Serielle Korrelation

Was ist eine serielle Korrelation?

Serielle Korrelation tritt in einer Zeitreihe auf, wenn eine Variable und eine zeitverzögerte Version ihrer selbst (z. B. eine Variable zu den Zeitpunkten T und T-1) über Zeiträume hinweg miteinander korreliert beobachtet werden. Sich wiederholende Muster zeigen oft eine serielle Korrelation, wenn das Niveau einer Variable ihr zukünftiges Niveau beeinflusst. Im Finanzwesen wird diese Korrelation von technischen Analysten verwendet, um zu bestimmen, wie gut der vergangene Preis eines Wertpapiers den zukünftigen Preis vorhersagt.

Serielle Korrelation ähnelt den statistischen Konzepten der Autokorrelation oder der verzögerten Korrelation.

Wichtige Erkenntnisse

• Serielle Korrelation misst die Ähnlichkeit zwischen einer Variable und ihren vergangenen Werten im Zeitverlauf
• Eine Variable mit hoher serieller Korrelation ist nicht zufällig und zeigt ein musterhaftes Verhalten.
• Der Durbin-Watson-Test wird verwendet, um positive oder negative serielle Korrelation in Zeitreihendaten zu identifizieren.
• Das Verständnis der seriellen Korrelation kann Anlagestrategien verbessern und Risiken reduzieren.
• Ursprünglich in der Ingenieurwissenschaft verwendet, wird die serielle Korrelation heute breit in der Finanzmarktanalyse angewandt.

Serielle Korrelation in Zeitreihen verstehen

Serielle Korrelation wird in der Statistik verwendet, um die Beziehung zwischen Beobachtungen derselben Variable über bestimmte Zeiträume zu beschreiben. Wenn die serielle Korrelation einer Variable als null gemessen wird, besteht keine Korrelation, und jede der Beobachtungen ist unabhängig voneinander. Wenn die serielle Korrelation einer Variable hingegen gegen eins tendiert, sind die Beobachtungen seriell korreliert, und zukünftige Beobachtungen werden von vergangenen Werten beeinflusst. Im Wesentlichen hat eine seriell korrelierte Variable ein Muster und ist nicht zufällig.

Fehlerterme treten auf, wenn ein Modell nicht vollständig genau ist und bei realen Anwendungen zu unterschiedlichen Ergebnissen führt. Wenn Fehlerterme aus verschiedenen (normalerweise benachbarten) Zeiträumen (oder Querschnittsbeobachtungen) korreliert sind, ist der Fehlerterm seriell korreliert. Serielle Korrelation tritt in Zeitreihenstudien auf, wenn die Fehler eines bestimmten Zeitraums in zukünftige Zeiträume übertragen werden. Zum Beispiel führt eine Überschätzung in einem Jahr bei der Vorhersage des Wachstums von Aktiendividenden zu Überschätzungen in den Folgejahren.

Wichtig

Serielle Korrelation kann simulierte Handelsmodelle genauer machen, was dem Investor hilft, eine weniger riskante Anlagestrategie zu entwickeln.

Die technische Analyse verwendet Maße der seriellen Korrelation bei der Analyse des Musters eines Wertpapiers. Die Analyse basiert ausschließlich auf der Kursbewegung einer Aktie und dem zugehörigen Volumen, nicht auf den Fundamentaldaten eines Unternehmens. Praktiker der technischen Analyse identifizieren und validieren, wenn sie die serielle Korrelation korrekt anwenden, die profitablen Muster eines Wertpapiers oder einer Gruppe von Wertpapieren und erkennen Anlagemöglichkeiten.

Die Entwicklung der seriellen Korrelation von der Ingenieurwissenschaft zum Finanzwesen

Serielle Korrelation wurde ursprünglich in der Ingenieurwissenschaft verwendet, um zu bestimmen, wie ein Signal, wie ein Computersignal oder eine Funkwelle, im Vergleich zu sich selbst über die Zeit variiert. Das Konzept gewann in Wirtschaftskreisen an Popularität, als Ökonomen und Praktiker der Ökonometrie das Maß zur Analyse wirtschaftlicher Daten im Zeitverlauf verwendeten.

Fast alle großen Finanzinstitute beschäftigen heute quantitative Analysten, sogenannte Quants. Diese Finanzhandelsanalysten verwenden technische Analysen und andere statistische Schlussfolgerungen, um den Aktienmarkt zu analysieren und vorherzusagen. Diese Modellierer versuchen, die Struktur der Korrelationen zu identifizieren, um Prognosen und die potenzielle Rentabilität einer Strategie zu verbessern. Darüber hinaus verbessert die Identifizierung der Korrelationsstruktur die Realitätsnähe jeder simulierten Zeitreihe, die auf dem Modell basiert. Genaue Simulationen reduzieren das Risiko von Anlagestrategien.

Quants sind wesentlich für den Erfolg vieler dieser Finanzinstitute, da sie Marktmodelle liefern, die das Institut dann als Grundlage für seine Anlagestrategie verwendet.

Wissenswertes

Serielle Korrelation wurde ursprünglich in der Signalverarbeitung und Systemtechnik verwendet, um zu bestimmen, wie sich ein Signal über die Zeit mit sich selbst verändert. In den 1980er Jahren strömten Ökonomen und Mathematiker an die Wall Street, um das Konzept zur Vorhersage von Aktienkursen anzuwenden.

Messung der seriellen Korrelation mit dem Durbin-Watson-Test

Die serielle Korrelation unter diesen Quants wird mit dem Durbin-Watson (DW)-Test bestimmt. Die Korrelation kann entweder positiv oder negativ sein. Ein Aktienkurs, der eine positive serielle Korrelation aufweist, hat ein positives Muster. Ein Wertpapier mit einer negativen seriellen Korrelation hat einen negativen Einfluss auf sich selbst im Zeitverlauf.

Unternehmen

Unternehmensfinanzierung

Finanzanalyse