Lembaga dan perusahaan keuangan, serta investor dan peneliti individu, sering menggunakan data deret waktu keuangan (seperti harga aset, nilai tukar , PDB , inflasi , dan indikator ekonomi makro lainnya) dalam prakiraan ekonomi, analisis pasar saham, atau studi data diri.
Tetapi menyempurnakan data adalah kunci untuk dapat menerapkannya ke analisis saham Anda. Dalam artikel ini, kita akan menunjukkan cara mengisolasi poin data yang relevan dengan laporan stok Anda.
Apa Pengantar proses stasioner dan non-stasioner?
Titik data seringkali non-stasioner atau memiliki sarana, varians , dan kovarian yang berubah seiring waktu. Perilaku non-stasioner dapat berupa tren, siklus, jalan acak , atau kombinasi ketiganya.
Data non-stasioner, sebagai suatu peraturan, tidak dapat diprediksi dan tidak dapat dimodelkan atau diperkirakan. Hasil yang diperoleh dengan menggunakan deret waktu non-stasioner mungkin palsu karena menunjukkan hubungan antara dua variabel di mana satu tidak ada. Untuk menerima hasil yang konsisten dan andal, data non-stasioner perlu diubah menjadi data stasioner. Berbeda dengan proses non-stasioner yang memiliki varians variabel dan mean yang tidak tetap dekat, atau kembali ke mean jangka panjang dari waktu ke waktu, proses stasioner kembali di sekitar mean jangka panjang konstan dan memiliki varians konstan independen. waktu.
Jenis Proses Non-Stasioner
Sebelum kita sampai ke titik transformasi untuk data deret waktu keuangan non-stasioner, kita harus membedakan antara berbagai jenis proses non-stasioner. Ini akan memberi kita pemahaman yang lebih baik tentang proses dan memungkinkan kita menerapkan transformasi yang benar. Contoh proses non-stasioner adalah berjalan acak dengan atau tanpa penyimpangan (perubahan stabil yang lambat) dan tren deterministik (tren yang konstan, positif, atau negatif, tidak bergantung pada waktu untuk keseluruhan masa pakai rangkaian).
- Pure Random Walk (Y t = Y t-1 + ε t ) Random walk memprediksi bahwa nilai pada saat “t” akan sama dengan nilai periode terakhir ditambah komponen stokastik (non-sistematis) yaitu white noise, yang mana artinya ε t independen dan terdistribusi identik dengan mean “0” dan varians “σ².” Jalan acak juga bisa disebut proses terintegrasi dari beberapa pesanan, proses dengan akar unit atau proses dengan tren stokastik. Ini adalah proses non-mean-reverting yang dapat menjauh dari mean baik ke arah positif atau negatif. Karakteristik lain dari jalan acak adalah variansnya berkembang seiring waktu dan terus berlanjut hingga tak terhingga seiring berjalannya waktu hingga tak terhingga; oleh karena itu, jalan acak tidak dapat diprediksi.
- Jalan Acak dengan Melayang (Y t = α + Y t-1 + ε t ) Jika model jalan acak memprediksi bahwa nilai pada waktu “t” akan sama dengan nilai periode terakhir ditambah konstanta, atau penyimpangan (α), dan a white noise term (ε t ), maka prosesnya berjalan acak dengan drift. Ini juga tidak kembali ke rata-rata jangka panjang dan memiliki varian yang bergantung pada waktu.
- Tren Determinan (Y t = α + βt + ε t ) Seringkali jalan acak dengan penyimpangan membingungkan untuk tren deterministik. Keduanya menyertakan komponen drift dan white noise, tetapi nilai pada waktu “t” dalam kasus random walk mengalami regresi pada nilai periode terakhir (Y t-1 ), sedangkan dalam kasus tren deterministik, nilai tersebut diturunkan pada tren waktu (βt). Proses non-stasioner dengan tren deterministik memiliki mean yang tumbuh di sekitar tren tetap, yang konstan dan tidak tergantung waktu.
- Random Walk dengan Drift dan Tren Deterministik (Y t = α + Y t-1 + βt + ε t ) Contoh lainnya adalah proses non-stasioner yang menggabungkan random walk dengan komponen drift (α) dan tren deterministik (βt). Ini menentukan nilai pada saat “t” dengan nilai periode terakhir, penyimpangan, tren, dan komponen stokastik.