Detrend
Vad är en detrend?
En detrend innebär att man tar bort effekterna av trenden från en datamängd för att endast visa skillnaderna i värden från trenden; det gör att cykliska och andra mönster kan identifieras. Detrending kan göras med hjälp av regressionsanalys och andra statistiska tekniker. Detrending visar en annan aspekt av tidsseriedata genom att ta bort deterministiska och stokastiska trender.
En av de vanligaste användningarna av avskräckning är i en datamängd som visar någon form av total ökning. Genom att avskräcka data kan du se alla potentiella subtrender, vilket kan vara otroligt användbart för vetenskapliga, finansiella, försäljnings- och marknadsundersökningar över hela linjen.
Hur en Detrend fungerar
Om du tar bort en trend från din datamängd kan du istället fokusera på fluktuationerna och identifiera valfritt antal viktiga faktorer. Denna typ av avskräckning används i handeln för att identifiera eventuella cykliska prisfluktuationer i en aktie, som sedan kan användas för att hjälpa tidpunkten att komma in och ut. En detrended price oscillator (DPO) är ett vanligt verktyg som tekniska investerare och handlare kommer att använda för detta ändamål. Detrending används också inom försäljning och marknadsföring för att lyfta fram förändringar i försäljningen från månad till månad utan distraktion av totala volymer.
När en forskare eller ekonom avskräcker en viss datamängd gör de det vanligtvis för att ta bort en aspekt som verkar orsaka någon form av förvrängning i det slutliga resultatet. Ekonomiska modeller kan avbrytas med trenden som sedan läggs tillbaka till modellen som en annan indatavariabel för att testa olika samband mellan data.
Typer av avskräckande
Det finns många metoder utöver avskräckta prisoscillatorer som kan användas för att avskräcka, även om vissa av dem är mycket mer komplexa och svåra att använda. Några av de alternativa alternativen är kvadratisk avskräckning, med hjälp av Baxter-King-filtret (endast för glidande medelvärde av trendlinjer) och användning av Hodrick-Prescott-filtret (endast för cykliska komponenter i en viss tidsserie).
Vilken metod som är bäst för projektet och aktuella data kommer att bero på många individuella faktorer, inklusive det särskilda studieområdet och huruvida data är linjärt korrelerade eller inte. Möjligheten att avskräcka snabbt och effektivt ingår i de flesta statistiska programvarupaket som är tillgängliga och används ofta idag.
Krav för en Detrend
Innan avskräckning kan ske måste den speciella klassen av trenden identifieras för att bestämma den mest lämpliga metoden som ska användas. Även om det finns många olika typer av trender, förekommer de vanligtvis inom bara två olika klasser. Dessa klasser är deterministiska trender och stokastiska trender.
De deterministiska trenderna minskar eller ökar konsekvent, och de stokastiska trenderna minskar eller ökar inkonsekvent. Deterministiska trender är ofta lättare att identifiera och avskräcka eftersom de är lite mer förutsägbara och pålitliga, men det finns metoder för att hantera stokastiska trender också. Identifiering av trend, särskilt en stokastisk trend, kan vara en subjektiv övning och kan resultera i felaktigheter i modelleringen och de slutsatser eller förutsägelser som dras från den.
##Höjdpunkter
– Innan avskräckning kan inträffa måste typen av trend identifieras.
En detrended prisoscillator är en vanlig metod för att avskräcka prisåtgärder som används av handlare.
Det finns vanligtvis två klasser av trender: deterministiska och stokastiska. Deterministiska trender visar konsekventa och varaktiga ökningar och minskningar, medan stokastiska trender ökar och minskar utan någon konsekvens.
Detrending används för att identifiera andra mönster i en viss datamängd som visar en trend.
