همبستگی سریالی چیست؟

همبستگی سریالی زمانی در یک سری زمانی رخ می‌دهد که یک متغیر و نسخه تأخیری آن (به عنوان مثال، متغیر در زمان‌های T و T-1) در طول دوره‌های زمانی با یکدیگر همبستگی داشته باشند. الگوهای تکرارشونده اغلب همبستگی سریالی را نشان می‌دهند، زمانی که سطح یک متغیر بر سطح آینده آن تأثیر می‌گذارد. در امور مالی، این همبستگی توسط تحلیلگران فنی برای تعیین میزان پیش‌بینی قیمت آینده یک اوراق بهادار بر اساس قیمت گذشته آن استفاده می‌شود.

همبستگی سریالی مشابه مفاهیم آماری خودهمبستگی یا همبستگی تأخیری است.

نکات کلیدی

• همبستگی سریالی رابطه بین یک متغیر و نسخه تأخیری آن در بازه‌های زمانی مختلف است.
• این همبستگی رابطه بین ارزش فعلی یک متغیر با مقادیر گذشته آن را اندازه‌گیری می‌کند.
• متغیری که همبستگی سریالی دارد نشان می‌دهد که ممکن است تصادفی نباشد.
• تحلیلگران فنی الگوهای سودآور یک اوراق بهادار یا گروهی از اوراق بهادار را تأیید می‌کنند و ریسک مرتبط با فرصت‌های سرمایه‌گذاری را تعیین می‌کنند.

توضیح همبستگی سریالی

همبستگی سریالی در آمار برای توصیف رابطه بین مشاهدات یک متغیر در دوره‌های زمانی خاص استفاده می‌شود. اگر همبستگی سریالی یک متغیر صفر اندازه‌گیری شود، هیچ همبستگی وجود ندارد و هر یک از مشاهدات مستقل از دیگری است. برعکس، اگر همبستگی سریالی یک متغیر به سمت یک متمایل شود، مشاهدات به صورت سریالی همبسته هستند و مشاهدات آینده تحت تأثیر مقادیر گذشته قرار می‌گیرند. در واقع، متغیری که همبستگی سریالی دارد، دارای الگو است و تصادفی نیست.

خطاها زمانی رخ می‌دهند که یک مدل کاملاً دقیق نباشد و در کاربردهای واقعی نتایج متفاوتی ایجاد کند. هنگامی که خطاهای مربوط به دوره‌های مختلف (معمولاً دوره‌های مجاور) یا مشاهدات مقطعی همبسته باشند، خطا به صورت سریالی همبسته است. همبستگی سریالی در مطالعات سری زمانی رخ می‌دهد، زمانی که خطاهای مرتبط با یک دوره به دوره‌های آینده منتقل می‌شوند. برای مثال، هنگام پیش‌بینی رشد سود سهام، برآورد بیش از حد در یک سال منجر به برآوردهای بیش از حد در سال‌های بعدی می‌شود.

مهم: همبستگی سریالی می‌تواند مدل‌های معاملاتی شبیه‌سازی‌شده را دقیق‌تر کند، که به سرمایه‌گذار کمک می‌کند تا استراتژی سرمایه‌گذاری کم‌ریسک‌تری توسعه دهد.

تحلیل فنی از معیارهای همبستگی سریالی هنگام تحلیل الگوی یک اوراق بهادار استفاده می‌کند. این تحلیل کاملاً بر اساس حرکت قیمت سهام و حجم مرتبط با آن، به جای اصول بنیادی شرکت، انجام می‌شود. متخصصان تحلیل فنی، در صورت استفاده صحیح از همبستگی سریالی، الگوهای سودآور یک اوراق بهادار یا گروهی از اوراق بهادار را شناسایی و تأیید می‌کنند و فرصت‌های سرمایه‌گذاری را کشف می‌کنند.

مفهوم همبستگی سریالی

همبستگی سریالی در ابتدا در مهندسی برای تعیین چگونگی تغییر یک سیگنال، مانند سیگنال کامپیوتری یا امواج رادیویی، نسبت به خود در طول زمان استفاده می‌شد. این مفهوم در محافل اقتصادی با استفاده اقتصاددانان و متخصصان اقتصادسنجی از این معیار برای تحلیل داده‌های اقتصادی در طول زمان، محبوبیت یافت.

تقریباً تمام مؤسسات مالی بزرگ اکنون تحلیلگران کمی، که به عنوان کوانت‌ها شناخته می‌شوند، در اختیار دارند. این تحلیلگران معاملات مالی از تحلیل فنی و سایر استنباط‌های آماری برای تحلیل و پیش‌بینی بازار سهام استفاده می‌کنند. این مدل‌سازان تلاش می‌کنند تا ساختار همبستگی‌ها را شناسایی کنند تا پیش‌بینی‌ها و سودآوری بالقوه یک استراتژی را بهبود بخشند. علاوه بر این، شناسایی ساختار همبستگی، واقع‌گرایی هر سری زمانی شبیه‌سازی‌شده بر اساس مدل را بهبود می‌بخشد. شبیه‌سازی‌های دقیق، ریسک استراتژی‌های سرمایه‌گذاری را کاهش می‌دهند.

کوانت‌ها برای موفقیت بسیاری از این مؤسسات مالی حیاتی هستند، زیرا مدل‌های بازاری را ارائه می‌دهند که مؤسسه سپس از آن‌ها به عنوان پایه‌ای برای استراتژی سرمایه‌گذاری خود استفاده می‌کند.

واقعیت مهم

همبستگی سریالی در ابتدا در پردازش سیگنال و مهندسی سیستم‌ها برای تعیین چگونگی تغییر یک سیگنال نسبت به خود در طول زمان استفاده می‌شد. در دهه 1980، اقتصاددانان و ریاضیدانان به وال استریت هجوم آوردند تا این مفهوم را برای پیش‌بینی قیمت سهام به کار گیرند.

همبستگی سریالی در میان این کوانت‌ها با استفاده از آزمون دوربین-واتسون (Durbin-Watson) تعیین می‌شود. همبستگی می‌تواند مثبت یا منفی باشد. قیمت سهامی که همبستگی سریالی مثبت را نشان می‌دهد، الگوی مثبتی دارد. اوراق بهاداری که همبستگی سریالی منفی دارد، تأثیر منفی بر خود در طول زمان دارد.