Instituțiile financiare și corporațiile, precum și investitorii și cercetătorii individuali utilizează adesea date financiare din serii de date financiare (cum ar fi prețurile activelor, cursul de schimb, PIB, inflația și alți indicatori macroeconomici) sau studii ale datelor în sine.

Dar rafinarea datelor este cheia pentru a putea aplica analiza stocului. În acest articol, vă vom arăta cum să izolați punctele de date relevante pentru rapoartele stocului.

AD:

Date de gătire necorespunzătoare
Punctele de date sunt adesea non-staționare sau au mijloace, variante și covarianțe care se schimbă în timp. Testele non-staționare pot fi tendințe, cicluri, plimbări aleatorii sau combinații ale celor trei.

Datele non-staționare, de regulă, sunt imprevizibile și nu pot fi modelate sau prognozate. Rezultatele obținute prin utilizarea unor serii de timp non-staționare pot fi false în sensul că ele pot indica o relație între două variabile în care nu există. Pentru a obține rezultate consecvente și fiabile, datele non-staționare trebuie transformate în date staționare. Spre deosebire de procesul non-staționar care are o varianță variabilă și o medie care nu rămâne aproape sau se reîntoarce la o medie de lungă durată în timp, procesul staționar revine în jurul unei medii constante pe termen lung și are o variație constantă independentă de timp.

Copryright © 2007 Investopedia. com

Figura 1

Tipuri de procese non-staționare
Înainte de a ajunge la punctul de transformare pentru datele non-staționare ale seriei de date financiare, trebuie să facem distincția între diferitele tipuri de procese non-staționare. Acest lucru ne va oferi o mai bună înțelegere a proceselor și ne va permite să aplicăm transformarea corectă. Exemple de procese non-staționare sunt plimbarea aleatorie cu sau fără un drift (o schimbare lentă constantă) și tendințe deterministe (tendințe care sunt constante, pozitive sau negative, independente de timp pentru întreaga viață a seriei).

Copryright © 2007 Investopedia. com

Figura 2

• Walk Walk Random (Y _t = Y _t-1 + ε _t valoarea "t" va fi egală cu valoarea ultimei perioade, plus o componentă stochastică (nesystematică), care este un zgomot alb, ceea ce înseamnă că e
  t _{este independent și identic distribuit cu valoarea medie "0" varianța "σ²". Turul aleatoriu poate fi numit și un proces integrat de o anumită ordine, un proces cu o unitate rădăcină sau un proces cu o tendință stocastică. Este un proces care nu poate fi inversat, care poate să se îndepărteze de mijloc, fie într-o direcție pozitivă sau negativă. O altă caracteristică a unei plimbări aleatorii este că varianța evoluează în timp și se duce la infinit, pe măsură ce timpul trece la infinit; prin urmare, o plimbare aleatorie nu poate fi prezisă.} Traseu aleatoriu cu derivație
• (Y t _{= α + Y} t-1 _{estimează că valoarea la momentul "t" va fi egală cu valoarea ultimei perioade, plus o constantă sau o deviație (α) și un termen de zgomot alb (ε} t _{), . De asemenea, nu revine la o medie de lungă durată și variația depinde de timp.} Tendința deterministă (Y
  t _{= α + βt + ε} t
• ) _{Ambele includ o componentă de drift și o componentă de zgomot alb, dar valoarea la momentul "t" în cazul unei plimbări aleatorii este regresată în valoarea ultimei perioade (Y} t-1 _{), în timp ce în cazul o tendință deterministă este regresată pe o tendință de timp (βt). Un proces non-staționar cu o tendință deterministă are un mijloc care crește în jurul unei tendințe fixe, care este constantă și independentă de timp.} Traseu aleatoriu cu tendință de deviație și determinantă (Y
  t _{= α + Y} t-1
• + βt + ε _t un proces non-staționar care combină o plimbare aleatorie cu o componentă de deriva (α) și o tendință deterministă (βt). Specifică valoarea la momentul "t" de valoarea ultimei perioade, o deviație, o tendință și o componentă stocastică. (Pentru a afla mai multe despre călătoriile și tendințele aleatorii, consultați tutorialul nostru _{Concepte financiare} .) _{Trend și diferență staționare} O plimbare aleatorie cu sau fără virgulă poate fi transformată într- (scăzând Y
  t-1 de la Y t,

în Y
t _{> t} - Y _t-1 = ε _t sau Y < t _{și apoi procesul devine diferit-staționar. Dezavantajul diferențierii este acela că procesul pierde o observație de fiecare dată când se ia diferența.} Copryright © 2007 Investopedia. com _{Figura 3} Un proces non-staționar cu tendință deterministă devine staționar după eliminarea tendinței sau de deturnare. De exemplu, Yt = α + βt + εt se transformă într-un proces staționar prin scăderea tendinței βt: Yt - βt = α + εt, după cum se arată în figura 4 de mai jos. Nici o observație nu se pierde atunci când deturnarea este folosită pentru a transforma un proces non-staționar într-unul staționar. _{Copryright © 2007 Investopedia. com} Figura 4 _{În cazul unei plimbări aleatorii cu tendință deterministă și deviație, detrending-ul poate elimina tendința deterministă și deviația, dar varianța va continua să meargă la infinit. În consecință, diferența trebuie aplicată și pentru a elimina tendința stocastică.} Concluzie _{Utilizarea datelor din serii temporale non-staționare în modele financiare generează rezultate nesigure și falsificate și conduce la o înțelegere și o prognoză slabă. Soluția problemei este transformarea datelor seriei de timp astfel încât să devină staționară. Dacă procesul non-staționar este o plimbare aleatorie cu sau fără un drift, acesta este transformat în proces staționar prin diferențiere.Pe de altă parte, dacă datele din seria de timp analizate prezintă o tendință deterministă, rezultatele false pot fi evitate prin deturnare. Uneori, seria non-staționare poate combina o tendință stochastică și deterministă în același timp și pentru a evita obținerea de rezultate înșelătoare ar trebui aplicate atât diferențierea, cât și detrendarea, deoarece diferențierea va elimina tendința varianței, iar detrendarea va elimina tendința deterministă.}