سری های زمانی چیست؟
سری های زمانی مجموعه ای از نقاط داده است که به ترتیب متوالی در یک دوره زمانی رخ می دهند. این را می توان با داده های مقطعی، که یک نقطه در زمان را ثبت می کند، مقایسه کرد.
در سرمایه گذاری، یک سری زمانی حرکت نقاط داده انتخابی، مانند قیمت اوراق بهادار را در یک دوره زمانی مشخص با نقاط داده ثبت شده در فواصل زمانی معین ردیابی می کند.
کلمات کلیدی
- سری زمانی مجموعه داده ای است که نمونه را در طول زمان ردیابی می کند.
- به طور خاص، یک سری زمانی به شخص اجازه می دهد تا ببیند چه عواملی بر متغیرهای خاص از دوره ای به دوره دیگر تأثیر می گذارد.
- تجزیه و تحلیل سری های زمانی می تواند برای مشاهده چگونگی تغییر یک دارایی، سهام یا متغیر اقتصادی معین در طول زمان مفید باشد.
- روش های پیش بینی با استفاده از سری های زمانی هم در تحلیل بنیادی و هم در تحلیل تکنیکال استفاده می شود.
- اگرچه داده های مقطعی به عنوان متضاد سری های زمانی دیده می شوند، این دو اغلب در عمل با هم استفاده می شوند.
درک سری های زمانی
برای هر متغیری که در طول زمان، تغییر می کند، می توان یک سری زمانی در نظر گرفت. در سرمایه گذاری، استفاده از سری زمانی برای ردیابی قیمت اوراق بهادار در طول زمان معمول است. این را می توان در کوتاه مدت ردیابی کرد، مانند قیمت اوراق بهادار در یک ساعت در طول یک روز کاری، یا در بلندمدت، مانند قیمت یک اوراق بهادار در پایان روز آخر هر ماه در طول مدت زمان دوره پنج ساله.
تجزیه و تحلیل سری های زمانی می تواند برای مشاهده چگونگی تغییر یک دارایی، سهام یا متغیر اقتصادی معین در طول زمان مفید باشد. همچنین می‌توان از آن برای بررسی اینکه چگونه تغییرات مرتبط با نقطه داده انتخابی با تغییرات سایر متغیرها در همان دوره زمانی مقایسه می‌شود، استفاده کرد.
سری های زمانی نیز در چندین زمینه غیر مالی مانند اندازه گیری تغییر جمعیت در طول زمان استفاده می شود. شکل زیر چنین سری زمانی را برای رشد جمعیت ایالات متحده در طول قرن از 1900-2000 نشان می دهد.
تجزیه و تحلیل سری زمانی
فرض کنید می‌خواهید یک سری زمانی از قیمت‌های روزانه بسته شدن سهام را برای یک سهم معین در یک دوره یک ساله تجزیه و تحلیل کنید. شما می توانید لیستی از تمام قیمت های بسته شدن سهام را از هر روز در سال گذشته دریافت کنید و آنها را به ترتیب زمانی فهرست کنید. این یک سری زمانی قیمت بسته شدن روزانه یک ساله برای سهام خواهد بود.
کمی عمیق تر، می توانید داده های سری زمانی را با ابزارهای تحلیل تکنیکال تجزیه و تحلیل کنید تا بدانید آیا سری زمانی سهام فصلی بودن را نشان می دهد یا خیر. این کمک می کند تا مشخص شود که آیا سهام در زمان های منظم در هر سال از “های” و “لو” عبور می کند یا خیر. تجزیه و تحلیل در این زمینه مستلزم گرفتن قیمت های مشاهده شده و مرتبط کردن آنها با فصل انتخابی است. این می تواند شامل فصول تقویم سنتی، مانند تابستان و زمستان، یا فصول خرده فروشی، مانند فصول تعطیلات باشد.
از طرف دیگر، می توانید تغییرات قیمت سهام یک سهم را به دلیل ارتباط آن با یک متغیر اقتصادی، مانند نرخ بیکاری، ثبت کنید. با همبستگی نقاط داده با اطلاعات مربوط به متغیر اقتصادی انتخاب شده، می توانید الگوهایی را در موقعیت هایی مشاهده کنید که وابستگی بین نقاط داده و متغیر انتخابی را نشان می دهند.
یک واقعیت:
یک مشکل بالقوه در مورد داده های سری زمانی این است که از آنجایی که هر متغیر به حالت یا مقدار قبلی خود وابسته است، می تواند مقدار زیادی همبستگی خودکار وجود داشته باشد، که می تواند نتایج را سوگیری کند.
پیش بینی سری های زمانی
پیش‌بینی سری‌های زمانی از اطلاعات مربوط به ارزش‌های تاریخی و الگوهای مرتبط برای پیش‌بینی فعالیت‌های آینده استفاده می‌کند. بیشتر اوقات، این به تحلیل روند، تحلیل نوسانات چرخه ای و مسائل فصلی مربوط می شود. مانند تمام روش های پیش بینی، موفقیت تضمین نمی شود.
به عنوان مثال، مدل Box-Jenkins، تکنیکی است که برای پیش‌بینی محدوده داده‌ها بر اساس ورودی‌های یک سری زمانی مشخص طراحی شده است. این داده ها را با استفاده از سه اصل، رگرسیون خودکار، تفاضل گیری و میانگین متحرک پیش بینی می کند. این سه اصل به ترتیب p، d و q شناخته می شوند. هر اصل در تجزیه و تحلیل Box-Jenkins استفاده می شود و با هم به عنوان میانگین متحرک یکپارچه اتورگرسیو یا ARIMA (p، d، q) نشان داده می شوند. به عنوان مثال می توان از ARIMA برای پیش بینی قیمت سهام یا رشد سود استفاده کرد.
روش دیگری که به عنوان تحلیل محدوده مجددا مقیاس شده شناخته می شود، می تواند برای شناسایی و ارزیابی میزان ماندگاری، تصادفی بودن یا بازگشت میانگین در داده های سری زمانی استفاده شود. محدوده تغییر مقیاس شده را می توان برای برون یابی یک مقدار یا میانگین آتی برای داده ها استفاده کرد تا ببیند آیا یک روند پایدار است یا احتمال دارد معکوس شود.
تحلیل مقطعی در مقابل سری زمانی
تحلیل مقطعی یکی از دو روش مقایسه فراگیر برای تحلیل سهام است. تحلیل مقطعی به داده‌های جمع‌آوری‌شده در یک نقطه از زمان نگاه می‌کند، نه در یک دوره زمانی. تجزیه و تحلیل با تعیین اهداف تحقیق و تعریف متغیرهایی که یک تحلیلگر می خواهد اندازه گیری کند آغاز می شود. گام بعدی این است که سطح مقطع را شناسایی کنید، مانند گروهی از همتایان یا یک صنعت، و تعیین نقطه زمانی خاص در حال ارزیابی. مرحله آخر، انجام تجزیه و تحلیل بر اساس مقطع و متغیرها و نتیجه گیری در مورد عملکرد یک شرکت یا سازمان است. اساساً، تجزیه و تحلیل مقطعی به سرمایه گذار نشان می دهد که با توجه به معیارهایی که به آنها اهمیت می دهد، کدام شرکت بهترین است.
تجزیه و تحلیل سری زمانی، که به عنوان تجزیه و تحلیل روند شناخته می شود، زمانی که در معاملات فنی اعمال می شود، بر روی یک امنیت واحد در طول زمان تمرکز می کند. در این مورد، قیمت با توجه به عملکرد گذشته آن مورد قضاوت قرار می گیرد. تجزیه و تحلیل سری های زمانی به سرمایه گذار نشان می دهد که آیا شرکت با اقداماتی که به آنها اهمیت می دهد بهتر یا بدتر از قبل عمل می کند. اغلب اینها کلاسیک هستند مانند سود هر سهم (EPS)، بدهی به حقوق صاحبان سهام، جریان نقدی آزاد (FCF)، و غیره. در عمل، سرمایه گذاران معمولاً از ترکیبی از تجزیه و تحلیل سری های زمانی و تحلیل مقطعی قبل از تصمیم گیری استفاده می کنند. به عنوان مثال، نگاه کردن به EPS در طول زمان و سپس بررسی EPS معیار صنعت.
سوالات متداول سری زمانی
چند نمونه از سری های زمانی چیست؟
یک سری زمانی را می توان با هر داده ای که در طول زمان در فواصل زمانی مساوی اندازه گیری می شود، ساخت. قیمت‌های تاریخی سهام، درآمدها، تولید ناخالص داخلی یا توالی‌های دیگر داده‌های مالی یا اقتصادی را می‌توان به عنوان یک سری زمانی تحلیل کرد.
چگونه داده های سری زمانی را تجزیه و تحلیل می کنید؟
تکنیک‌های آماری را می‌توان برای تجزیه و تحلیل داده‌های سری زمانی به دو روش کلیدی استفاده کرد: برای ایجاد استنباط در مورد اینکه چگونه یک یا چند متغیر بر روی متغیر مورد علاقه در طول زمان تأثیر می‌گذارند، یا برای پیش‌بینی روندهای آینده. برخلاف داده‌های مقطعی، که اساساً یک برش از یک سری زمانی هستند، پیکان زمان به تحلیلگر اجازه می‌دهد تا ادعاهای علّی معقول‌تری داشته باشد.
تفاوت بین داده های مقطعی و سری زمانی چیست؟
یک مقطع به یک نقطه از زمان نگاه می کند که برای مقایسه و تجزیه و تحلیل تأثیر عوامل مختلف بر یکدیگر یا توصیف یک نمونه مفید است. سری های زمانی شامل نمونه برداری مکرر از همان داده ها در طول زمان است. در عمل، معمولاً از هر دو شکل تحلیل استفاده می شود. و در صورت موجود بودن با هم استفاده می شوند.
چگونه از سری های زمانی در داده کاوی استفاده می شود؟
داده کاوی روشی است که مجموعه ای از داده های خام را به اطلاعات مفید تبدیل می کند. با استفاده از نرم‌افزار برای جستجوی الگوها در دسته‌های بزرگ داده، کسب‌وکارها می‌توانند درباره مشتریان خود اطلاعات بیشتری کسب کنند تا استراتژی‌های بازاریابی مؤثرتری توسعه دهند، فروش را افزایش دهند و هزینه‌ها را کاهش دهند. سری‌های زمانی، مانند سوابق تاریخی پرونده‌های شرکت یا صورتهای مالی، در اینجا برای شناسایی روندها و الگوهایی که ممکن است در آینده پیش‌بینی شوند مفید هستند.
برای خواندن مقالات بیشتر در مجله فارکس کلیک کنید.
خواندن مقالات زیر با این ترتیب برایتان جذاب خواهد بود.
کراس میانگین متحرک (مرگ) چیست؟
