L'autocorrélation fait référence au degré de corrélation des mêmes variables entre deux intervalles de temps successifs. Il mesure comment la version décalée de la valeur d'une variable est liée à la version originale de celle-ci dans une série chronologique.
L'autocorrélation, en tant que concept statistique, est également appelée corrélation en série. Il est souvent utilisé avec le modèle de moyenne mobile autorégressive (ARMA) et le modèle de moyenne mobile autorégressive intégrée (ARIMA). L'analyse de l'autocorrélation permet de trouver des schémas périodiques répétés, qui peuvent être utilisés comme un outil d'analyse technique sur les marchés des capitaux Marchés des capitaux Les marchés des capitaux sont le système d'échange qui transfère le capital des investisseurs qui n'ont actuellement pas besoin de leurs fonds aux particuliers et.
Résumé
- L'autocorrélation, également appelée corrélation en série, fait référence au degré de corrélation des mêmes variables entre deux intervalles de temps successifs.
- La valeur de l'autocorrélation va de -1 à 1. Une valeur comprise entre -1 et 0 représente une autocorrélation négative. Une valeur comprise entre 0 et 1 représente une autocorrélation positive.
- L'autocorrélation donne des informations sur la tendance d'un ensemble de données historiques, elle peut donc être utile dans l'analyse technique du marché boursier.
Comment ça fonctionne
Dans de nombreux cas, la valeur d'une variable à un moment donné est liée à sa valeur à un moment antérieur. L'analyse d'autocorrélation mesure la relation des observations entre les différents points dans le temps et recherche ainsi un modèle ou une tendance sur la série chronologique. Par exemple, les températures à différents jours du mois sont autocorrélées.
Similaire à la corrélation Corrélation Une corrélation est une mesure statistique de la relation entre deux variables. La mesure est mieux utilisée dans les variables qui démontrent une relation linéaire entre elles. L'ajustement des données peut être représenté visuellement dans un nuage de points. , l'autocorrélation peut être positive ou négative. Il va de -1 (autocorrélation parfaitement négative) à 1 (autocorrélation parfaitement positive). Une autocorrélation positive signifie que l'augmentation observée dans un intervalle de temps conduit à une augmentation proportionnelle de l'intervalle de temps décalé.
L'exemple de température discuté ci-dessus démontre une autocorrélation positive. La température du lendemain a tendance à augmenter lorsqu'elle a augmenté et a tendance à baisser lorsqu'elle a diminué au cours des jours précédents.
Les observations avec autocorrélation positive peuvent être tracées dans une courbe lisse. En ajoutant une droite de régression, on peut observer qu'une erreur positive est suivie d'une autre positive, et une erreur négative est suivie d'une autre négative.
Inversement, une autocorrélation négative signifie que l'augmentation observée dans un intervalle de temps conduit à une diminution proportionnelle de l'intervalle de temps décalé. En traçant les observations avec une droite de régression, il montre qu'une erreur positive sera suivie d'une erreur négative et vice versa.
L'autocorrélation peut être appliquée à différents nombres d'intervalles de temps, ce que l'on appelle le décalage. Une autocorrélation de décalage 1 mesure la corrélation entre les observations séparées par un intervalle unique. Par exemple, pour connaître la corrélation entre les températures d'un jour et le jour correspondant du mois suivant, une autocorrélation de décalage de 30 doit être utilisée (en supposant 30 jours dans ce mois).
Test d'autocorrélation
La statistique Durbin-Watson est couramment utilisée pour tester l'autocorrélation. Il peut être appliqué à un ensemble de données par un logiciel statistique. Le résultat du test de Durbin-Watson varie de 0 à 4. Un résultat proche de 2 signifie un très faible niveau d'autocorrélation. Un résultat plus proche de 0 suggère une autocorrélation positive plus forte, et un résultat plus proche de 4 suggère une autocorrélation négative plus forte.
Il est nécessaire de tester l'autocorrélation lors de l'analyse d'un ensemble de données historiques. Par exemple, sur le marché boursier, les cours des actions en un jour peuvent être fortement corrélés aux cours d'un autre jour. Cependant, il fournit peu d'informations pour l'analyse des données statistiques et n'indique pas la performance réelle du stock.
Par conséquent, il est nécessaire de tester l'autocorrélation des prix historiques pour déterminer dans quelle mesure la variation de prix n'est qu'une configuration ou est causée par d'autres facteurs. En finance, un moyen ordinaire d'éliminer l'impact de l'autocorrélation consiste à utiliser les variations en pourcentage des prix des actifs plutôt que les prix historiques par eux-mêmes.
Autocorrélation et analyse technique
Bien que l'autocorrélation doive être évitée afin d'appliquer une analyse de données plus précise, elle peut toujours être utile dans l'analyse technique Analyse technique - Guide du débutant L'analyse technique est une forme d'évaluation des investissements qui analyse les prix passés pour prédire les futures actions des prix. Les analystes techniques estiment que les actions collectives de tous les acteurs du marché reflètent fidèlement toutes les informations pertinentes et attribuent donc en permanence une juste valeur marchande aux titres. , car il recherche un modèle à partir des données historiques. L'analyse d'autocorrélation peut être appliquée avec l'analyse factorielle de moment.
Un analyste technique peut apprendre comment le cours de l'action d'un jour particulier est affecté par celui des jours précédents grâce à l'autocorrélation. Ainsi, il peut estimer comment le prix évoluera dans le futur.
Si le prix d'une action avec une forte autocorrélation positive augmente depuis plusieurs jours, l'analyste peut raisonnablement estimer que le prix futur continuera à augmenter ces derniers jours. L'analyste peut acheter et conserver l'action pendant une courte période pour profiter du mouvement à la hausse des prix.
L'analyse d'autocorrélation ne fournit que des informations sur les tendances à court terme et en dit peu sur les fondamentaux d'une entreprise. Par conséquent, il ne peut être appliqué que pour soutenir les transactions avec des périodes de détention courtes.
Lectures connexes
Finance offre la certification Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ L'accréditation Certified Banking & Credit Analyst (CBCA) ™ est une norme mondiale pour les analystes de crédit qui couvre la finance, la comptabilité, l'analyse de crédit, l'analyse des flux de trésorerie, la modélisation des clauses restrictives, les prêts remboursements, et plus encore. programme de certification pour ceux qui cherchent à faire progresser leur carrière. Pour continuer à apprendre et faire progresser votre carrière, les ressources suivantes vous seront utiles:
- Modèles de structure de terme libre d'arbitrage Modèles de structure de terme libre d'arbitrage Les modèles de structure de terme libre d'arbitrage (également appelés modèles sans arbitrage) sont utilisés pour générer le véritable processus de génération de taux d'intérêt stochastique en
- Analyse de régression Analyse de régression L'analyse de régression est un ensemble de méthodes statistiques utilisées pour estimer les relations entre une variable dépendante et une ou plusieurs variables indépendantes. Il peut être utilisé pour évaluer la force de la relation entre les variables et pour modéliser la relation future entre elles.
- Moyenne mobile simple Moyenne mobile simple (SMA) La moyenne mobile simple (SMA) fait référence au cours de clôture moyen d'une action sur une période donnée. La raison pour laquelle la moyenne est appelée "mobile" est que le stock
- Analyse technique - Un guide du débutant Analyse technique - Un guide du débutant L'analyse technique est une forme d'évaluation des investissements qui analyse les prix passés pour prédire l'action future des prix. Les analystes techniques estiment que les actions collectives de tous les acteurs du marché reflètent fidèlement toutes les informations pertinentes et attribuent donc en permanence une juste valeur marchande aux titres.
