Сериальная корреляция

Cтраница 2

Иными словами, удачные годы с большей вероятностью сменяются неудачными годами, и наоборот. Хотя они обнаружили, что годовая корреляция невысока, пятилетняя сериальная корреляция принимает значительные отрицательные значения для всех пяти классов. [16]

Фама и Френч ( Fama and French, 1988) исследовали пятилетнюю доходность акций с 1931 по 1986 год и представили свидетельства, подтверждающие это явление. Исследования, в которых акции классифицировались на основе рыночной стоимости, показали, что сериальная корреляция принимает отрицательные значения в отношении пятилетней доходности в большей степени, чем при исследовании однолетней доходности. Причем она принимает куда большие отрицательные значения для акций малых фирм, чем - крупных компаний. На рисунке 6.2 представлена однолетняя и пятилетняя сериальная корреляция, полученная благодаря исследованиям Фамы - Френча и классифицированная по размеру соответствующих фирм, чьи акции торгуются на Нью-йоркской фондовой бирже. Данное явление было изучено также и на других рынках, а полученные выводы оказались аналогичными. [17]

Здесь существует интересная двойственность результатов. Когда в качестве длительного срока выбран месяц, а не год, то, по-видимому, существует тенденция, формирующая положительную сериальную корреляцию или ценовой импульс. Однако когда в качестве длительного срока выбраны годы, существует отрицательная корреляция в доходности, что приводит к предположению об изменении рыночной тенденции на длительных промежутках времени. [18]

Спред между ценами продавца и покупателя создает предубеждение, действующее в противоположном направлении, если для вычисления доходности используются цены сделок, поскольку ценовое движение имеет равные шансы завершиться по цене как продавца, так и покупателя. Скачки, являющиеся следствием существования в реальности разницы между ценами продавца и покупателя ( бид / аск спред), способны привести к отрицательной сериальной корреляции в доходности. [19]

В случае положительной сериальной корреляции следует покупать после периодов с положительной корреляцией и продавать после интервалов с отрицательной корреляцией. Отрицательная сериальная корреляция стимулирует стратегию покупки после периодов с отрицательной доходностью и продажи - после отрезков с положительной доходностью. Поскольку эти стратегии порождают трансакционные издержки, корреляция должна быть достаточно сильной, чтобы прибыль, полученная инвесторами, покрыла их издержки. Таким образом, очень может быть, что существует сериальная корреляция доходности, однако у большинства инвесторов нет никакой возможности заработать избыточную доходность. [20]

Сериальная корреляция измеряет корреляцию между изменениями цен в следующие друг за другом временные периоды ( например, часовые, дневные или недельные) и служит показателем, в какой степени ценовые изменения в любой из периодов зависят от ценовых изменений в предшествующие периоды. Сериальная корреляция, равная нулю, свидетельствует об отсутствии корреляции между изменениями цен в следующих друг за другом периодах, что говорит против возможности предсказания будущих цен на основе прошлого. Отрицательная и статистически значимая сериальная корреляция свидетельствует о противоположно направленном движении цен и соответствует рынку, где положительная доходность, по большей части, сменяется отрицательной доходностью и наоборот. [21]

Разработка эффективного математического аппарата, ориентированного на многомерный анализ и многоаспектное экспериментирование, ведется в двух направлениях. Один из наиболее перспективных методов, находящихся в стадии разработки, известен под названием спектрального анализа. Он нацелен на исследование природы сериальной корреляции и периодичности ( цикличности) временных последовательностей. Другой фронт исследований ориентируется на поиск методов определения оптимальных значений управляемых переменных; к числу таких методов относится метод чувствительных поверхностей, а также метод стохастической аппроксимации. [22]

Когда данные упоминаются как высокочастотные данные, это означает, что они охватывают очень короткие горизонты времени и часто имеют место. Высокочастотные данные, как известно, имеют существенные статистические проблемы. Самой главной среди этих проблем являются высокие уровни сериальной корреляции, которые могут исказить и стандартные методы анализа, и R / S-анализ. Использование АК ( 1) - разностей компенсирует большую часть этой проблемы, но это делает любой анализ сомнительным, независимо от используемых критериев значимости. [23]

В действительности это предположение не всегда является справедливым. Багшоу и Джонсон [75], [117] изучали влияние сериальной корреляции на параметры контрольных карт кумулятивных сумм и дали рекомендации по ее учету. [24]

Значения статистики, расположенные в окрестности 2, обычно указывают на отсутствие проблем, хотя в действительности идеальное значение зависит от числа оцениваемых параметров и числа наблюдений. Другой коэффициент, равный d 4 - d, используется для обнаружения отрицательной сериальной корреляции. Если регрессионная модель ( regression model) включает лаговую эндогенную ( endogenous) переменную в качестве объясняющей переменной, то полученное значение статистики Дурбина-Уотсона будет недостоверным и может показать отсутствие сериальной корреляции даже тогда, когда последняя фактически имеет место. [25]

Сериальная корреляция в отношении краткосрочных доходов подвержена влиянию ликвидности рынка, а также спреда между ценой продавца и покупателя. Не все входящие в индекс бумаги ликвидны, и в некоторых случаях акции не продаются на рынке в течение рассматриваемого периода. Когда акция продавалась на предшествующем временном отрезке, возникшие ценовые колебания могут создать положительную сериальную корреляцию. Чтобы увидеть причину, предположим, что рынок пошел на подъем в день 1, однако в этот день 3 акции в индексе не продавались на рынке. Если эти акции продавались в день 2, они, по всей вероятности, поднимутся в цене, чтобы отразить рост рынка в предыдущий день. [26]

Как мы видели в Главе 5, различные процессы с кратковременной памятью могут вызвать смещение в R / S-анализе. Процессы AR ( 1), которые, технически, также являются процессами с бесконечной памятью, могут дать результаты, которые выглядят значимыми. В этом разделе мы сравним логарифмические первые разности цен с АК ( 1) - разностями, чтобы определить, присутствует ли существенная проблема сериальной корреляции в первоначальных данных. [27]

Доходность недвижимости, акций и облигаций. [30]

Страницы: 1 2 3