La autocorrelación se refiere al grado de correlación de las mismas variables entre dos intervalos de tiempo sucesivos. Mide cómo se relaciona la versión rezagada del valor de una variable con la versión original de la misma en una serie de tiempo.
La autocorrelación, como concepto estadístico, también se conoce como correlación serial. A menudo se utiliza con el modelo de promedio móvil autorregresivo (ARMA) y el modelo de promedio móvil integrado autorregresivo (ARIMA). El análisis de autocorrelación ayuda a encontrar patrones periódicos repetidos, que pueden ser utilizados como herramienta de análisis técnico en los mercados de capitales.
Resumen
- La autocorrelación, también conocida como correlación serial, se refiere al grado de correlación de las mismas variables entre dos intervalos de tiempo sucesivos.
- El valor de autocorrelación varía de -1 a 1. Un valor entre -1 y 0 representa una autocorrelación negativa. Un valor entre 0 y 1 representa una autocorrelación positiva.
- La autocorrelación brinda información sobre la tendencia de un conjunto de datos históricos, por lo que puede ser útil en el análisis técnico del mercado de valores.
Cómo funciona
En muchos casos, el valor de una variable en un momento determinado está relacionado con el valor de la misma en un momento anterior. El análisis de autocorrelación mide la relación de las observaciones entre los diferentes puntos en el tiempo y, por lo tanto, busca un patrón o tendencia en la serie de tiempo. Por ejemplo, las temperaturas en diferentes días de un mes están autocorrelacionadas.
Similar a la correlación Correlación Una correlación es una medida estadística de la relación entre dos variables. La medida se utiliza mejor en variables que demuestran una relación lineal entre sí. El ajuste de los datos se puede representar visualmente en un diagrama de dispersión. , la autocorrelación puede ser positiva o negativa. Va desde -1 (autocorrelación perfectamente negativa) a 1 (autocorrelación perfectamente positiva). Autocorrelación positiva significa que el aumento observado en un intervalo de tiempo conduce a un aumento proporcional en el intervalo de tiempo retrasado.
El ejemplo de temperatura discutido anteriormente demuestra una autocorrelación positiva. La temperatura del día siguiente tiende a subir cuando ha ido aumentando y tiende a bajar cuando ha estado disminuyendo durante los días anteriores.
Las observaciones con autocorrelación positiva se pueden trazar en una curva suave. Al agregar una línea de regresión, se puede observar que a un error positivo le sigue otro positivo y a un error negativo le sigue otro negativo.
Por el contrario, la autocorrelación negativa representa que el aumento observado en un intervalo de tiempo conduce a una disminución proporcional en el intervalo de tiempo rezagado. Al trazar las observaciones con una línea de regresión, muestra que un error positivo será seguido por uno negativo y viceversa.
La autocorrelación se puede aplicar a diferentes números de intervalos de tiempo, lo que se conoce como retraso. Una autocorrelación de retardo 1 mide la correlación entre las observaciones que están separadas una sola vez. Por ejemplo, para conocer la correlación entre las temperaturas de un día y el día correspondiente del mes siguiente, se debe utilizar una autocorrelación de retardo 30 (asumiendo 30 días en ese mes).
Prueba de autocorrelación
La estadística de Durbin-Watson se usa comúnmente para probar la autocorrelación. Puede aplicarse a un conjunto de datos mediante software estadístico. El resultado de la prueba de Durbin-Watson varía de 0 a 4. Un resultado cercano a 2 significa un nivel muy bajo de autocorrelación. Un resultado más cercano a 0 sugiere una autocorrelación positiva más fuerte, y un resultado más cercano a 4 sugiere una autocorrelación negativa más fuerte.
Es necesario probar la autocorrelación al analizar un conjunto de datos históricos. Por ejemplo, en el mercado de valores, los precios de las acciones en un día pueden estar altamente correlacionados con los precios en otro día. Sin embargo, proporciona poca información para el análisis de datos estadísticos y no indica el rendimiento real de la población.
Por lo tanto, es necesario probar la autocorrelación de los precios históricos para identificar hasta qué punto el cambio de precio es simplemente un patrón o está causado por otros factores. En finanzas, una forma común de eliminar el impacto de la autocorrelación es utilizar cambios porcentuales en los precios de los activos en lugar de los precios históricos por sí mismos.
Autocorrelación y análisis técnico
Aunque se debe evitar la autocorrelación para aplicar más análisis de datos con mayor precisión, aún puede ser útil en el análisis técnico Análisis técnico: una guía para principiantes El análisis técnico es una forma de valoración de inversiones que analiza precios pasados para predecir la acción futura del precio. Los analistas técnicos creen que las acciones colectivas de todos los participantes en el mercado reflejan con precisión toda la información relevante y, por lo tanto, asignan continuamente un valor justo de mercado a los valores. , ya que busca un patrón a partir de datos históricos. El análisis de autocorrelación se puede aplicar junto con el análisis del factor de momento.
Un analista técnico puede conocer cómo el precio de las acciones de un día en particular se ve afectado por los de días anteriores a través de la autocorrelación. Por lo tanto, puede estimar cómo se moverá el precio en el futuro.
Si el precio de una acción con una fuerte autocorrelación positiva ha estado aumentando durante varios días, el analista puede estimar razonablemente que el precio futuro seguirá subiendo en los últimos días. El analista puede comprar y mantener las acciones durante un corto período de tiempo para beneficiarse del movimiento ascendente de precios.
El análisis de autocorrelación solo proporciona información sobre las tendencias a corto plazo y dice poco sobre los fundamentos de una empresa. Por lo tanto, solo se puede aplicar para respaldar las operaciones con períodos de tenencia cortos.
Lecturas relacionadas
Finance ofrece la certificación Certified Banking & Credit Analyst (CBCA) ™ CBCA ™ La acreditación Certified Banking & Credit Analyst (CBCA) ™ es un estándar global para analistas de crédito que cubre finanzas, contabilidad, análisis crediticio, análisis de flujo de efectivo, modelado de convenios, préstamos reembolsos y más. programa de certificación para aquellos que buscan llevar sus carreras al siguiente nivel. Para seguir aprendiendo y avanzando en su carrera, los siguientes recursos serán útiles:
- Modelos de estructura de término libre de arbitraje Modelos de estructura de término libre de arbitraje Los modelos de estructura de término libre de arbitraje (también conocidos como modelos de no arbitraje) se utilizan para generar el verdadero proceso estocástico de generación de tasas de interés por
- Análisis de regresión Análisis de regresión El análisis de regresión es un conjunto de métodos estadísticos utilizados para la estimación de relaciones entre una variable dependiente y una o más variables independientes. Puede utilizarse para evaluar la fuerza de la relación entre variables y para modelar la relación futura entre ellas.
- Media móvil simple Media móvil simple (SMA) La media móvil simple (SMA) se refiere al precio de cierre promedio de una acción durante un período específico. La razón por la que el promedio se llama "en movimiento" es que la acción
- Análisis técnico: una guía para principiantes Análisis técnico: una guía para principiantes El análisis técnico es una forma de valoración de inversiones que analiza los precios pasados para predecir la acción futura del precio. Los analistas técnicos creen que las acciones colectivas de todos los participantes en el mercado reflejan con precisión toda la información relevante y, por lo tanto, asignan continuamente un valor justo de mercado a los valores.
