Finanční instituce a korporace, jakož i individuální investoři a výzkumní pracovníci často používají v ekonomických prognózách údaje o finančních časových řadách (jako jsou ceny aktiv, směnné kurzy, HDP, inflace a další makroekonomické ukazatele) nebo studie samotných údajů.

Zpracování dat je klíčem k tomu, aby bylo možné je aplikovat na analýzu vašich zásob. V tomto článku vám ukážeme, jak izolovat datové body, které jsou relevantní pro vaše přehledy o akciích.

Údaje o vaření surovin
Datové body jsou často nestacionární nebo mají prostředky, odchylky a covariances, které se v průběhu času mění. Nestacionární chování může být trendy, cykly, náhodné procházky nebo kombinace těchto tří.

Nestacionární data jsou zpravidla nepředvídatelná a nelze je modelovat ani předvídat. Výsledky získané použitím nestacionárních časových řad mohou být falešné, protože mohou naznačovat vztah mezi dvěma proměnnými, pokud neexistují. Aby bylo možné získat konzistentní a spolehlivé výsledky, stacionární data je třeba přeměnit na stacionární data. Na rozdíl od nestacionárního procesu, který má proměnnou odchylku a průměr, který se nezůstává blízko, nebo se vrací k dlouhodobému průměru v průběhu času, stacionární proces se vrátí kolem konstantního dlouhodobého průměru a má konstantní rozptyl nezávislý času.

Copryright © 2007 Investopedia. com

Obrázek 1

Druhy stacionárních procesů
Než se dostaneme do bodu transformace dat nestacionárních finančních časových řad, měli bychom rozlišovat mezi různými typy nestacionárních procesů. To nám umožní lépe porozumět procesům a dovolit nám aplikovat správnou transformaci. Příklady nestacionárních procesů jsou náhodná chůze s nebo bez driftu (pomalá trvalá změna) a deterministické trendy (trendy, které jsou konstantní, pozitivní nebo negativní nezávislé na čase po celou dobu života série).

Copryright © 2007 Investopedia. (

t

• = Y _t-1 + _{t Náhodná chůze předpovídá, že hodnota v čase "t" se bude rovnat hodnotě posledního období plus stochastické (nesystémové) složce, která je bílým šumem, což znamená, že ε} t
  je nezávislé a identicky distribuované se střední hodnotou "0" rozptyl "σ²". Náhodná chůze může být také nazývána procesem integrovaným v nějakém pořadí, procesem s jednotkovou kořenovou jednotkou nebo procesem se stochastickým trendem. Jedná se o nereflexní proces obrácení, který se může pohybovat od středu buď v pozitivním nebo negativním směru. Dalším znakem náhodného procházky je to, že rozptyl se vyvíjí v průběhu času a pokračuje do nekonečna jak čas plyne do nekonečna; proto nelze náhodnou chůzi předvídat. _{Náhodná chůze s Driftem} (Y
• t = α + Y _t-1 + ε _t předpovídá, že hodnota v čase "t" se bude rovnat hodnotě posledního období plus konstantě nebo driftu (α) a bílému šumu (ε _t ), pak se jedná o náhodnou chůzi s driftem . Rovněž se nevrátí k dlouhodobému průměru a závisí na časovém rozptylu.
  Deterministický trend (Y _t = α + βt + ε
• t ₎ Oba obsahují složku drift a bílou šum, ale hodnota v čase "t" v případě náhodného procházení je regresována v hodnotě posledního období (Y _t-1 ), zatímco v případě deterministický trend je regresován na časovém trendu (βt). Nestacionární proces s deterministickým trendem má průměr, který roste kolem fixního trendu, který je konstantní a nezávislý na čase.
  Náhodná chůze s driftem a deterministickým trendem (Y _t = α + Y
• t-1 _{+ βt + ε} t _{nestacionární proces, který kombinuje náhodnou chůzi s driftovou složkou (α) a deterministickým trendem (βt). Určuje hodnotu v čase "t" hodnotou posledního období, drift, trend a stochastickou složku. (Chcete-li se dozvědět více o náhodných procházkách a trendech, podívejte se na náš výukový program} Finanční pojmy _. Stacionární trend a rozdíl
  Náhodná procházka s nebo bez driftu může být přeměněna na stacionární proces (odčítání Y t-1 od Y

t,
odpovídající Y _t - Y _t-1 > t _{- Y} t-1 _{= ε} t _t a pak se proces stává rozdílem. Nevýhodou rozdílnosti je to, že proces ztrácí jedno pozorování při každém rozdílu. _{Copryright © 2007 Investopedia. com} Obrázek 3 _{Nestacionární proces s deterministickým trendem se stává po odstranění trendu nebo odklonění. Například Yt = α + βt + εt se transformuje do stacionárního procesu odečtením trendu βt: Yt - βt = α + εt, jak je znázorněno na obrázku 4 níže. Žádné pozorování se neztratí, když se detrace používá k přeměně nestacionárního procesu na stacionární.} Copryright © 2007 Investopedia. com _{Obrázek 4} V případě náhodného chůze s driftem a deterministickým trendem může detrending odstranit deterministický trend a drift, ale rozptyl bude i nadále pokračovat do nekonečna. Výsledkem je, že pro odstranění stochastického trendu musí být použita diferenciace. _Závěr Použití nestacionárních časových řad ve finančních modelech vede k nespolehlivým a falešným výsledkům a vede k špatnému pochopení a prognózování. Řešením problému je přeměnit data časové řady tak, aby se stala stacionární. Je-li nestacionární proces náhodnou procházkou s driftem nebo bez něj, přeměňuje se na stacionární proces.Na druhou stranu, jestliže analyzovaná data časových řad vykazují deterministický trend, je možné vyloučit falešné výsledky detrendem. Nestacionární řada může někdy kombinovat stochastický a deterministický trend současně a zabránit získávání zavádějících výsledků, a to jak při diferencování, tak při odkládání, protože diferenciace odstraní tendenci v rozptylu a odklonění odstraní deterministický trend.