Mali kurumlar ve şirketler ile bireysel yatırımcılar ve araştırmacılar, ekonomik tahminlerde, borsa analizlerinde, finansal zaman serisi verilerini (varlık fiyatları, döviz kuru, GSYİH, enflasyon ve diğer makroekonomik göstergeler gibi) sıklıkla kullanıyor veya verilerin incelenmesi.

Fakat verileri rafine etme, stok analizinize uygulayabilmenin anahtarıdır. Bu makalede, hisse senedi raporlarınızla alakalı olan veri noktalarını nasıl yalıtacağınızı göstereceğiz.

Pişirme Ham Veri
Veri noktaları genellikle durağan değildir veya zamanla değişen vasıta, varyans ve kovaryanslara sahiptir. Durağan olmayan davranışlar eğilimler, döngüler, rasgele yürüyüşler veya üçlü kombinasyon olabilir.

Kural olarak durağan olmayan veriler önceden tahmin edilemez ve modellenemez veya tahmin edilemez. Durağan olmayan zaman serilerini kullanarak elde edilen sonuçlar, var olmayan iki değişken arasındaki bir ilişkiyi gösterebileceğinden sahte olabilir. Tutarlı, güvenilir sonuçlar elde etmek için durağan olmayan verilerin sabit verilere dönüştürülmesi gerekir. Durağan süreç, değişken bir varyansa ve yakın kalmayan veya uzun süren ortalamaya geri dönen ortalamaya sahip sabit olmayan işlemin aksine, sabit bir uzun vadeli ortalamanın etrafında döner ve bağımsız bir sabit varyansa sahiptir Zaman.

Copyrright © 2007 Investopedia. com

Şekil 1

Sabit Olmayan Süreç Türleri
Sabit olmayan finansal zaman serileri verileri için dönüşüm noktasına gelmeden önce, durağan olmayan işlemlerin farklı türleri arasında ayrım yapmalıyız. Bu, süreçleri daha iyi anlayabilmemizi sağlayacak ve doğru dönüşümü uygulamamıza izin verecektir. Durağan olmayan işlemlere örnekler, sürüklenip bulunmadığına bakılmaksızın rastgele yürüyen (yavaş bir sabit değişim) ve deterministik eğilimlerdir (serinin tüm ömrü boyunca zamandan bağımsız olarak sabit, pozitif veya negatif eğilimler).

Copyrright © 2007 Investopedia. Rasgele yürüyüş, Rasgele Yürüme (Rasgele Yürüyüş), Rasgele Yürüme (Rasgele Yürüyüş), Rasgele Yürüme (Y

değeri "t" değerinde, son periyot değerine artı beyaz gürültü olan stokastik (sistematik olmayan) bir bileşene eşittir; bu, ε

• t _{bağımsız ve ortalama "0" ile eşit olarak dağıtılır ve varyans "σ²". Rasgele yürüyüş, aynı zamanda, bazı siparişlerin bir bütün olarak bir süreç, bir birim kök ile bir süreç veya stokastik bir trend içeren bir süreç olarak adlandırılabilir. Olumsuz ya da olumsuz yönde ortalardan uzaklaşabilen ortalama olmayan bir geri dönüş süreci. Rastgele bir yürüyüşün bir başka karakteristiği, zamanın sonsuzluğa geçmesiyle varyansın zamanla gelişip sonsuzluğa geçmesidir; Bu nedenle, rasgele bir yürüyüş tahmin edilemez.} Drift ile Rasgele Yürüme _(Y t _{= α + Y} t-1
  + ε _t )
• Rastgele yürüyen model "t" zamanındaki değerin, son periyot değerine artı bir sabit veya sürüklenme (α) ve bir beyaz gürültü terimi (ε t _{) ile eşleşeceğini öngörürse, süreç bir sürüklenme ile rasgele yürür . Aynı zamanda uzun vadeli bir değere geri dönmez ve zamana bağlı varyansı vardır.} Deterministik Eğilim (Y _t = α + βt + ε )
  Bir sapmadan bir rastgele yürüyüş, deterministik bir eğilim için karıştırılır. Her ikisi de bir sürüklenme ve beyaz bir gürültü bileşenini içerir, ancak rastgele bir yürüyüş durumunda "t" zamanındaki değer, son periyot değerinde (Y _t-1 ) gerilerken, belirleyici bir eğilim, bir zaman eğiliminde gerilemiştir (βt). Deterministik bir trende sahip durağan olmayan bir süreç, sabit ve zamanın bağımsız olduğu sabit bir eğilim etrafında büyüyen bir ortalamaya sahiptir.
• Drift ve Deterministik Eğilime Sahip Rasgele Yürüme (Y _t t + 1 _{+ 9t>)} rasgele bir yürüyüşü sürüklenme bileşeniyle (α) ve deterministik bir eğilimi (βt) birleştiren durağan olmayan bir işlem. "T" zamanındaki değeri son dönemin değeri, bir sürüklenme, bir eğilim ve stokastik bir bileşen ile belirtir. (Rastgele yürür ve eğilimler hakkında daha fazla bilgi için,
  Finansal Konseptler _{dersimizi inceleyin.)} Trend and Difference Stationary
• Drift ile veya rüzgarsız bir rastgele yürüyüş, farklılaşarak durağan bir işleme dönüştürülebilir (Y _t - Y _t-1 farkını almak üzere Y _t, dan Y
  t-1 çıkarmak) y t

-
- t _{- t} t _{ve daha sonra süreç fark-durağan hale gelir. Farklılaşmanın dezavantajı, her seferinde fark alınırken işlemin tek bir gözlemi kaybetmesidir.} Copyrright © 2007 Investopedia. com _{Şekil 3} Deterministik bir eğilime sahip durağan olmayan bir süreç, eğilimi kaldırdıktan veya bozulmadan hareketsiz hale gelir. Örneğin, Yt = α + βt + εt, aşağıdaki Şekil 4'te gösterildiği gibi βt: Yt - βt = α + εt eğiliminden çıkarılarak durağan bir işleme dönüştürülür. Titrasyon, durağan olmayan bir işlemi durağan bir işleme dönüştürmek için kullanıldığında gözlem kaybı olmaz. _{Copyrright © 2007 Investopedia. com} Şekil 4 _{Drift ve deterministik bir trende sahip rasgele bir yürüyüş durumunda, detrending deterministik eğilimi ve kaymayı kaldırabilir, ancak varyans sonsuzluğa geçmeye devam edecektir. Sonuç olarak, stokastik eğilimi gidermek için farklılaştırma da uygulanmalıdır.} Sonuç _{Finansal modellerde durağan olmayan zaman serisi verilerini kullanmak güvenilmez ve sahte sonuçlar doğurur ve zayıf anlayış ve tahminlere neden olur. Sorunun çözümü, zaman serisi verilerini durağan hale getirmek için dönüştürmektir. Durağan olmayan süreç, sürüklenip kalmayacak şekilde rastgele bir yürüyüşse, farklılaştırma yoluyla durağan sürece dönüştürülür.Öte yandan, analiz edilen zaman serisi verileri deterministik bir eğilim sergiliyorsa, sahte sonuçlar detrending tarafından önlenebilir. Bazen durağan olmayan seriler, stokastik ve deterministik bir eğilimi aynı anda bir araya getirebilir ve yanıltıcı sonuçlar elde etmekten kaçınmak için, farklılaştırma varyansındaki eğilimi kaldıracak ve belirleyici eğilimleri kaldırabileceğinden, farklılaştırma ve detrending uygulanmalıdır.}