Τα χρηματοπιστωτικά ιδρύματα και οι εταιρείες καθώς και μεμονωμένοι επενδυτές και ερευνητές χρησιμοποιούν συχνά οικονομικές χρονολογικές σειρές δεδομένων (όπως οι τιμές των περιουσιακών στοιχείων, οι συναλλαγματικές ισοτιμίες, το ΑΕΠ, ο πληθωρισμός και άλλοι μακροοικονομικοί δείκτες) ή μελέτες των ίδιων των δεδομένων.

Αλλά τα δεδομένα εξευγενισμού είναι το κλειδί για να μπορέσετε να το εφαρμόσετε στην ανάλυσή σας. Σε αυτό το άρθρο, θα σας δείξουμε πώς μπορείτε να απομονώσετε τα σημεία δεδομένων που σχετίζονται με τις αναφορές των αποθεμάτων σας.

Μαγνητικά ακατέργαστα δεδομένα
Τα σημεία δεδομένων συχνά δεν είναι στάσιμα ή έχουν μέσα, αποκλίσεις και μεταλλάξεις που αλλάζουν με την πάροδο του χρόνου. Οι μη στάσιμες συμπεριφορές μπορεί να είναι τάσεις, κύκλοι, τυχαίοι βόλτες ή συνδυασμοί των τριών.

Τα μη στάσιμα δεδομένα, κατά κανόνα, είναι απρόβλεπτα και δεν μπορούν να διαμορφωθούν ή να προβλεφθούν. Τα αποτελέσματα που προκύπτουν από τη χρήση μη στατικών χρονοσειρών μπορεί να είναι ψευδή επειδή μπορούν να υποδηλώνουν μια σχέση μεταξύ δύο μεταβλητών όπου δεν υπάρχουν. Προκειμένου να ληφθούν συνεπή και αξιόπιστα αποτελέσματα, τα μη στάσιμα δεδομένα πρέπει να μετατραπούν σε σταθερά δεδομένα. Σε αντίθεση με τη μη στατική διαδικασία που έχει μεταβλητή διακύμανση και μέσον που δεν παραμένει κοντά ή επιστρέφει σε μακροπρόθεσμο μέσο με την πάροδο του χρόνου, η στατική διαδικασία επανέρχεται γύρω από έναν σταθερό μακροπρόθεσμο μέσο και έχει σταθερή διακύμανση ανεξάρτητη χρονικός.

Copryright © 2007 Investopedia. com

Σχήμα 1

Τύποι μη στατικών διεργασιών
Πριν φθάσουμε στο σημείο μετασχηματισμού για τα μη στατικά δεδομένα χρονολογικών σειρών, πρέπει να κάνουμε διάκριση μεταξύ των διαφορετικών τύπων μη στάσιμων διαδικασιών. Αυτό θα μας δώσει μια καλύτερη κατανόηση των διαδικασιών και θα μας επιτρέψει να εφαρμόσουμε τον σωστό μετασχηματισμό. Παραδείγματα μη στάσιμων διαδικασιών είναι οι τυχαίες βόλτες με ή χωρίς μετατόπιση (βραδεία σταθερή αλλαγή) και ντετερμινιστικές τάσεις (τάσεις που είναι σταθερές, θετικές ή αρνητικές, ανεξάρτητες από το χρόνο για όλη τη διάρκεια της σειράς).

Copryright © 2007 Investopedia.

• Η ταχύτερη πρόβλεψη ( t _{= Y} η τιμή στο χρόνο "t" θα είναι ίση με την τιμή της τελευταίας περιόδου συν ένα στοχαστικό (μη συστηματικό) συστατικό που είναι λευκός θόρυβος, δηλαδή ε
  t _{είναι ανεξάρτητο και κατανεμημένο με μέση τιμή "0" διακύμανση "σ²". Ο τυχαίος περίπατος μπορεί επίσης να ονομάζεται διαδικασία ολοκληρωμένη με κάποια τάξη, διαδικασία με ρίζα μονάδας ή διαδικασία με στοχαστική τάση. Πρόκειται για μια μη αναστρέψιμη διαδικασία που μπορεί να απομακρυνθεί από τον μέσο όρο είτε σε θετική είτε αρνητική κατεύθυνση. Ένα άλλο χαρακτηριστικό μιας τυχαίας πορείας είναι ότι η διακύμανση εξελίσσεται με την πάροδο του χρόνου και πηγαίνει στο άπειρο καθώς ο χρόνος πηγαίνει στο άπειρο. επομένως, δεν μπορεί να προβλεφθεί τυχαία βόλτα.} Τυχαία βόλτα με κίνηση
• (Y t _{= α + Y} t-1 _(ε t _{), τότε η διαδικασία είναι η τυχαία βόλτα με παρασυρόμενο ίχνος . Επίσης, δεν επανέρχεται σε μακροπρόθεσμο μέσο και έχει διακύμανση εξαρτώμενη από το χρόνο.} Προσδιοριστική τάση (Y
  t _{= α + βt + ε} t
• ) _{Και οι δύο περιλαμβάνουν μια παρασυρόμενη και μια συνιστώσα λευκού θορύβου, αλλά η τιμή στο χρόνο «t» σε περίπτωση τυχαίου περιπάτου υποχωρεί στην τιμή της τελευταίας περιόδου (Y} t-1 _{), ενώ στην περίπτωση μια ντετερμινιστική τάση υποχωρεί σε τάση χρόνου (βt). Μια μη στατική διαδικασία με μια ντετερμινιστική τάση έχει έναν μέσο που αναπτύσσεται γύρω από μια σταθερή τάση, η οποία είναι σταθερή και ανεξάρτητη από το χρόνο.} Τυχαία Πεζοπορία με Παρασυρόμενη και Ντετερμινιστική Τάση (Y
  t _{= α + Y} t-1
• + βt + ε _t μια μη στάσιμη διαδικασία που συνδυάζει έναν τυχαίο περίπατο με ένα στοιχείο μετατόπισης (α) και μια ντετερμινιστική τάση (βt). Καθορίζει την τιμή στο χρόνο "t" από την τιμή της τελευταίας περιόδου, μια μετατόπιση, μια τάση και μια στοχαστική συνιστώσα. (Για να μάθετε περισσότερα σχετικά με τις τυχαίες περιπάτους και τις τάσεις, ανατρέξτε στο σεμινάριο _{Financial Concepts} .) _{Τάση και Διαφορά Σταθερό} Μια τυχαία βόλτα με ή χωρίς μετατόπιση μπορεί να μετατραπεί σε στάσιμη διαδικασία (αφαιρώντας το Υ
  t-1 από το Υ t

λαμβάνοντας την διαφορά Y
t _{- Y} t-1 _{> t} - _t-1 = α + ε _t και στη συνέχεια η διαδικασία γίνεται διαφορά στάσιμη. Το μειονέκτημα της διαφοροποίησης είναι ότι η διαδικασία χάνει μία παρατήρηση κάθε φορά που λαμβάνεται η διαφορά. _{Copryright © 2007 Investopedia. com} Εικόνα 3 _{Μια μη στατική διαδικασία με μια ντετερμινιστική τάση καθίσταται στάσιμη μετά την αφαίρεση της τάσης ή την απομάκρυνση. Για παράδειγμα, Yt = α + βt + εt μετατρέπεται σε στάσιμη διαδικασία αφαιρώντας την τάση βt: Yt - βt = α + εt, όπως φαίνεται στο Σχήμα 4 παρακάτω. Δεν παρατηρείται καμία παρατήρηση όταν χρησιμοποιείται απομάκρυνση για να μετασχηματίσει μια μη στατική διαδικασία σε μια στάσιμη.} Copryright © 2007 Investopedia. com _{Εικόνα 4} Σε περίπτωση τυχαίου περιπάτου με παρασυρόμενο και ντετερμινιστικό τρόπο, η απομάκρυνση μπορεί να απομακρύνει τη ντετερμινιστική τάση και την παραλλαγή, αλλά η διακύμανση θα συνεχίσει να φτάνει στο άπειρο. Ως αποτέλεσμα, πρέπει επίσης να εφαρμοστεί διαφοροποίηση για την κατάργηση της στοχαστικής τάσης. _{Συμπέρασμα} Η χρήση μη στατικών δεδομένων χρονολογικών σειρών σε οικονομικά μοντέλα παράγει αναξιόπιστα και ψευδή αποτελέσματα και οδηγεί σε κακή κατανόηση και πρόβλεψη. Η λύση στο πρόβλημα είναι να μετασχηματιστούν τα δεδομένα της χρονοσειράς έτσι ώστε να σταματήσει. Εάν η μη στατική διαδικασία είναι μια τυχαία βόλτα με ή χωρίς μετατόπιση, μετατρέπεται σε στάσιμη διαδικασία με διαφοροποίηση.Από την άλλη πλευρά, αν τα δεδομένα των χρονικών σειρών που αναλύονται παρουσιάζουν μια αιτιοκρατική τάση, τα ψεύτικα αποτελέσματα μπορούν να αποφευχθούν με την απομάκρυνση. Μερικές φορές η μη στατική σειρά μπορεί να συνδυάσει μια στοχαστική και ντετερμινιστική τάση ταυτόχρονα και για να αποφευχθεί η παραδοχή παραπλανητικών αποτελεσμάτων τόσο η διαφοροποίηση όσο και η απομάκρυνση θα πρέπει να εφαρμοστούν, καθώς η διαφοροποίηση θα εξαλείψει την τάση της διακύμανσης και η απομάκρυνση θα εξαλείψει τη ντετερμινιστική τάση.