Finansal kurumlar ve şirketler ile bireysel yatırımcılar ve araştırmacılar, ekonomik tahminlerde, borsa analizinde veya verilerin kendisinde yapılan çalışmalarda genellikle finansal zaman serisi verilerini (varlık fiyatları, döviz kurları, GSYİH, enflasyon ve diğer makroekonomik göstergeler gibi) kullanırlar..
Ancak verileri hassaslaştırmak, bunları hisse senedi analizinize uygulayabilmeniz için anahtardır., hisse senedi raporlarınızla alakalı veri noktalarını nasıl izole edeceğinizi göstereceğiz.
Durağan ve Durağan Olmayan Süreçlere Giriş
Ham Verileri Pişirme
Veri noktaları genellikle sabit değildir veya zamanla değişen araçlara, varyanslara ve kovaryanslara sahiptir. Durağan olmayan davranışlar, trendler, döngüler, rastgele yürüyüşler veya üçünün kombinasyonları olabilir.
Durağan olmayan veriler, kural olarak tahmin edilemez ve modellenemez veya tahmin edilemez. Durağan olmayan zaman serileri kullanılarak elde edilen sonuçlar, mevcut olmayan iki değişken arasındaki ilişkiyi gösterebildikleri için sahte olabilir. Tutarlı ve güvenilir sonuçlar alabilmek için sabit olmayan verilerin sabit verilere dönüştürülmesi gerekir. Değişken bir varyansa ve yakın olmayan veya zaman içinde uzun dönemli bir ortalamaya geri dönen bir ortama sahip olan durağan olmayan işlemin aksine, sabit işlem sabit bir uzun vadeli ortalama etrafında döner ve sabit bir varyans bağımsızdır zaman.
Şekil 1 - Copryright © 2007 Investopedia.com
Durağan Olmayan Süreç Türleri
Durağan olmayan finansal zaman serisi verileri için dönüşüm noktasına gelmeden önce, durağan olmayan süreçlerin farklı türleri arasında ayrım yapmalıyız. Bu bize süreçleri daha iyi anlamamızı sağlayacak ve doğru dönüşümü uygulamamıza izin verecektir. Durağan olmayan süreçlerin örnekleri, bir sapma ile veya sapmasız rastgele yürüyüş (yavaş sabit bir değişiklik) ve deterministik eğilimlerdir (serinin tüm ömrü için zamandan bağımsız, sabit, pozitif veya negatif eğilimler).
Şekil 2 - Copryright © 2007 Investopedia.com
- Saf Rastgele Yürüme (Y t = Y t-1 + ε t) Rastgele yürüyüş, "t" zamanındaki değerin son dönem değerine artı beyaz bir gürültü olan stokastik (sistematik olmayan) bir bileşene eşit olacağını tahmin eder. " t", bağımsızdır ve ortalama "0" ve "σ²" varyansı ile özdeş şekilde dağılmıştır. Rastgele yürüyüş, bazı düzene entegre bir süreç, birim köklü bir süreç veya stokastik bir eğilime sahip bir süreç olarak adlandırılabilir. Pozitif veya negatif yönde ortalamadan uzaklaşabilen ortalama olmayan bir geri dönüş sürecidir. Rastgele bir yürüyüşün bir başka özelliği de varyansın zamanla gelişmesi ve zaman sonsuza gittikçe sonsuzluğa gitmesidir; bu nedenle rastgele bir yürüyüş öngörülemez. Sürüklemeli Rastgele Yürüme (Y t = α + Y t-1 + ε t) Rastgele yürüyüş modeli "t" zamanındaki değerin son dönemin değerine artı bir sabit veya sürüklenmeye (α) eşit olacağını tahmin ederse ve beyaz gürültü terimi (ε t), daha sonra süreç bir sürüklenme ile rastgele yürüyüş. Aynı zamanda uzun dönemli bir ortalamaya dönmez ve zamana bağlı olarak değişkenlik gösterir. Deterministik Trend (Y t = α + βt + ε t) Genellikle sapma ile rastgele bir yürüyüş deterministik bir trend için karıştırılır. Her ikisi de bir sürüklenme ve beyaz gürültü bileşeni içerir, ancak rastgele bir yürüyüş durumunda "t" zamanındaki değer, son dönemin değerine (Y t-1) geriledi, deterministik bir eğilim durumunda ise geriledi zaman eğiliminde. Belirleyici bir eğilime sahip durağan olmayan bir sürecin, sabit ve zamandan bağımsız olan sabit bir eğilim etrafında büyüyen bir anlamı vardır. Kayma ve Deterministik Eğilim ile Rastgele Yürüme (Y t = α + Y t-1 + βt + ε t) Bir başka örnek, rastgele bir yürüyüşü bir drift bileşeni (α) ve deterministik bir eğilim (βt) ile birleştiren durağan olmayan bir süreçtir.. "T" deki değeri son dönemin değeri, sapma, eğilim ve stokastik bir bileşenle belirtir. (Rastgele yürüyüşler ve trendler hakkında daha fazla bilgi için Finansal Kavramlar eğiticimize bakın.)
Trend ve Fark Sabit
Bir kayma ile veya sapma olmadan rastgele bir yürüyüş Y t - Y t-1 = ε t ile ilgili olarak farklılaşarak (Y t-1'in Y t'den çıkarılması, Y t - Y t-1 farkı alınarak) sabit bir sürece dönüştürülebilir. veya Y t - Y t-1 = α + ε t ve daha sonra işlem fark durağan hale gelir. Farklılığın dezavantajı, fark her alındığında sürecin bir gözlemini kaybetmesidir.
Şekil 3 - Copryright © 2007 Investopedia.com
Deterministik eğilimi olan durağan olmayan bir süreç, eğilim kaldırıldıktan veya küçüldükten sonra sabit hale gelir. Örneğin Yt = α + βt + εt, aşağıdaki Şekil 4'te gösterildiği gibi βt: Yt - at = α + εt eğilimi çıkarılarak sabit bir sürece dönüştürülür. Sabit olmayan bir işlemi sabit bir işleme dönüştürmek için detrending kullanıldığında hiçbir gözlem kaybolmaz.
Şekil 4 - Copryright © 2007 Investopedia.com
Bir sapma ve deterministik eğilim ile rastgele bir yürüyüş durumunda, detrending deterministik eğilimi ve sapmayı kaldırabilir, ancak varyans sonsuzluğa gitmeye devam edecektir. Sonuç olarak, stokastik eğilimi ortadan kaldırmak için de farklılık uygulanmalıdır.
Sonuç
Finansal modellerde sabit olmayan zaman serisi verilerinin kullanılması, güvenilir olmayan ve sahte sonuçlar üretir ve kötü anlama ve öngörüye yol açar. Sorunun çözümü, zaman serisi verilerini durağan olacak şekilde dönüştürmektir. Durağan olmayan süreç sapma ile veya sapma olmadan rastgele bir yürüyüş ise, farklılaşma ile durağan sürece dönüştürülür. Öte yandan, analiz edilen zaman serisi verileri belirleyici bir eğilim sergiliyorsa, sahte sonuçlardan detrending ile kaçınılabilir. Bazen durağan olmayan seriler, stokastik ve deterministik bir trendi aynı anda birleştirebilir ve yanıltıcı sonuçlar elde etmekten kaçınmak için, hem varyasyon hem de dezavantaj uygulanmalıdır, çünkü fark varyanstaki eğilimi ortadan kaldıracak ve detrending, deterministik eğilimi kaldıracaktır.