Apa itu Autocorrelation?
Autokorelasi adalah representasi matematis dari tingkat kesamaan antara deret waktu yang diberikan dan versi lagged 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 beberapa periode waktu.
Autokorelasi
Memahami Autocorrelation
Autokorelasi juga dapat disebut sebagai korelasi lagged atau korelasi serial, karena mengukur hubungan antara nilai saat ini variabel dan nilai masa lalu. Saat menghitung autokorelasi, output yang dihasilkan dapat berkisar dari 1 hingga negatif 1, sesuai dengan statistik korelasi tradisional. Autokorelasi +1 mewakili korelasi positif sempurna (peningkatan yang terlihat dalam satu rangkaian waktu mengarah ke peningkatan proporsional dalam rangkaian waktu lainnya). Sebaliknya, autokorelasi negatif 1 menunjukkan korelasi negatif sempurna (peningkatan yang terlihat dalam satu rangkaian waktu menghasilkan penurunan proporsional dalam rangkaian waktu lainnya). Autokorelasi mengukur hubungan linear; bahkan jika autokorelasi sangat kecil, mungkin masih ada hubungan nonlinier antara deret waktu dan versi lagged dari dirinya sendiri.
Pengambilan Kunci
- Autokorelasi mewakili tingkat kesamaan antara seri waktu yang diberikan dan versi lagged dari dirinya sendiri selama interval waktu berturut-turut. Autokorelasi mengukur hubungan antara nilai saat variabel dan nilai masa lalu. Autokorelasi +1 mewakili korelasi positif sempurna, sedangkan autokorelasi negatif 1 mewakili korelasi negatif sempurna. Analis teknis dapat menggunakan autokorelasi untuk melihat seberapa besar dampak harga masa lalu untuk keamanan terhadap harga di masa depan.
Autokorelasi dalam Analisis Teknis
Autokorelasi dapat berguna untuk analisis teknis, yang paling berkaitan dengan tren, dan hubungan antara, harga keamanan menggunakan teknik pembuatan bagan alih-alih kesehatan atau manajemen keuangan perusahaan. Analis teknis dapat menggunakan autokorelasi untuk melihat seberapa besar dampak harga masa lalu terhadap keamanan terhadap harga di masa depan.
Autokorelasi dapat menunjukkan jika ada faktor momentum yang terkait dengan suatu saham. Misalnya, jika investor tahu bahwa suatu saham memiliki nilai autokorelasi positif yang tinggi secara historis dan mereka menyaksikannya memperoleh keuntungan yang cukup besar selama beberapa hari terakhir, maka mereka mungkin mengharapkan pergerakan selama beberapa hari mendatang (seri waktu terkemuka) untuk menyamai mereka. dari deret waktu dan bergerak ke atas.
Contoh Autocorrelation
Mari kita asumsikan Emma mencari untuk menentukan apakah suatu saham kembali dalam portofolionya menunjukkan autokorelasi; Pengembalian saham terkait dengan pengembaliannya dalam sesi perdagangan sebelumnya. Jika pengembaliannya menunjukkan autokorelasi, Emma dapat menggambarkannya sebagai stok momentum karena pengembalian di masa lalu tampaknya memengaruhi pengembalian di masa depan. Emma menjalankan regresi dengan pengembalian dua sesi perdagangan sebelumnya sebagai variabel independen dan laba 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 memengaruhi pengembalian di masa mendatang. Karena itu Emma dapat menyesuaikan portofolionya untuk mengambil keuntungan dari autokorelasi dan menghasilkan momentum dengan terus memegang posisinya atau mengakumulasi lebih banyak saham.
