Autokorelasi dan contoh.

Apa Autokorelasi dan contoh?

Autokorelasi adalah representasi matematis dari tingkat kemiripan antara deret waktu tertentu dan versi tertinggal dari dirinya sendiri selama interval waktu yang berurutan. Ini sama dengan menghitung korelasi antara dua deret waktu yang berbeda, kecuali autokorelasi menggunakan deret waktu yang sama dua kali: sekali dalam bentuk aslinya dan sekali tertinggal satu atau lebih periode waktu. 

Memahami Autocorrelation

Autokorelasi juga dapat disebut sebagai korelasi tertinggal atau korelasi serial, karena mengukur hubungan antara nilai variabel saat ini dan nilai masa lalunya. Saat menghitung autokorelasi, keluaran yang dihasilkan dapat berkisar dari 1 hingga negatif 1, sejalan dengan statistik korelasi tradisional. Autokorelasi +1 menunjukkan korelasi positif yang sempurna (peningkatan yang terlihat dalam satu deret waktu mengarah ke peningkatan proporsional dalam deret waktu lainnya). Autokorelasi negatif 1, di sisi lain, mewakili korelasi negatif sempurna (peningkatan yang terlihat di satu deret waktu menghasilkan penurunan proporsional di deret waktu lainnya). Autokorelasi mengukur hubungan linier; bahkan jika autokorelasi sangat kecil, mungkin masih ada hubungan nonlinier antara deret waktu dan versi lag itu sendiri.

Autokorelasi dalam Analisis Teknis

Autokorelasi dapat berguna untuk analisis teknis , yang paling memperhatikan tren, dan hubungan antara, harga sekuritas dengan menggunakan teknik pembuatan bagan alih-alih kesehatan atau manajemen keuangan perusahaan. Analis teknis dapat menggunakan autokorelasi untuk melihat seberapa besar dampak harga masa lalu untuk sekuritas terhadap harga masa depan.

Autokorelasi dapat menunjukkan jika ada faktor momentum yang terkait dengan suatu saham. Misalnya, jika investor tahu bahwa saham memiliki nilai autokorelasi positif yang secara historis tinggi dan mereka menyaksikannya menghasilkan keuntungan yang cukup besar selama beberapa hari terakhir, maka mereka mungkin secara wajar mengharapkan pergerakan selama beberapa hari mendatang (deret waktu terkemuka) untuk menyamai pergerakan tersebut. dari deret waktu yang tertinggal dan bergerak ke atas.

Contoh Autokorelasi

Mari kita asumsikan Emma sedang mencari untuk menentukan apakah pengembalian saham dalam portofolionya menunjukkan autokorelasi; pengembalian saham terkait dengan pengembaliannya di sesi perdagangan sebelumnya. Jika pengembalian menunjukkan autokorelasi, Emma dapat mencirikannya sebagai persediaan momentum karena pengembalian masa lalu tampaknya mempengaruhi keuntungan di masa depan. Emma menjalankan regresi dengan pengembalian dua sesi perdagangan sebelumnya sebagai variabel independen dan pengembalian saat ini sebagai variabel dependen. Dia menemukan bahwa pengembalian satu hari sebelumnya memiliki autokorelasi positif 0,7, sedangkan pengembalian dua hari sebelumnya memiliki autokorelasi positif 0,3. Pengembalian masa lalu tampaknya mempengaruhi hasil di masa depan. Oleh karena itu Emma dapat menyesuaikan portofolionya untuk memanfaatkan autokorelasi dan momentum yang dihasilkan dengan terus mempertahankan posisinya atau mengakumulasi lebih banyak saham.