Finančne institucije in korporacije, pa tudi posamezni vlagatelji in raziskovalci pogosto uporabljajo podatke o finančnih časovnih obdobjih (kot so cene sredstev, menjalni tečaji, BDP, inflacija in drugi makroekonomski kazalniki) pri gospodarskih napovedih, analizi delniških borz ali študijih samih podatkov..
Toda rafiniranje podatkov je ključnega pomena za uporabo v analizi zalog., pokazali vam bomo, kako izolirati podatkovne točke, ki so pomembne za vaša poročila.
Uvod v stacionarne in nestacionarne procese
Kuhanje surovih podatkov
Podatkovne točke so pogosto nestacionarne ali pa imajo sredstva, odstopanja in kovarijance, ki se sčasoma spreminjajo. Nestacionarno vedenje je lahko trendi, cikli, naključni sprehodi ali kombinacije teh treh.
Nestacionarni podatki so praviloma nepredvidljivi in jih ni mogoče modelirati ali napovedati. Rezultati, dobljeni z uporabo nestacionarnih časovnih vrst, so lahko lažni, saj lahko kažejo na razmerje med dvema spremenljivkama, kjer ena ne obstaja. Da bi dobili dosledne, zanesljive rezultate, je treba nestacionarne podatke spremeniti v stacionarne podatke. V nasprotju z nestacionarnim postopkom, ki ima spremenljivo varianco in srednjo vrednost, ki ne ostane blizu ali se sčasoma vrne na dolgoročno srednjo vrednost, se stacionarni proces vrti okoli konstantne dolgoročne srednje vrednosti in ima stalno odstopanje, neodvisno časa.
Slika 1 - Copryright © 2007 Investopedia.com
Vrste nestacionarnih procesov
Preden pridemo do točke preobrazbe za nestacionarne finančne časovne vrste, bi morali razlikovati med različnimi vrstami nestacionarnih procesov. To nam bo omogočilo boljše razumevanje procesov in nam omogočilo pravilno izvedbo preobrazbe. Primeri nestacionarnih procesov so naključni sprehod s premikom ali brez njega (počasna enakomerna sprememba) in determinirani trendi (trendi, ki so konstantni, pozitivni ali negativni, neodvisni od časa za celotno življenje serije).
Slika 2 - Copryright © 2007 Investopedia.com
- Čisti naključni sprehod (Y t = Y t-1 + ε t) Naključni sprehod napoveduje, da bo vrednost v času "t" enaka vrednosti zadnjega obdobja plus stohastična (nesistematična) komponenta, ki predstavlja beli šum, pomeni, da je ε t neodvisen in enako razporejen s srednjo vrednostjo "0" in varianco "σ²." Naključno hojo lahko poimenujemo tudi proces, integriran v nekem vrstnem redu, postopek z enotno korenino ali postopek s stohastičnim trendom. Gre za postopek, ki ne obrača srednje vrednosti, ki se lahko oddalji od povprečja v pozitivni ali negativni smeri. Druga značilnost naključnega sprehoda je, da se varianca skozi čas razvija in gre v neskončnost, ko čas mineva v neskončnost; zato naključnega sprehoda ni mogoče predvideti. Naključni sprehod z nagibom (Y t = α + Y t-1 + ε t) Če model naključnega sprehoda napoveduje, da bo vrednost v času "t" enaka vrednosti zadnjega obdobja plus konstanto ali premik (α) in a izraz beli hrup (ε t), potem je postopek naključni sprehod s premikom. Prav tako se ne vrne na dolgoročno srednjo vrednost in ima odstopanje odvisno od vremena. Deterministični trend (Y t = α + βt + ε t) Pogosto je naključni sprehod z nagibom zamenjan za determiniran trend. Obe vključujeta pomik in komponento belega hrupa, vendar se vrednost v času "t" v primeru naključnega sprehoda regresira na vrednost zadnjega obdobja (Y t-1), medtem ko se v primeru determiniranega trenda zmanjša. na časovni trend (βt). Nestacionarni proces z determiniranim trendom pomeni, da raste okoli ustaljenega trenda, ki je stalen in neodvisen od časa. Naključni sprehod z gibajočim in determiniranim trendom (Y t = α + Y t-1 + βt + ε t) Drug primer je nestacionarni postopek, ki združuje naključno hojo z visečo komponento (α) in determiniranim trendom (βt). Določa vrednost v času „t“ z vrednostjo zadnjega obdobja, premikom, trendom in stohastično komponento. (Če želite izvedeti več o naključnih sprehodih in trendih, glejte vadnico o finančnih konceptih .)
Trend in razlike stacionarni
Naključni pohod z ali brez zasuka se lahko spremeni v stacionarni postopek z razlikovanjem (odštevanje Y t-1 od Y t, odvzem razlike Y t - Y t-1), kar ustreza Y t - Y t-1 = ε t ali Y t - Y t-1 = α + ε t in potem postopek postane razlikovalni. Pomanjkljivost razlikovanja je v tem, da postopek vsakič z razliko opazi izgubo enega opažanja.
Slika 3 - Copryright © 2007 Investopedia.com
Nestacionarni postopek z determiniranim trendom postane stacionarni, potem ko odstranimo trend ali ga odstranimo. Na primer, Yt = α + βt + εt se pretvori v stacionarni postopek z odštevanjem trenda βt: Yt - βt = α + εt, kot je prikazano na spodnji sliki 4. Pri pretvorbi nestacionarnega procesa v stacionarnega ni nobenega opazovanja.
Slika 4 - Copryright © 2007 Investopedia.com
V primeru naključnega sprehoda z nagibom in determiniranim trendom lahko detrending odstrani determiniran trend in premik, vendar bo odstopanje še naprej v neskončnost. Zato je treba razlikovati tudi za odpravo stohastičnega trenda.
Zaključek
Uporaba nestacionarnih podatkov časovnih vrst v finančnih modelih daje zanesljive in lažne rezultate in vodi do slabega razumevanja in napovedovanja. Rešitev problema je preoblikovanje podatkov časovnih vrst tako, da postanejo nepremični. Če je nestacionarni postopek naključni pohod z ali brez zasuka, se z diferenciacijo pretvori v stacionarni proces. Po drugi strani pa, če analizirani podatki časovnih vrst kažejo determiniran trend, se lažni rezultati lahko izognejo z odvračanjem. Včasih lahko nestacionarne serije hkrati kombinirajo stohastični in determiniran trend, da bi se izognili zavajajočim rezultatom, je treba uporabiti razlikovanje in odvračanje, saj bo razlikovanje odstranilo trend variance, drending pa bo odpravil determiniran trend.
