej wartości lub średniej dla danych, aby sprawdzić, czy trend jest stabilny lub czy istnieje prawdopodobieństwo odwrócenia.

Przekrój poprzeczny a Analiza szeregów czasowych

Analiza przekrojowa jest jedną z dwóch nadrzędnych metod porównawczych do analizy zapasów. Analiza przekrojowa dotyczy danych zebranych w jednym momencie, a nie w określonym przedziale czasu. Analiza rozpoczyna się od ustalenia celów badawczych i określenia zmiennych, które analityk chce mierzyć. Następnym krokiem jest identyfikacja przekroju, takiego jak grupa rówieśników lub branża, i ustalenie konkretnego punktu w czasie, który ma być oceniany. Ostatnim krokiem jest przeprowadzenie analizy, opartej na przekroju i zmiennych, i wyciągnięcie wniosków na temat wyników firmy lub organizacji. Zasadniczo analiza przekrojowa pokazuje inwestorowi, która firma jest najlepsza biorąc pod uwagę metryki, na których mu zależy.

Analiza szeregów czasowych, znana jako analiza trendów, gdy dotyczy handlu technicznego, koncentruje się na pojedynczym papierze wartościowym w czasie. W tym przypadku cena jest oceniana w kontekście jej wyników w przeszłości. Analiza szeregów czasowych pokazuje inwestorowi, czy firma radzi sobie lepiej, czy gorzej niż dotychczas, biorąc pod uwagę miary, na których mu zależy. Często będą to klasyki, takie jak zysk na akcję (EPS), stosunek zadłużenia do kapitału własnego, wolne przepływy pieniężne (FCF) i tak dalej. W praktyce przed podjęciem decyzji inwestorzy zazwyczaj stosują połączenie analizy szeregów czasowych i analizy przekrojowej. Na przykład, patrząc na EPS w czasie, a następnie sprawdzając również benchmark branżowy EPS.

##Przegląd najważniejszych wydarzeń

• Chociaż dane przekrojowe są postrzegane jako przeciwieństwo szeregów czasowych, w praktyce często stosuje się je łącznie.

• Metody prognozowania wykorzystujące szeregi czasowe są stosowane zarówno w analizie fundamentalnej, jak i technicznej.

• Analiza szeregów czasowych może być przydatna, aby zobaczyć, jak dany składnik aktywów, papier wartościowy lub zmienna ekonomiczna zmienia się w czasie.

— Szeregi czasowe to zestaw danych, który śledzi próbkę w czasie.

• W szczególności szereg czasowy pozwala zobaczyć, jakie czynniki wpływają na określone zmienne z okresu na okres.

##FAQ

Jak analizować dane szeregów czasowych?

Techniki statystyczne można wykorzystać do analizy danych szeregów czasowych na dwa kluczowe sposoby: do generowania wniosków dotyczących wpływu jednej lub większej liczby zmiennych na pewną zmienną będącą przedmiotem zainteresowania w czasie lub do prognozowania przyszłych trendów. W przeciwieństwie do danych przekrojowych, które zasadniczo stanowią jeden wycinek szeregu czasowego, strzałka czasu pozwala analitykowi na sformułowanie bardziej prawdopodobnych twierdzeń przyczynowych.

W jaki sposób szeregi czasowe są wykorzystywane w eksploracji danych?

Eksploracja danych to proces, który zamienia ryzy nieprzetworzonych danych w przydatne informacje. Wykorzystując oprogramowanie do wyszukiwania wzorców w dużych partiach danych, firmy mogą dowiedzieć się więcej o swoich klientach, aby opracować skuteczniejsze strategie marketingowe, zwiększyć sprzedaż i obniżyć koszty. Szeregi czasowe, takie jak historyczny zapis dokumentacji korporacyjnej lub sprawozdania finansowego, są tu szczególnie przydatne do identyfikacji trendów i wzorców, które mogą być prognozowane w przyszłości.

Jakie są przykłady szeregów czasowych?

Szeregi czasowe można konstruować na podstawie dowolnych danych mierzonych w czasie w równomiernie rozmieszczonych odstępach czasu. Historyczne ceny akcji, zarobki, PKB lub inne sekwencje danych finansowych lub ekonomicznych można analizować jako szeregi czasowe.

Jaka jest różnica między danymi przekrojowymi a szeregami czasowymi?

Przekrój obejmuje pojedynczy punkt w czasie, co jest przydatne do porównywania i analizowania wpływu różnych czynników na siebie nawzajem lub opisywania próbki. Szeregi czasowe obejmują wielokrotne próbkowanie tych samych danych w czasie. W praktyce powszechnie stosowane są obie formy analizy; i jeśli są dostępne, są używane razem.