Video: Cara memprediksi nilai trend pada Excel 2024
An plot autokorelasi menunjukkan sifat dari jenis data yang dikenal sebagai deret waktu. Seri waktu mengacu pada pengamatan variabel tunggal selama horizon waktu tertentu. Misalnya, harga saham Microsoft selama tahun 2013 merupakan deretan waktu. Data cross-sectional
mengacu pada pengamatan pada banyak variabel pada satu titik waktu. Misalnya, harga penutupan 30 saham yang terkandung dalam Dow Jones Industrial Average pada 31 Januari 2014, akan dianggap sebagai data cross-sectional.
auto berarti "diri" - autokorelasi secara khusus mengacu pada korelasi di antara unsur-unsur deret waktu.) Plot autokorelasi menunjukkan nilai fungsi autokorelasi (asf) pada sumbu vertikal. Ini bisa berkisar antara -1 sampai 1.
lag
antara elemen deret waktu. Misalnya, autokorelasi dengan lag 2 adalah korelasi antara deret waktu dan elemen yang sesuai yang diamati dua periode sebelumnya. Angka ini menunjukkan plot autokorelasi untuk harga harian saham Apple mulai 1 Januari 2013 sampai 31 Desember 2013.
Plot otokorelasi harga harian stok Apple.
Pada grafik, ada garis vertikal (sebuah "spike") yang sesuai dengan setiap lag. Ketinggian setiap lonjakan menunjukkan nilai fungsi autokorelasi untuk lag.
Setiap lonjakan yang naik di atas atau jatuh di bawah garis putus-putus dianggap
signifikan secara statistik.
(Bab 16 membicarakan hal ini secara rinci.) Ini berarti lonjakan memiliki nilai yang berbeda secara signifikan dari nol. Jika lonjakan sangat berbeda dari nol, itu adalah bukti autokorelasi. Lonjakan yang mendekati nol adalah bukti melawan autokorelasi. Dalam contoh ini, paku secara statistik signifikan untuk tertinggal hingga 24. Ini berarti harga saham Apple sangat berkorelasi satu sama lain. Dengan kata lain, ketika harga saham Apple naik, ia cenderung untuk terus naik.Bila harga saham Apple turun, ia cenderung terus terjatuh. Angka ini menggambarkan hal ini. Rangkaian deret waktu harga harian stok Apple.
Meskipun harga harian saham Apple sangat berkorelasi, tingkat pengembalian harian mungkin tidak. Anda menghitung hasil harian dari harga harian sebagai berikut:
di mana r
t
= Pengembalian kontinu terus menerus pada waktu t P t
= Harga di waktu t Pt -1
= Harga pada saat t - 1 (satu periode sebelum t) ln = Logaritma alami Logaritma alami adalah logaritma dengan basis
e,
yang kira-kira sama dengan 2. 71828 …. Angka ini menunjukkan plot autokorelasi untuk pengembalian harian saham Apple mulai 1 Januari 2013 sampai 31 Desember 2013. plot Autokorelasi pengembalian harian ke saham Apple.
Plot autokorelasi untuk pengembalian harian ke saham Apple menunjukkan bahwa sebagian besar lonjakan tidak signifikan secara statistik. Ini menunjukkan bahwa pengembalian tidak berkorelasi tinggi, seperti yang ditunjukkan di sini.
Rangkaian rangkaian waktu pengembalian harian ke saham Apple mulai 1 Januari 2013 sampai 31 Desember 2013.
Grafik menunjukkan bahwa kecuali satu penurunan besar, imbal hasil untuk saham Apple antara 1 Januari, 2013 dan 31 Desember 2013 tidak menunjukkan pola tertentu - mereka cenderung berfluktuasi secara acak sekitar nol. Ini berarti bahwa tingkat pengembalian sebagian besar independen satu sama lain.
Anda dapat menggunakan plot autokorelasi untuk menentukan apakah elemen dari deret waktu
acak(artinya tidak terkait satu sama lain). Hal ini penting, karena banyak uji statistik yang melibatkan deret waktu didasarkan pada asumsi ini. Seperti yang Anda lihat, ada banyak cara untuk memvisualisasikan data Anda. Sebuah gambar bernilai seribu kata, seperti kata pepatah. Dan itu pasti berlaku dalam analisis data. Paket perangkat lunak statistik umumnya dilengkapi dengan alat grafis yang mudah digunakan. Dengan memanfaatkannya, Anda dapat dengan cepat memperoleh informasi tentang data Anda sehingga jumlah jumlah kuasa tidak dapat memberi Anda.
