یک سری زمانی چیست و چگونه از آن برای تجزیه و تحلیل داده ها استفاده می شود؟

آدام هیز ، دکتری ، CFA ، یک نویسنده مالی با 15+ سال تجربه وال استریت به عنوان یک معامله گر مشتقات است. علاوه بر تخصص گسترده تجارت مشتق ، آدم متخصص اقتصاد و امور مالی رفتاری است. آدم کارشناسی ارشد خود را در اقتصاد از مدرسه جدید تحقیقات اجتماعی و دکتری خود دریافت کرد. از دانشگاه ویسکانسین-مدیسون در جامعه شناسی. او یک منشور CFA و همچنین مجوزهای FINRA سری 7 ، 55 و 63 است. وی در حال حاضر تحقیق و آموزش جامعه شناسی اقتصادی و مطالعات اجتماعی امور مالی در دانشگاه عبری در اورشلیم است.

گوردون اسکات به مدت 20+ سال یک سرمایه گذار فعال و تحلیلگر فنی اوراق بهادار ، آینده ، فارکس و سهام پنی بوده است. وی عضو هیئت بررسی مالی سرمایه گذاری Investopedia و همکار سرمایه گذاری برای پیروزی است. گوردون یک تکنسین بازار منشور (CMT) است. او همچنین عضو انجمن CMT است.

آماندا جکسون در زمینه امور مالی ، سرمایه گذاری و خدمات اجتماعی تخصص دارد. او یک کتابخانه ، رونویسی ، ویراستار ، ویراستار و حقایق است.

Crea Taylor / Investopedia

سریال زمانی چیست؟

یک سری زمانی دنباله ای از نقاط داده است که در برخی از دوره های زمانی به ترتیب پی در پی اتفاق می افتد. این می تواند با داده های مقطعی ، که نقطه ای از زمان را ضبط می کند ، در تضاد باشد.

در سرمایه گذاری ، یک سری زمانی حرکت نقاط داده انتخاب شده ، مانند قیمت امنیت را طی یک دوره زمانی مشخص با نقاط داده ثبت شده در فواصل منظم دنبال می کند. حداقل یا حداکثر زمان لازم برای گنجاندن وجود ندارد ، و این امکان را فراهم می کند که داده ها به گونه ای جمع آوری شود که اطلاعاتی را که توسط سرمایه گذار یا تحلیلگر مورد بررسی فعالیت می شود ، فراهم کند.

غذای اصلی

• یک سری زمانی یک مجموعه داده است که یک نمونه را با گذشت زمان ردیابی می کند.
• به طور خاص ، یک سری زمانی به فرد اجازه می دهد تا ببیند چه عواملی از متغیرهای خاص از دوره به دوره دیگر تأثیر می گذارد.
• تجزیه و تحلیل سری زمانی می تواند برای دیدن چگونگی تغییر دارایی ، امنیت یا متغیر اقتصادی با گذشت زمان مفید باشد.
• روشهای پیش بینی با استفاده از سری های زمانی در هر دو تحلیل اساسی و فنی استفاده می شود.
• اگرچه داده های مقطعی به عنوان برعکس سری های زمانی دیده می شوند ، اما این دو اغلب در عمل با هم مورد استفاده قرار می گیرند.

درک سری زمانی

یک سری زمانی را می توان در هر متغیری که با گذشت زمان تغییر می کند ، گرفت. در سرمایه گذاری ، استفاده از یک سری زمانی برای ردیابی قیمت یک امنیت به مرور زمان معمول است. این می تواند در کوتاه مدت ، مانند قیمت یک امنیت در ساعت در طول یک روز کاری یا بلند مدت ، مانند قیمت یک امنیت در نزدیک در آخرین روز هر ماه پیگیری شود. دوره پنج سال

تجزیه و تحلیل سری زمانی می تواند برای دیدن چگونگی تغییر دارایی ، امنیت یا متغیر اقتصادی با گذشت زمان مفید باشد. همچنین می توان از آن برای بررسی چگونگی تغییرات مرتبط با نقطه داده انتخاب شده در مقایسه با تغییر در متغیرهای دیگر در مدت مشابه استفاده کرد.

سری زمانی نیز در چندین زمینه غیر مالی استفاده می شود ، مانند اندازه گیری تغییر در جمعیت به مرور زمان. شکل زیر چنین سری زمانی را برای رشد جمعیت ایالات متحده در طول قرن از سال 1900 تا 2000 نشان می دهد.

تجزیه و تحلیل سری زمانی

فرض کنید شما می خواستید یک سری زمانی از قیمت سهام بسته بندی روزانه برای سهام معین را طی یک دوره یک سال تجزیه و تحلیل کنید. شما می توانید لیستی از تمام قیمت های پایانی سهام را از هر روز برای سال گذشته بدست آورید و آنها را به ترتیب زمانی لیست کنید. این می تواند یک سری زمان بسته بندی روزانه یک ساله برای سهام باشد.

با بیان کمی عمیق تر ، ممکن است داده های سری زمانی را با ابزارهای تحلیل فنی تجزیه و تحلیل کنید تا بدانید که آیا سری زمانی سهام هر فصلی را نشان می دهد یا خیر. این به تعیین اینکه آیا سهام در هر سال به طور منظم از قله ها و فرورفتگی ها عبور می کند ، کمک می کند. تجزیه و تحلیل در این زمینه نیاز به گرفتن قیمت های مشاهده شده و ارتباط آنها با یک فصل انتخابی دارد. 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 سهام را ضبط کنید زیرا مربوط به یک متغیر اقتصادی مانند نرخ بیکاری است. با همبستگی نقاط داده با اطلاعات مربوط به متغیر اقتصادی انتخاب شده ، می توانید الگوهای موجود در موقعیت هایی را مشاهده کنید که وابستگی بین نقاط داده و متغیر انتخاب شده را نشان می دهند.

یکی از مشکلات بالقوه با داده های سری زمانی این است که از آنجا که هر متغیر به وضعیت یا مقدار قبلی خود وابسته است ، می تواند همبستگی زیادی وجود داشته باشد ، که می تواند نتایج را تعصب کند.

پیش بینی سری زمانی

پیش بینی سری زمانی از اطلاعات مربوط به ارزشهای تاریخی و الگوهای مرتبط برای پیش بینی فعالیت آینده استفاده می کند. بیشتر اوقات ، این مربوط به تجزیه و تحلیل روند ، تجزیه و تحلیل نوسان چرخه ای و موضوعات فصلی است. مانند همه روشهای پیش بینی ، موفقیت تضمین نمی شود.

به عنوان مثال ، مدل Box-Jenkins تکنیکی است که برای پیش بینی محدوده داده ها بر اساس ورودی های یک سری زمانی مشخص طراحی شده است. این داده ها را با استفاده از سه اصل پیش بینی می کند: Autoregression ، تفاوت و میانگین حرکت. این سه اصل به ترتیب به عنوان P ، D و Q شناخته می شوند. هر اصل در تجزیه و تحلیل جعبه-جنکینز استفاده می شود ، و در کنار هم به طور جمعی به عنوان یک میانگین متحرک یکپارچه خودجوش یا ARIMA (P ، D ، Q) نشان داده می شوند. به عنوان مثال می توان از Arima برای پیش بینی قیمت سهام یا رشد درآمد استفاده کرد.

روش دیگر ، که به عنوان تجزیه و تحلیل دامنه نجات یافته شناخته می شود ، می تواند برای تشخیص و ارزیابی میزان ماندگاری ، تصادفی یا میانگین برگشت در داده های سری زمانی استفاده شود. از محدوده نجات یافته می توان برای استخراج مقدار آینده یا میانگین برای داده ها استفاده کرد تا ببیند آیا یک روند پایدار است یا احتمالاً برعکس است.

تجزیه و تحلیل مقطعی در مقابل سری زمانی

تجزیه و تحلیل مقطعی یکی از دو روش مقایسه فراگیر برای تجزیه و تحلیل سهام است. تجزیه و تحلیل مقطعی به داده های جمع آوری شده در یک نقطه واحد در زمان ، و نه بیش از یک دوره زمانی ، نگاه می کند. تجزیه و تحلیل با ایجاد اهداف تحقیقاتی و تعریف متغیرهایی که یک تحلیلگر می خواهد اندازه گیری کند ، آغاز می شود. مرحله بعدی شناسایی سطح مقطع مانند گروهی از همسالان یا صنعت و تعیین نکته خاص در زمان ارزیابی است. مرحله آخر انجام تجزیه و تحلیل ، بر اساس سطح مقطع و متغیرها است و در مورد عملکرد یک شرکت یا سازمان به نتیجه می رسد. در اصل ، تجزیه و تحلیل مقطعی نشان می دهد که یک سرمایه گذار با توجه به معیارهایی که به آنها اهمیت می دهند ، بهترین شرکت را نشان می دهد.

تجزیه و تحلیل سری زمانی ، که به عنوان تجزیه و تحلیل روند شناخته می شود ، هنگامی که در تجارت فنی اعمال می شود ، بر روی یک امنیت واحد به مرور زمان متمرکز است. در این حالت ، قیمت در زمینه عملکرد گذشته خود داوری می شود. تجزیه و تحلیل سری زمانی یک سرمایه گذار را نشان می دهد که آیا این شرکت با اقداماتی که به آنها اهمیت می دهند بهتر یا بدتر از گذشته است. غالباً اینها کلاسیک هایی مانند درآمد برای هر سهم (EPS) ، بدهی به سهام ، جریان نقدی آزاد (FCF) و غیره خواهند بود. در عمل ، سرمایه گذاران معمولاً قبل از تصمیم گیری از ترکیبی از تجزیه و تحلیل سری های زمانی و تجزیه و تحلیل مقطعی استفاده می کنند-برای مثال ، با نگاهی به EPS به مرور زمان و سپس بررسی EPS معیار صنعت.

چند نمونه از سری زمانی چیست؟

یک سری زمانی را می توان با هر داده ای که با گذشت زمان در فواصل مساوی با فاصله اندازه گیری می شود ، ساخته شود. قیمت سهام تاریخی ، درآمد ، تولید ناخالص داخلی (تولید ناخالص داخلی) یا سایر توالی داده های مالی یا اقتصادی را می توان به عنوان یک سری زمانی مورد تجزیه و تحلیل قرار داد.

چگونه داده های سری زمانی را تجزیه و تحلیل می کنید؟

از تکنیک های آماری می توان برای تجزیه و تحلیل داده های سری زمانی به دو روش اصلی استفاده کرد: ایجاد استنتاج در مورد چگونگی تأثیر یک یا چند متغیر بر برخی متغیرهای مورد علاقه در طول زمان یا پیش بینی روندهای آینده. بر خلاف داده های مقطعی ، که در اصل یک قطعه از یک سری زمانی است ، پیکان زمان به یک تحلیلگر اجازه می دهد تا ادعاهای علّی قابل قبول تری داشته باشد.

تفاوت بین داده های مقطعی و سری زمانی چیست؟

یک مقطع به یک نقطه واحد در زمان نگاه می کند ، که برای مقایسه و تجزیه و تحلیل تأثیر عوامل مختلف بر روی یکدیگر یا توصیف یک نمونه مفید است. سری زمانی شامل نمونه گیری مکرر از همان داده ها در طول زمان است. در عمل ، هر دو شکل تجزیه و تحلیل معمولاً استفاده می شوند و در صورت وجود ، از آنها استفاده می شوند.

چگونه از سری زمانی در داده کاوی استفاده می شود؟

داده کاوی فرایندی است که دوباره داده های خام را به اطلاعات مفید تبدیل می کند. با استفاده از نرم افزار برای جستجوی الگوهای در دسته های زیادی از داده ها ، مشاغل می توانند در مورد مشتریان خود اطلاعات بیشتری کسب کنند تا استراتژی های بازاریابی مؤثرتر ، افزایش فروش و کاهش هزینه ها را توسعه دهند. سریال های زمانی ، مانند سابقه تاریخی پرونده های شرکت ها یا صورتهای مالی ، در اینجا به ویژه برای شناسایی روندها و الگوهای موجود در آینده مفید هستند.