A autocorrelação se refere ao grau de correlação das mesmas variáveis entre dois intervalos de tempo sucessivos. Ele mede como a versão defasada do valor de uma variável está relacionada à versão original dela em uma série temporal.
A autocorrelação, como conceito estatístico, também é conhecida como correlação serial. É frequentemente usado com o modelo de média móvel autoregressiva (ARMA) e o modelo de média móvel integrada autoregressiva (ARIMA). A análise de autocorrelação ajuda a encontrar padrões periódicos repetitivos, que podem ser usados como uma ferramenta de análise técnica no mercado de capitais. Mercado de capitais.
Resumo
- A autocorrelação, também conhecida como correlação serial, refere-se ao grau de correlação das mesmas variáveis entre dois intervalos de tempo sucessivos.
- O valor da autocorrelação varia de -1 a 1. Um valor entre -1 e 0 representa a autocorrelação negativa. Um valor entre 0 e 1 representa autocorrelação positiva.
- A autocorrelação fornece informações sobre a tendência de um conjunto de dados históricos, por isso pode ser útil na análise técnica do mercado de capitais.
Como funciona
Em muitos casos, o valor de uma variável em um determinado momento está relacionado ao valor dela em um momento anterior. A análise de autocorrelação mede a relação das observações entre os diferentes pontos no tempo e, portanto, busca um padrão ou tendência ao longo da série temporal. Por exemplo, as temperaturas em dias diferentes em um mês são autocorrelacionadas.
Semelhante à correlação Correlação Uma correlação é uma medida estatística da relação entre duas variáveis. A medida é melhor usada em variáveis que demonstram uma relação linear entre si. O ajuste dos dados pode ser representado visualmente em um gráfico de dispersão. , a autocorrelação pode ser positiva ou negativa. Ele varia de -1 (autocorrelação perfeitamente negativa) a 1 (autocorrelação perfeitamente positiva). Autocorrelação positiva significa que o aumento observado em um intervalo de tempo leva a um aumento proporcional no intervalo de tempo defasado.
O exemplo de temperatura discutido acima demonstra uma autocorrelação positiva. A temperatura no dia seguinte tende a aumentar com o aumento e a diminuir quando diminui nos dias anteriores.
As observações com autocorrelação positiva podem ser plotadas em uma curva suave. Ao adicionar uma linha de regressão, pode-se observar que um erro positivo é seguido por outro positivo e um erro negativo é seguido por outro negativo.
Por outro lado, a autocorrelação negativa representa que o aumento observado em um intervalo de tempo leva a uma diminuição proporcional no intervalo de tempo defasado. Traçando as observações com uma linha de regressão, mostra que um erro positivo será seguido por um negativo e vice-versa.
A autocorrelação pode ser aplicada a diferentes números de intervalos de tempo, o que é conhecido como atraso. Uma autocorrelação de lag 1 mede a correlação entre as observações separadas por um intervalo único. Por exemplo, para aprender a correlação entre as temperaturas de um dia e o dia correspondente no mês seguinte, uma autocorrelação de 30 dias deve ser usada (assumindo 30 dias naquele mês).
Teste para autocorrelação
A estatística Durbin-Watson é comumente usada para testar a autocorrelação. Pode ser aplicado a um conjunto de dados por software estatístico. O resultado do teste de Durbin-Watson varia de 0 a 4. Um resultado próximo a 2 significa um nível muito baixo de autocorrelação. Um resultado mais próximo de 0 sugere uma autocorrelação positiva mais forte e um resultado mais próximo de 4 sugere uma autocorrelação negativa mais forte.
É necessário testar a autocorrelação ao analisar um conjunto de dados históricos. Por exemplo, no mercado de ações, os preços das ações em um dia podem ser altamente correlacionados aos preços em outro dia. No entanto, fornece poucas informações para a análise estatística dos dados e não informa o desempenho real do estoque.
Portanto, é necessário testar a autocorrelação dos preços históricos para identificar em que medida a mudança de preço é meramente um padrão ou causada por outros fatores. Em finanças, uma maneira comum de eliminar o impacto da autocorrelação é usar mudanças percentuais nos preços dos ativos em vez dos preços históricos por si próprios.
Autocorrelação e Análise Técnica
Embora a autocorrelação deva ser evitada para aplicar mais análises de dados com mais precisão, ela ainda pode ser útil na análise técnica. Análise técnica - um guia para iniciantes A análise técnica é uma forma de avaliação de investimento que analisa preços passados para prever a ação futura do preço. Os analistas técnicos acreditam que as ações coletivas de todos os participantes do mercado refletem com precisão todas as informações relevantes e, portanto, atribuem continuamente um valor justo de mercado aos títulos. , pois procura um padrão de dados históricos. A análise de autocorrelação pode ser aplicada junto com a análise do fator de momento.
Um analista técnico pode aprender como o preço das ações de um determinado dia é afetado pelos preços dos dias anteriores por meio de autocorrelação. Assim, ele pode estimar como o preço se moverá no futuro.
Se o preço de uma ação com forte autocorrelação positiva estiver subindo por vários dias, o analista pode estimar razoavelmente que o preço futuro continuará a subir nos dias futuros recentes. O analista pode comprar e manter as ações por um curto período de tempo para lucrar com o movimento de alta dos preços.
A análise de autocorrelação fornece apenas informações sobre tendências de curto prazo e pouco diz sobre os fundamentos de uma empresa. Portanto, ele só pode ser aplicado para apoiar as negociações com curtos períodos de retenção.
Leituras Relacionadas
Finanças oferece o Certified Banking & Credit Analyst (CBCA) ™ Certificação CBCA ™ O credenciamento Certified Banking & Credit Analyst (CBCA) ™ é um padrão global para analistas de crédito que cobre finanças, contabilidade, análise de crédito, análise de fluxo de caixa, modelagem de covenant, empréstimo reembolsos e muito mais. programa de certificação para aqueles que procuram levar suas carreiras ao próximo nível. Para continuar aprendendo e progredindo em sua carreira, os seguintes recursos serão úteis:
- Modelos de Estrutura de Termo Livre de Arbitragem Modelos de Estrutura de Termo Livre de Arbitragem Modelos de Estrutura de Termo Livre de Arbitragem (também conhecidos como Modelos Sem Arbitragem) são usados para gerar o verdadeiro processo de geração de taxa de juros estocástica por
- Análise de regressão Análise de regressão A análise de regressão é um conjunto de métodos estatísticos usados para a estimativa de relacionamentos entre uma variável dependente e uma ou mais variáveis independentes. Pode ser utilizado para avaliar a força da relação entre as variáveis e para modelar a relação futura entre elas.
- Média móvel simples Média móvel simples (SMA) A média móvel simples (SMA) se refere ao preço médio de fechamento de uma ação durante um período especificado. A razão pela qual a média é chamada de "móvel" é que o estoque
- Análise técnica - um guia para iniciantes Análise técnica - um guia para iniciantes A análise técnica é uma forma de avaliação de investimento que analisa os preços passados para prever a ação futura dos preços. Os analistas técnicos acreditam que as ações coletivas de todos os participantes do mercado refletem com precisão todas as informações relevantes e, portanto, atribuem continuamente um valor justo de mercado aos títulos.
