Biểu đồ ACF của tôi cho tôi biết gì về dữ liệu của tôi?

Tôi có hai bộ dữ liệu:

Tập dữ liệu đầu tiên của tôi là giá trị của một khoản đầu tư (tính bằng tỷ đô la) theo thời gian, mỗi đơn vị thời gian là một phần tư kể từ Q1 năm 1947. Thời gian kéo dài đến quý 3 năm 2002.

Tập dữ liệu thứ hai của tôi là "kết quả của việc chuyển đổi các giá trị của khoản đầu tư vào [tập dữ liệu đầu tiên] thành một quy trình ổn định".

Bộ dữ liệu đầu tiên và Bộ dữ liệu thứ hai

Các lô ACF tương ứng:

Tôi biết rằng các âm mưu là chính xác và tôi được yêu cầu "nhận xét về chúng". Tôi còn khá mới đối với chức năng tự tương quan và tôi không hoàn toàn chắc chắn những gì nó cho tôi biết về dữ liệu của mình.

Nếu bất cứ ai có thể dành thời gian để giải thích ngắn gọn thì đó sẽ là RẤT nhiều đánh giá cao.

Nếu mối quan tâm chính của bạn là sử dụng các lô ACF và PACF để hướng dẫn một ARMA phù hợp thì http://people.duke.edu/~rnau/411arim3.htmlm là một tài nguyên tốt. Nhìn chung, các đơn đặt hàng AR sẽ có xu hướng thể hiện bản thân bằng cách cắt mạnh trong âm mưu PACF và suy thoái xu hướng hoặc hình sin chậm trong âm mưu ACF. Điều ngược lại thường đúng với các đơn đặt hàng MA ... liên kết được cung cấp ở trên thảo luận chi tiết hơn về vấn đề này.

Biểu đồ ACF bạn cung cấp có thể đề xuất MA (2). Tôi đoán rằng bạn có một số đơn đặt hàng AR quan trọng chỉ nhìn vào sự phân rã hình sin trong tương quan tự động. Nhưng tất cả điều này là cực kỳ suy đoán vì các hệ số trở nên không đáng kể rất nhanh khi độ trễ tăng lên. Nhìn thấy PACF sẽ rất hữu ích.

Một điều quan trọng khác mà bạn muốn theo dõi là tầm quan trọng trong độ trễ thứ 4 trên PACF. Vì bạn có dữ liệu hàng quý, tầm quan trọng trong độ trễ thứ 4 là dấu hiệu của tính thời vụ. Ví dụ: nếu khoản đầu tư của bạn là một cửa hàng quà tặng, lợi nhuận có thể cao hơn trong các ngày lễ (Q4) và thấp hơn vào đầu năm (Q1), gây ra mối tương quan giữa các quý giống nhau.

Các hệ số đáng kể cho độ trễ nhỏ hơn trong biểu đồ ACF sẽ giữ nguyên khi kích thước dữ liệu của bạn tăng lên giả sử không có gì thay đổi với khoản đầu tư. Độ trễ cao hơn được ước tính với ít điểm dữ liệu hơn thì độ trễ thấp hơn (nghĩa là độ trễ sẽ mất điểm dữ liệu), vì vậy bạn có thể sử dụng kích thước mẫu trong ước tính của mỗi độ trễ để hướng dẫn phán đoán của mình sẽ giữ nguyên và ít hơn đáng tin cậy

Sử dụng âm mưu ACF để hiểu sâu hơn về dữ liệu của bạn (ngoài việc phù hợp với ARMA) sẽ đòi hỏi sự hiểu biết sâu sắc hơn về loại hình đầu tư này. Tôi đã nhận xét về điều này rồi.

Để hiểu sâu hơn ... Với tài sản tài chính, các học viên thường đăng nhập sau đó chênh lệch giá để có được văn phòng phẩm. Sự khác biệt của nhật ký tương tự như lợi nhuận được nén liên tục (tức là tăng trưởng) vì vậy nó có một diễn giải rất hay và có rất nhiều tài liệu tài chính có sẵn về nghiên cứu / mô hình hóa các khoản hoàn trả tài sản. Tôi giả sử dữ liệu cố định của bạn đã được lấy theo cách này.

Theo nghĩa chung nhất, tôi sẽ nói rằng tương quan tự động có nghĩa là lợi tức đầu tư là phần nào có thể dự đoán được. Bạn có thể sử dụng ARMA phù hợp để dự báo lợi nhuận trong tương lai hoặc nhận xét về hiệu suất của khoản đầu tư khi so sánh với điểm chuẩn như S & P 500.

Nhìn vào sự khác biệt trong các điều khoản còn lại của sự phù hợp cũng cho bạn một thước đo rủi ro trong đầu tư. Điều này là vô cùng quan trọng. Trong tài chính, bạn muốn có một rủi ro tối ưu để hoàn trả giao dịch và bạn có thể quyết định xem khoản đầu tư này có đáng tiền hay không bằng cách so sánh với các tiêu chuẩn thị trường khác. Ví dụ: nếu các khoản lãi này có giá trị trung bình thấp và khó dự đoán (nghĩa là rủi ro) khi so sánh với các lựa chọn đầu tư khác, bạn sẽ biết đó là một khoản đầu tư tồi. Một số nơi tốt để bắt đầu là
http://en.wikipedia.org/wiki/E enough_frontier và http://en.wikipedia.org/wiki/Modern_port portfolio_theory .

Hy vọng rằng sẽ giúp!