Что мой график ACF говорит мне о моих данных?

11

У меня есть два набора данных:

Мой первый набор данных - это стоимость инвестиций (в миллиардах долларов) в зависимости от времени, каждая единица времени составляет один квартал с первого квартала 1947 года. Время распространяется на третий квартал 2002 года.

Мой второй набор данных является «результатом преобразования значений инвестиций в [первый набор данных] в приблизительно стационарный процесс».

Первый набор данных и Второй набор данных

Соответствующие участки ACF:

Первый набор данных, ACF

Второй набор данных, ACF

Я знаю, что сюжеты верны, и меня просят «прокомментировать их». Я относительно новичок в функции автокорреляции, и я не совсем уверен, что она говорит мне о моих данных.

Если бы кто-то мог найти время, чтобы кратко объяснить, это было бы очень высоко ценится.

Бен Джерри
источник
2
Когда вы говорите: «Меня просят прокомментировать» - это для какого-то класса? Кроме того, некоторые результаты этого поиска могут оказаться полезными. Наконец, первая ссылка в разделе «Связанные» на боковой панели справа может оказать некоторую помощь.
Glen_b
2
Вы можете обсудить и сравнить постоянство данных в каждой серии и то, создает ли это постоянство тенденцию. Вы также можете прокомментировать, предлагает ли ACF какое-либо преобразование в данные, чтобы сделать его стационарным, перед выбором и подбором модели временных рядов ARMA.
javlacalle
Glen_b - Да, это упражнение. Пытаюсь разобраться с некоторыми из основных функций модуля. Я очень внимательно просмотрел соответствующие вопросы и не совсем понял. Я знаком с этими данными и чувствую, что короткий пример ответа мне очень поможет. Javlacalle - Спасибо за ответ. В упражнении есть еще одна часть, в которой вы должны предложить соответствующую модель ARMA. Я понимаю эту часть, я думаю ... сравнивать ACF с PACF и смотреть, отрезаются они или нет. Немного смущен вашей «сохранностью данных». :(
Бен Джерри
2
Под постоянством я понимал, насколько на наблюдения в момент времени влияют предыдущие наблюдения. Высокая стойкость обычно создает тенденцию в серии и связана с автокорреляциями, которые медленно затухают (или стремятся к нулю); его также можно рассматривать как воспоминание о серии прошлых потрясений (например, при случайном блуждании эффект остается навсегда, поскольку это точно накопление шоков во времени). Временные ряды, характеризуемые медленным затуханием АКФ, обычно имеют плавный характер и могут быть классифицированы как временные ряды с длинной памятью. T
Javlacalle

Ответы:

6

Если вашей главной задачей является использование графиков ACF и PACF для определения правильного соответствия ARMA, то http://people.duke.edu/~rnau/411arim3.htm - хороший ресурс. В целом, заказы AR имеют тенденцию проявляться в резком обрезании графика PACF и медленном трендовом или синусоидальном ухудшении графика ACF. Противоположность обычно верна для заказов MA ... ссылка, представленная выше, обсуждает это более подробно.

Предоставленный вами график ACF может предлагать MA (2). Я полагаю, что у вас есть несколько значительных AR-порядков, просто смотрящих на синусоидальный спад в автокорреляции. Но все это чрезвычайно умозрительно, так как коэффициенты очень быстро становятся незначительными по мере увеличения лага. Просмотр PACF будет очень полезным.

Еще одна важная вещь, на которую вы хотите обратить внимание, это значение в 4-м лаге на PACF. Поскольку у вас есть квартальные данные, значение в 4-м лаге является признаком сезонности. Например, если вы инвестируете в магазин подарков, возврат может увеличиться в праздничные дни (Q4) и понизиться в начале года (Q1), что приведет к корреляции между одинаковыми кварталами.

Значимые коэффициенты для меньших задержек на графике ACF должны оставаться такими же, как увеличивается размер ваших данных, если ничего не изменится с инвестициями. Более высокие лаги оцениваются с меньшим количеством точек данных, чем меньшие лаги (т. Е. Каждый лаг теряет точку данных), поэтому вы можете использовать размер выборки при оценке каждого лага, чтобы определить, какие из них останутся прежними, а какие меньше. надежный.

Использование графика ACF для более глубокого понимания ваших данных (помимо простого соответствия ARMA) потребует более глубокого понимания того, что это за тип инвестиций. Я уже прокомментировал это.

Для более глубокого понимания ... Имея финансовые активы, практикующие врачи часто регистрируют разницу в цене, чтобы получить постоянную стоимость. Разница в журнале аналогична непрерывно компактной доходности (т.е. росту), поэтому она имеет очень хорошую интерпретацию и имеется много финансовой литературы по изучению / моделированию ряда доходностей активов. Я предполагаю, что ваши стационарные данные были получены таким образом.

В самом общем смысле я бы сказал, что автокорреляция означает, что возврат инвестиций несколько предсказуем. Вы можете использовать ARMA, чтобы прогнозировать будущие доходы или прокомментировать эффективность инвестиций по сравнению с таким эталоном, как S & P 500.

Просмотр отклонений в остаточных условиях соответствия также дает вам меру риска в инвестициях. Это чрезвычайно важно. В финансах вы хотите получить оптимальный риск для возврата сделки, и вы можете решить, стоит ли эта инвестиция денег, сравнивая с другими рыночными ориентирами. Например, если эти доходы имеют низкое среднее значение и их трудно предсказать (то есть рискованно) по сравнению с другими вариантами инвестирования, вы знаете, что это плохая инвестиция. Некоторые хорошие места для начала:
http://en.wikipedia.org/wiki/Efficient_frontier и http://en.wikipedia.org/wiki/Modern_portfolio_theory .

Надеюсь, это поможет!

Захари Блюменфельд
источник
1
ТАКЖЕ ... было бы важно знать, как измеряется стоимость (рыночная стоимость? Балансовая стоимость? Оценочная стоимость? И т. Д.). Являются ли инвестиции торгуемым активом, таким как портфель акций? это ощутимо? Это частная собственность? Скорректирована ли стоимость инвестиций с учетом инфляции? Этот тип вопросов помогает выяснить, какова может быть теоретическая причина автокорреляции, и что вы можете из этого сделать.
Захари Блюменфельд
Все очень интересно, спасибо, что уделили так много времени своему ответу. Я определенно буду смотреть на это! Я думаю, что мой вопрос намного проще, чем дополнительные методы, которые вы дали. Мой вопрос прост: что я ищу в сюжете АКФ? Я имею в виду, что говорит мне первый сюжет? Я ищу шаблоны? ACF, кажется, чередуется, могу ли я ожидать, что это продолжится, поскольку больше данных записано? Или ответ просто, что не так много, чтобы сказать? С точки зрения статистики, говорят ли эти графики ACF что-то о данных или они используются только для поиска модели ARMA?
Бен Джерри
Похоже, что графики ACF и PACF находятся исключительно для нахождения соответствующих моделей ARMA, сам график ACF что-нибудь говорит вообще?
Бен Джерри
1
Я учел ваши комментарии. Посмотреть правки
Захари Блюменфельд
Спасибо за помощь, Захари. График PACF приведен здесь, если вы хотите его увидеть: i.imgur.com/z79XTUZ.png Согласитесь ли вы с тем, что это, по сравнению с ACF, позволяет предположить, что набор данных лучше всего подходит для модели AR (3)? Если это PACF, который я должен проверять, то я предполагаю, что это будет AR (1)?
Бен Джерри