Wat is een tijdreeks?
Wat is een tijdreeks?
Een tijdreeks is een reeks gegevenspunten die in opeenvolgende volgorde gedurende een bepaalde periode voorkomen. Dit staat in tegenstelling tot dwarsdoorsnedegegevens, die een punt in de tijd vastleggen.
Bij het investeren volgt een tijdreeks de beweging van de gekozen datapunten, zoals de prijs van een waardepapier, gedurende een bepaalde tijdsperiode, waarbij datapunten met regelmatige tussenpozen worden geregistreerd. Er is geen minimale of maximale hoeveelheid tijd die moet worden opgenomen, zodat de gegevens kunnen worden verzameld op een manier die de informatie oplevert die wordt gezocht door de belegger of analist die de activiteit onderzoekt.
Belangrijkste leerpunten
- Een tijdreeks is een gegevensset die een sample in de loop van de tijd volgt.
- In het bijzonder laat een tijdreeks zien welke factoren bepaalde variabelen van periode tot periode beïnvloeden.
- Tijdreeksanalyse kan handig zijn om te zien hoe een bepaald activum, effect of economische variabele in de loop van de tijd verandert.
- Voorspellingsmethoden met behulp van tijdreeksen worden gebruikt in zowel fundamentele als technische analyse.
- Hoewel dwarsdoorsnedegegevens worden gezien als het tegenovergestelde van tijdreeksen, worden de twee in de praktijk vaak samen gebruikt.
Inzicht in tijdreeksen
Een tijdreeks kan worden gemaakt voor elke variabele die in de loop van de tijd verandert. Bij beleggen is het gebruikelijk om een tijdreeks te gebruiken om de prijs van een effect in de loop van de tijd te volgen. Dit kan op korte termijn worden gevolgd, zoals de prijs van een effect op het uur in de loop van een werkdag, of op de lange termijn, zoals de prijs van een effect op de laatste dag van elke maand gedurende de loop van vijf jaar.
Tijdreeksanalyse kan handig zijn om te zien hoe een bepaald activum, effect of economische variabele in de loop van de tijd verandert. Het kan ook worden gebruikt om te onderzoeken hoe de veranderingen die verband houden met het gekozen gegevenspunt zich verhouden tot verschuivingen in andere variabelen in dezelfde tijdsperiode.
Tijdreeksen worden ook gebruikt in verschillende niet-financiële contexten, zoals het meten van de verandering in de bevolking in de tijd. De onderstaande figuur geeft een dergelijke tijdreeks weer voor de groei van de Amerikaanse bevolking in de loop van de eeuw van 1900-2000.
Tijdreeksanalyse
Stel dat u een tijdreeks van dagelijkse slotkoersen voor een bepaald aandeel over een periode van één jaar wilt analyseren. U zou een lijst krijgen van alle slotkoersen van het aandeel van elke dag van het afgelopen jaar en ze in chronologische volgorde weergeven. Dit zou een eenjarige dagelijkse slotkoerstijdreeks voor het aandeel zijn.
Als u wat dieper graaft, kunt u tijdreeksgegevens analyseren met technische analysehulpmiddelen om te weten of de tijdreeksen van het aandeel seizoensinvloeden vertonen. Dit zal helpen om te bepalen of het bestand elk jaar op regelmatige tijdstippen pieken en dalen doormaakt. Voor analyse op dit gebied zouden de waargenomen prijzen moeten worden genomen en deze moeten worden gecorreleerd aan een gekozen seizoen. Dit kunnen traditionele kalenderseizoenen zijn, zoals zomer en winter, of verkoopseizoenen, zoals feestdagen.
Als alternatief kunt u de koersveranderingen van een aandeel registreren in relatie tot een economische variabele, zoals het werkloosheidspercentage. Door de datapunten te correleren met informatie met betrekking tot de geselecteerde economische variabele, kunt u patronen waarnemen in situaties die afhankelijkheid vertonen tussen de datapunten en de gekozen variabele.
Een mogelijk probleem met tijdreeksgegevens is dat aangezien elke variabele afhankelijk is van zijn eerdere toestand of waarde, er veel autocorrelatie kan zijn, wat de resultaten kan vertekenen.
Tijdreeksvoorspelling
Voorspellen van tijdreeksen maakt gebruik van informatie over historische waarden en bijbehorende patronen om toekomstige activiteiten te voorspellen. Meestal heeft dit betrekking op trendanalyse, analyse van cyclische fluctuaties en seizoensgebonden kwesties. Zoals bij alle prognosemethoden, is succes niet gegarandeerd.
Het Box-Jenkins-model is bijvoorbeeld een techniek die is ontworpen om gegevensbereiken te voorspellen op basis van invoer uit een gespecificeerde tijdreeks. Het voorspelt gegevens met behulp van drie principes: autoregressie, differentiatie en voortschrijdende gemiddelden. Deze drie principes staan bekend als respectievelijk p, d en q. Elk principe wordt gebruikt in de Box-Jenkins-analyse en samen worden ze gezamenlijk weergegeven als een autoregressief geïntegreerd voortschrijdend gemiddelde of ARIMA (p, d, q). ARIMA kan bijvoorbeeld worden gebruikt om aandelenkoersen of winstgroei te voorspellen.
Een andere methode, bekend als analyse van het geschaalde bereik, kan worden gebruikt om de hoeveelheid persistentie, willekeurigheid of gemiddelde omkering in tijdreeksgegevens te detecteren en te evalueren . Het herschaalde bereik kan worden gebruikt om een toekomstige waarde of gemiddelde voor de gegevens te extrapoleren om te zien of een trend stabiel is of waarschijnlijk zal omkeren.
Cross-sectionele versus tijdreeksanalyse
Cross-sectionele analyse is een van de twee overkoepelende vergelijkingsmethoden voor voorraadanalyse. Bij cross-sectionele analyse wordt gekeken naar gegevens die op een bepaald moment in de tijd zijn verzameld, in plaats van over een bepaalde periode. De analyse begint met het vaststellen van onderzoeksdoelen en het definiëren van de variabelen die een analist wil meten. De volgende stap is om de doorsnede te identificeren, zoals een groep peers of een branche, en om het specifieke tijdstip vast te stellen dat wordt beoordeeld. De laatste stap is om op basis van de doorsnede en de variabelen een analyse uit te voeren en tot een conclusie te komen over de prestaties van een bedrijf of organisatie. In wezen laat cross-sectionele analyse een investeerder zien welk bedrijf het beste is gezien de statistieken waar ze om geeft.
Tijdreeksanalyse, ook wel trendanalyse genoemd wanneer deze van toepassing is op technische handel, richt zich op een enkele beveiliging in de loop van de tijd. In dit geval wordt de prijs beoordeeld in de context van de prestaties uit het verleden. Tijdreeksanalyse laat een investeerder zien of het bedrijf het beter of slechter doet dan voorheen door de maatregelen waar ze om geeft. Vaak zijn dit klassiekers zoals winst per aandeel (EPS), schulden naar eigen vermogen, vrije kasstroom (FCF), enzovoort. In de praktijk zullen beleggers meestal een combinatie van tijdreeksanalyse en cross-sectionele analyse gebruiken voordat ze een beslissing nemen. Kijk bijvoorbeeld naar de EPS in de loop van de tijd en kijk vervolgens ook naar de branchebenchmark EPS.
Time-Series – Veelgestelde vragen
Wat zijn enkele voorbeelden van tijdreeksen?
Een tijdreeks kan worden samengesteld uit alle gegevens die met gelijkmatig verdeelde intervallen in de tijd worden gemeten. Historische aandelenkoersen, winsten, bbp of andere reeksen financiële of economische gegevens kunnen worden geanalyseerd als een tijdreeks.
Hoe analyseert u tijdreeksgegevens?
Statistische technieken kunnen worden gebruikt om tijdreeksgegevens op twee belangrijke manieren te analyseren: om gevolgtrekkingen te genereren over hoe een of meer variabelen een bepaalde variabele in de loop van de tijd beïnvloeden, of om toekomstige trends te voorspellen. In tegenstelling tot cross-sectionele gegevens, die in wezen een deel van een tijdreeks vormen, stelt de pijl van de tijd een analist in staat om meer plausibele oorzakelijke beweringen te doen.
Wat is het onderscheid tussen transversale en tijdreeksgegevens?
Een doorsnede kijkt naar één punt in de tijd, wat handig is om het effect van verschillende factoren op elkaar te vergelijken en te analyseren of om een steekproef te beschrijven. Tijdreeksen omvatten herhaalde bemonstering van dezelfde gegevens in de loop van de tijd. In de praktijk worden beide vormen van analyse veel gebruikt; en indien beschikbaar, samen worden gebruikt.
Hoe worden tijdreeksen gebruikt bij datamining?
Datamining is een methode die stapels onbewerkte gegevens omzet in bruikbare informatie. Door software te gebruiken om patronen in grote hoeveelheden gegevens te zoeken, kunnen bedrijven meer te weten komen over hun klanten om effectievere marketingstrategieën te ontwikkelen, de verkoop te verhogen en de kosten te verlagen. Tijdreeksen, zoals een historisch record van bedrijfsdossiers of financiële overzichten, zijn hier bijzonder nuttig om trends en patronen te identificeren die in de toekomst kunnen worden voorspeld.