Bir zaman serisi, belirli bir zaman periyodu boyunca ardışık sırada meydana gelen bir veri noktaları dizisidir. Bu, zaman içinde bir noktayı yakalayan kesit verileriyle karşılaştırılabilir .
Yatırımda, bir zaman serisi, düzenli aralıklarla kaydedilen veri noktalarıyla belirli bir süre boyunca bir menkul kıymetin fiyatı gibi seçilen veri noktalarının hareketini izler. Verilerin, faaliyeti inceleyen yatırımcı veya analist tarafından aranan bilgileri sağlayacak şekilde toplanmasına izin verilmesi gereken minimum veya maksimum süre yoktur.
ÖNEMLİ ÇIKARIMLAR
Zaman serisi, zaman içinde bir örneği izleyen bir veri setidir.
Özellikle, bir zaman serisi, belirli değişkenleri dönemden döneme hangi faktörlerin etkilediğini görmemizi sağlar.
Zaman serisi analizi, belirli bir varlığın, menkul kıymetin veya ekonomik değişkenin zaman içinde nasıl değiştiğini görmek için faydalı olabilir.
Zaman serilerini kullanan tahmin yöntemleri hem temel hem de teknik analizde kullanılır.
Kesitsel veriler, zaman serilerinin tersi olarak görülse de, uygulamada ikisi sıklıkla birlikte kullanılmaktadır.
Zaman Serilerini Anlama
Zamanla değişen herhangi bir değişken üzerinde bir zaman serisi alınabilir. Yatırımda, bir menkul kıymetin zaman içindeki fiyatını izlemek için bir zaman serisi kullanmak yaygındır. Bu, bir menkul kıymetin bir iş günü boyunca saatlik fiyatı gibi kısa vadeli veya her ayın son günü kapanış fiyatı gibi uzun vadeli olarak takip edilebilir. beş yıllık ders.
Zaman serileri analizi, belirli bir varlığın, menkul kıymetin veya ekonomik değişkenin zaman içinde nasıl değiştiğini görmek için faydalı olabilir. Ayrıca, seçilen veri noktasıyla ilişkili değişikliklerin, aynı zaman periyodundaki diğer değişkenlerdeki değişimlerle nasıl karşılaştırıldığını incelemek için de kullanılabilir.
Zaman serileri, zaman içinde nüfustaki değişimin ölçülmesi gibi finansal olmayan çeşitli bağlamlarda da kullanılır. Aşağıdaki şekil, 1900-2000 arasındaki yüzyıl boyunca ABD nüfusunun büyümesi için böyle bir zaman serisini göstermektedir.
Zaman serileri analizi
Belirli bir hisse senedi için bir yıl boyunca günlük kapanış hisse senedi fiyatlarının bir zaman serisini analiz etmek istediğinizi varsayalım. Geçen yıl için her gün hisse senedi için tüm kapanış fiyatlarının bir listesini alır ve bunları kronolojik sırayla listelersiniz. Bu , hisse senedi için bir yıllık günlük kapanış fiyatı zaman serisi olacaktır.
Biraz daha derine inerek, hisse senedinin zaman serisinin herhangi bir mevsimsellik gösterip göstermediğini öğrenmek için teknik analiz araçlarıyla zaman serisi verilerini analiz edebilirsiniz. Bu, hisse senedinin her yıl düzenli zamanlarda tepe ve dip noktalarından geçip geçmediğini belirlemeye yardımcı olacaktır. Bu alandaki analiz, gözlemlenen fiyatların alınmasını ve seçilen bir mevsimle ilişkilendirilmesini gerektirecektir. Bu, yaz ve kış gibi geleneksel takvim mevsimlerini veya tatil mevsimleri gibi perakende sezonlarını içerebilir.
Alternatif olarak, işsizlik oranı gibi ekonomik bir değişkenle ilgili olduğu için hisse senedi fiyatındaki değişiklikleri kaydedebilirsiniz . Veri noktalarını seçilen ekonomik değişkenle ilgili bilgilerle ilişkilendirerek, veri noktaları ve seçilen değişken arasında bağımlılık sergileyen durumlarda kalıpları gözlemleyebilirsiniz.
Zaman serisi verileriyle ilgili olası bir sorun, her değişken önceki durumuna veya değerine bağlı olduğundan, sonuçları saptırabilecek çok sayıda otokorelasyon olabilir.
Zaman Serisi Tahmini
Zaman serisi tahmini, gelecekteki etkinliği tahmin etmek için tarihsel değerler ve ilişkili kalıplarla ilgili bilgileri kullanır. Çoğu zaman bu, trend analizi, döngüsel dalgalanma analizi ve mevsimsellik sorunları ile ilgilidir. Tüm tahmin yöntemlerinde olduğu gibi, başarı garanti edilmez.
Box-Jenkins modeli , örneğin, belirli bir zaman serisi gelen sinyallere göre aralıkları Tahmin verileri için tasarlanmış bir yöntemdir. Verileri üç ilke, otoregresyon , fark alma ve hareketli ortalamalar kullanarak tahmin eder . Bu üç ilke sırasıyla p, d ve q olarak bilinir. Her ilke Box-Jenkins analizinde kullanılır ve birlikte topluca otoregresif entegre hareketli ortalama veya ARIMA (p, d, q) olarak gösterilir. ARIMA, örneğin hisse senedi fiyatlarını veya kazanç artışını tahmin etmek için kullanılabilir.
Yeniden ölçeklendirilmiş aralık analizi olarak bilinen başka bir yöntem, zaman serisi verilerindeki kalıcılık, rastgelelik veya ortalamaya dönüş miktarını saptamak ve değerlendirmek için kullanılabilir . Yeniden ölçeklenen aralık, verilerin bir eğilimin istikrarlı olup olmadığını veya tersine dönme olasılığının olup olmadığını görmek için gelecekteki bir değeri veya ortalamayı tahmin etmek için kullanılabilir.
Kesitsel ve Zaman Serileri Analizi
Kesit analizi, stok analizi için iki kapsamlı karşılaştırma yönteminden biridir. Kesitsel analiz, belirli bir zaman diliminden ziyade tek bir zamanda toplanan verilere bakar. Analiz, araştırma hedeflerinin belirlenmesi ve analistin ölçmek istediği değişkenlerin tanımlanması ile başlar. Bir sonraki adım, bir grup meslektaş veya sektör gibi bir kesiti belirlemek ve değerlendirilmekte olan belirli bir zaman noktasını belirlemektir. Son adım, kesit ve değişkenlere dayalı olarak analiz yapmak ve bir şirket veya organizasyonun performansı hakkında bir sonuca varmaktır. Esasen, kesitsel analiz, bir yatırımcıya, önemsediği metrikler verildiğinde hangi şirketin en iyi olduğunu gösterir.
Teknik ticaret için geçerli olduğunda trend analizi olarak bilinen zaman serisi analizi, zaman içinde tek bir güvenliğe odaklanır. Bu durumda fiyat, geçmiş performansı bağlamında değerlendirilmektedir. Zaman serisi analizi, bir yatırımcıya, önemsediği önlemlerle şirketin eskisinden daha iyi veya daha kötü durumda olup olmadığını gösterir. Bunlar genellikle hisse başına kazanç (EPS), borç-özsermaye, serbest nakit akışı (FCF) vb. gibi klasikler olacaktır . Uygulamada, yatırımcılar bir karar vermeden önce genellikle zaman serisi analizi ve kesit analizinin bir kombinasyonunu kullanacaklardır. Örneğin, zaman içinde EPS’ye bakmak ve ardından sektör karşılaştırmalı EPS’yi kontrol etmek.
Zaman Serisi SSS’leri
Bazı Zaman Serileri Örnekleri Nelerdir?
Bir zaman serisi, zaman içinde eşit aralıklı aralıklarla ölçülen herhangi bir veriyle oluşturulabilir. Tarihsel hisse senedi fiyatları, kazançlar, GSYİH veya diğer finansal veya ekonomik veri dizileri bir zaman serisi olarak analiz edilebilir.
Zaman Serisi Verilerini Nasıl Analiz Ediyorsunuz?
İstatistiksel teknikler, zaman serisi verilerini iki temel yolla analiz etmek için kullanılabilir: bir veya daha fazla değişkenin zaman içinde bazı değişkenleri nasıl etkilediğine dair çıkarımlar oluşturmak veya gelecekteki eğilimleri tahmin etmek. Esasen bir zaman serisinin bir dilimi olan kesitsel verilerin aksine, zaman oku bir analistin daha makul nedensel iddialarda bulunmasına izin verir.
Kesitsel ve Zaman Serisi Verileri Arasındaki Fark Nedir?
Bir kesit, farklı faktörlerin birbirleri üzerindeki etkisini karşılaştırmak ve analiz etmek veya bir numuneyi tanımlamak için yararlı olan tek bir zaman noktasına bakar. Zaman serileri, aynı verinin zaman içinde tekrar tekrar örneklenmesini içerir. Pratikte, her iki analiz biçimi de yaygın olarak kullanılmaktadır; ve mevcut olduğunda birlikte kullanılır.
Veri Madenciliğinde Zaman Serileri Nasıl Kullanılır?
Veri madenciliği , ham veri yığınlarını faydalı bilgilere dönüştüren bir süreçtir. İşletmeler, büyük veri yığınlarında kalıpları aramak için yazılım kullanarak, daha etkili pazarlama stratejileri geliştirmek, satışları artırmak ve maliyetleri azaltmak için müşterileri hakkında daha fazla bilgi edinebilir. Kurumsal dosyalamaların veya mali tabloların tarihsel kaydı gibi zaman serileri, geleceğe yönelik tahmin edilebilecek eğilimleri ve kalıpları belirlemek için burada özellikle yararlıdır.