Otokorelasyon
Otokorelasyon Nedir?
Otokorelasyon, belirli bir zaman serisi ile kendisinin ardışık zaman aralıklarında gecikmiş bir versiyonu arasındaki benzerlik derecesinin matematiksel bir temsilidir. Kavramsal olarak iki farklı zaman serisi arasındaki korelasyona benzer, ancak otokorelasyon aynı zaman serisini iki kez kullanır: birincisi orijinal biçiminde ve bir kez bir veya daha fazla zaman periyodu gecikti.
Örneğin, bugün yağmurluysa, veriler bugün hava açık olduğundan yarın yağmur yağma olasılığının daha yüksek olduğunu gösteriyor. Yatırım söz konusu olduğunda, bir hisse senedinin getiri konusunda güçlü bir pozitif otokorelasyonu olabilir, bu da bugün “yükselirse” yarın da yükselme olasılığının daha yüksek olduğunu düşündürür.
Doğal olarak, otokorelasyon yatırımcıların kullanması için yararlı bir araç olabilir; özellikle teknik analistler için.
Temel Çıkarımlar
- Otokorelasyon, belirli bir zaman serisi ile ardışık zaman aralıklarında kendisinin gecikmiş bir versiyonu arasındaki benzerlik derecesini temsil eder.
- Otokorelasyon, bir değişkenin mevcut değeri ile geçmiş değerleri arasındaki ilişkiyi ölçer.
- +1 otokorelasyonu mükemmel bir pozitif korelasyonu temsil ederken, negatif 1 otokorelasyonu mükemmel bir negatif korelasyonu temsil eder.
- Teknik analistler, bir menkul kıymetin geçmiş fiyatlarının gelecekteki fiyatı üzerinde ne kadar etkisi olduğunu ölçmek için otokorelasyonu kullanabilir.
Otokorelasyonu Anlamak
Otokorelasyon, bir değişkenin mevcut değeri ile geçmiş değerleri arasındaki ilişkiyi ölçtüğü için gecikmeli korelasyon veya seri korelasyon olarak da adlandırılabilir.
Çok basit bir örnek olarak, aşağıdaki tablodaki yüzde beş değerine bir göz atın. Bunları aynı değer kümesini içeren sağdaki sütunla karşılaştırıyoruz, az önce bir satır yukarı taşındı.
Otokorelasyonu hesaplarken, sonuç -1 ile +1 arasında değişebilir.
+1 otokorelasyonu, mükemmel bir pozitif korelasyonu temsil eder (bir zaman serisinde görülen bir artış, diğer zaman serilerinde orantılı bir artışa yol açar).
Öte yandan, -1 otokorelasyonu, mükemmel bir negatif korelasyonu temsil eder (bir zaman serisinde görülen bir artış, diğer zaman serilerinde orantılı bir düşüşle sonuçlanır).
Otokorelasyon doğrusal ilişkileri ölçer. Otokorelasyon küçük olsa bile, bir zaman serisi ile kendisinin gecikmiş versiyonu arasında yine de doğrusal olmayan bir ilişki olabilir.
Otokorelasyon Testi
Test otokorelasyonunun en yaygın yöntemi Durbin-Watson testidir. Çok teknik olmadan, Durbin-Watson bir regresyon analizinden otokorelasyonu tespit eden bir istatistiktir.
Durbin-Watson her zaman 0 ile 4 arasında bir test numarası üretir. 0’a yakın değerler daha yüksek bir pozitif korelasyon derecesini gösterirken, 4’e yakın değerler daha yüksek derecede negatif otokorelasyonu gösterirken ortaya daha yakın değerler daha az otokorelasyonu gösterir.
Öyleyse, finansal piyasalarda otokorelasyon neden önemlidir? Basit. Otokorelasyon, yatırımcıların gelecekteki fiyat hareketlerini tahmin etmek için kullanabilecekleri tarihsel fiyat hareketlerini kapsamlı bir şekilde analiz etmek için uygulanabilir. Özellikle, otokorelasyon, bir momentum ticaret stratejisinin mantıklı olup olmadığını belirlemek için kullanılabilir.
Teknik Analizde Otokorelasyon
Otokorelasyon, teknik analiz için yararlı olabilir. Bunun nedeni, teknik analizin en çok, grafik tekniklerini kullanarak güvenlik fiyatlarının trendleri ve bunlar arasındaki ilişkilerle ilgilenmesidir. Bu, bir şirketin finansal sağlığı veya yönetimine odaklanan temel analizle çelişir.
Teknik analistler, bir menkul kıymetin geçmiş fiyatlarının gelecekteki fiyatı üzerinde ne kadar etkisi olduğunu bulmak için otokorelasyonu kullanabilir.
Otokorelasyon, belirli bir hisse senedi ile oyunda bir momentum faktörü olup olmadığını belirlemeye yardımcı olabilir. Örneğin, pozitif otokorelasyonu yüksek bir hisse senedi, iki gün üst üste büyük kazançlar bildirirse, hisse senedinin önümüzdeki iki gün içinde de yükselmesini beklemek mantıklı olabilir.
Otokorelasyon Örneği
Emma’nın portföyündeki bir hisse senedinin getirilerinin otokorelasyon gösterip göstermediğini belirlemeye çalıştığını varsayalım; yani, hisse senedinin getirileri, önceki işlem seanslarındaki getirileriyle ilgilidir.
Eğer getiriler otokorelasyon sergiliyorsa, Emma bunu bir momentum stoğu olarak nitelendirebilir çünkü geçmiş getiriler gelecekteki getirileri etkiliyor gibi görünüyor. Emma, bağımsız değişken olarak önceki alım satım seansının getirisi ve bağımlı değişken olarak mevcut getiri ile bir regresyon çalıştırır. Bir gün önce geri dönenlerin 0,8 pozitif otokorelasyona sahip olduğunu buldu.
0,8 + 1’e yakın olduğundan, geçmiş getiriler bu hisse senedinin gelecekteki getirileri için çok iyi bir pozitif öngörücü gibi görünüyor.
Bu nedenle Emma, pozisyonunu elinde tutmaya devam ederek veya daha fazla hisse biriktirerek portföyünü otokorelasyondan veya ivmeden yararlanacak şekilde ayarlayabilir.