Co je časová řada?

Co je časová řada?

Časová řada je posloupnost datových bodů, které se vyskytují v po sobě jdoucím pořadí v určitém časovém období. To může být v kontrastu s průřezovými daty, která zachycují bod v čase.

Při investování časová řada sleduje pohyb zvolených datových bodů, jako je cena cenného papíru, za stanovené časové období s datovými body zaznamenanými v pravidelných intervalech. Neexistuje minimální nebo maximální doba, která musí být zahrnuta, což umožňuje shromáždit data způsobem, který poskytuje informace, které investor nebo analytik zkoumající danou činnost vyhledává.

Klíčové způsoby

Pochopení časové řady

Časovou řadu lze vzít na každou proměnnou, která se v čase mění. Při investování je běžné používat časovou řadu ke sledování ceny cenného papíru v čase. Tu lze sledovat krátkodobě, například cenu cenného papíru v hodině v průběhu obchodního dne, nebo dlouhodobě, například cenu cenného papíru v závěru posledního dne každého měsíce v průběhu pěti let.

Analýza časových řad může být užitečná pro zjištění, jak se dané aktivum, zabezpečení nebo ekonomická proměnná mění v čase. Může být také použita pro zjištění, jak se změny spojené se zvoleným datovým bodem porovnávají s posuny v jiných proměnných za stejné časové období.

Časová řada se používá také v několika nefinančních kontextech, jako je měření změny populace v čase. Níže uvedený obrázek znázorňuje takovou časovou řadu pro růst populace USA v průběhu století v letech 1900-2000.

Analýza časových řad

Předpokládejme, že byste chtěli analyzovat časovou řadu denních uzavíracích cen akcií pro danou akcii za období jednoho roku. Získali byste seznam všech uzavíracích cen akcií z každého dne za uplynulý rok a seřadili je chronologicky. Jednalo by se o jednoletou denní uzavírací cenovou řadu akcií.

Ponoříme-li se trochu hlouběji, mohli byste analyzovat data časových řad pomocí nástrojů technické analýzy, abyste věděli, zda časová řada akcií vykazuje nějakou sezónnost. To pomůže určit, zda akcie prochází vrcholy a propady v pravidelných časech každý rok. Analýza v této oblasti by vyžadovala vzít zjištěné ceny a korelovat je s vybraným obdobím. To může zahrnovat tradiční kalendářní období, jako je léto a zima, nebo maloobchodní období, jako je období dovolených.

Alternativně můžete zaznamenat změny cen akcií akcií, protože se vztahují k ekonomické proměnné, jako je míra nezaměstnanosti. Korelací datových bodů s informacemi vztahujícími se k vybrané ekonomické proměnné můžete pozorovat vzorce v situacích, které vykazují závislost mezi datovými body a vybranou proměnnou.

Potenciální problém s daty časových řad je, že vzhledem k tomu, že každá proměnná je závislá na svém předchozím stavu nebo hodnotě, může docházet k velké autokorelaci, která může zkreslovat výsledky.

Prognóza časové řady

Prognózování časových řad využívá informace týkající se historických hodnot a souvisejících vzorců k predikci budoucí aktivity. Nejčastěji se to týká analýzy trendů, analýzy cyklických fluktuací a otázek sezónnosti. Stejně jako u všech metod prognózování není úspěch zaručen.

Box-Jenkinsův model je například technika určená k předpovídání datových rozsahů na základě vstupů ze zadaných časových řad. Prognózuje data pomocí tří principů, autoregrese, differencingu a klouzavých průměrů. Tyto tři principy jsou známy jako p, d a q. Každý princip se používá v Box-Jenkinsově analýze a společně se zobrazují jako autoregresivní integrovaný klouzavý průměr neboli ARIMA (p, d, q). ARIMA může být použita například k předpovědi cen akcií nebo růstu výnosů.

Jiná metoda, známá jako analýza rozsahu změny stupnice, může být použita k detekci a vyhodnocení míry přetrvávání, náhodnosti nebo střední reverze v datech časových řad. Rozsah změny stupnice může být použit k extrapolaci budoucí hodnoty nebo průměru pro data, aby se zjistilo, zda je trend stabilní nebo je pravděpodobné, že se obrátí.

Cross-Sectional vs. Analýza časových řad

Průřezová analýza je jednou ze dvou zastřešujících srovnávacích metod pro akciovou analýzu. Průřezová analýza se zabývá údaji shromážděnými v jediném časovém okamžiku, nikoli za určité časové období. Analýza začíná stanovením cílů výzkumu a definicí proměnných, které chce analytik měřit. Dalším krokem je identifikace průřezu, například skupiny vrstevníků nebo odvětví, a stanovení konkrétního časového bodu, který je hodnocen. Posledním krokem je provedení analýzy, založené na průřezu a proměnných, a dospět k závěru o výkonnosti společnosti nebo organizace. Průřezová analýza v podstatě ukazuje investorovi, která společnost je nejlepší vzhledem k metrice, na které mu záleží.

Analýza časových řad, známá jako analýza trendů, pokud se týká technického obchodování, se zaměřuje na jeden cenný papír v čase. V tomto případě je cena posuzována v souvislosti s její minulou výkonností. Analýza časových řad ukazuje investorovi, zda si společnost vede lépe nebo hůře než dříve podle opatření, která ji zajímají. Často to budou klasiky jako zisk na akcii (EPS), dluh-k-vlastní kapitál, volný peněžní tok (FCF) a tak dále. V praxi investoři obvykle před rozhodnutím použijí kombinaci analýzy časových řad a průřezové analýzy. Například se podívají na EPS v čase a pak také zkontrolují odvětvový benchmark EPS.

Časové otázky

Jaké jsou některé příklady časové řady?

Časovou řadu lze sestavit z jakýchkoli dat, která jsou měřena v čase v rovnoměrně rozložených intervalech. Historické ceny akcií, výnosy, HDP nebo jiné posloupnosti finančních nebo ekonomických dat lze analyzovat jako časovou řadu.

Jak analyzujete data časových řad?

Statistické techniky mohou být použity k analýze dat časových řad dvěma klíčovými způsoby: k vytváření závěrů o tom, jak jedna nebo více proměnných ovlivňují nějakou proměnnou zájmu v čase, nebo k předpovídání budoucích trendů. Na rozdíl od průřezových dat, která jsou v podstatě jedním plátkem časové řady, šipka času umožňuje analytikovi vytvářet věrohodnější kauzální tvrzení.

Jaký je rozdíl mezi průřezovými daty a daty časových řad?

Průřez se zabývá jedním bodem v čase, což je užitečné pro porovnání a analýzu vlivu různých faktorů na sebe navzájem nebo pro popis vzorku. Časová řada zahrnuje opakované vzorkování stejných dat v čase. V praxi se běžně používají obě formy analýzy; a pokud jsou k dispozici, používají se společně.

Jak se používají časové řady při těžbě dat?

Data mining je metoda, která mění haldy nezpracovaných dat v užitečné informace. Využitím softwaru pro hledání vzorů ve velkých dávkách dat se podniky mohou dozvědět více o svých zákaznících, aby mohly vyvinout efektivnější marketingové strategie, zvýšit prodeje a snížit náklady.Časové řady, jako jsou historické záznamy firemních podání nebo účetní závěrky, jsou zde zvláště užitečné pro identifikaci trendů a vzorů, které mohou být předpovězeny do budoucnosti.