Che cos'è l'analisi dei dati delle serie temporali?

L'analisi dei dati delle serie temporali è l'analisi di set di dati che cambiano in un periodo di tempo. I set di dati di serie temporali registrano osservazioni della stessa variabileVariabile indipendenteUna variabile indipendente è un input, assunzione, o driver che viene modificato per valutarne l'impatto su una variabile dipendente (l'esito). in vari momenti. Gli analisti finanziari Il ruolo di analista finanziario utilizzano dati di serie temporali come i movimenti dei prezzi delle azioni, o le vendite di un'aziendaFatturato di venditaIl fatturato di vendita è il reddito ricevuto da un'azienda dalle sue vendite di beni o dalla fornitura di servizi. In contabilità, i termini "vendite" e nel tempo, per analizzare le prestazioni di un'azienda.

Esempi di set di dati di serie temporali includono:

• Il Prodotto Interno Lordo (PIL) Il Prodotto Interno Lordo (PIL) Il Prodotto Interno Lordo (PIL) è una misura standard della salute economica di un paese e un indicatore del suo tenore di vita. Anche, Il PIL può essere utilizzato per confrontare i livelli di produttività tra i diversi paesi. degli Stati Uniti d'America tra il 2010 e il 2015 – L'unità di analisi economica sono gli Stati Uniti. L'unità di analisi economica è per il periodo 2010-2015. Una voce tipica di questo set di dati sarebbe (2012, 16,16 trilioni di dollari).
• Il PIL pro capite della Germania tra il 2008 e il 2018 - L'unità economica di analisi è la Germania. L'unità economica di analisi è per il periodo 2008-2018. Una voce tipica di questo set di dati sarebbe (2010, $41, 700).
• Acciaio totale esportato dall'India tra il 2000 e il 2018 – L'unità economica di analisi è l'India. L'unità economica di analisi è per il periodo 2000-2018. Una voce tipica di questo set di dati sarebbe (2015, 3,17 miliardi di dollari).
• Arance totali consumate da una specifica famiglia in Ghana tra il 2008 e il 2018 - L'unità economica di analisi è una specifica famiglia in Ghana (ad es. Famiglia 302). L'unità economica di analisi è per il periodo 2008-2018. Una voce tipica di questo set di dati sarebbe (2018, 200).

Correlazione

A differenza dell'analisi dei dati trasversali, l'analisi dei dati delle serie temporali non può fare uso del quadro del campionamento casuale. Ciò rende l'analisi dei dati delle serie temporali molto più complessa e impegnativa dal punto di vista computazionale rispetto all'analisi dei dati trasversali. Il campionamento casuale non può essere utilizzato perché i valori passati di una variabile sono quasi sempre altamente correlati con il valore attuale di quella variabile.

Per esempio, il PIL degli Stati Uniti nel quarto trimestre del 2017 è altamente correlato con il PIL nel terzo trimestre del 2017. Il grado di correlazioneCorrelazioneUna correlazione è una misura statistica della relazione tra due variabili. La misura viene utilizzata al meglio nelle variabili che dimostrano una relazione lineare tra loro. L'adattamento dei dati può essere rappresentato visivamente in un grafico a dispersione. è molto più alta della correlazione tra entità economiche nello stesso momento.

Il coefficiente di correlazione tra il PIL degli Stati Uniti nel trimestre in corso e il PIL degli Stati Uniti nel trimestre precedente per il periodo dal 2008 al 2018 è 0,998. Il coefficiente di correlazione tra il PIL degli Stati Uniti nell'anno in corso e il PIL degli Stati Uniti nell'anno precedente per il periodo dal 2008 al 2018 è 0,992.

Domande causali e analisi delle serie temporali

La maggior parte dell'analisi economica coinvolge lo studio delle rivendicazioni causali intertemporali. Esempi inclusi:

• Quanto incide un aumento dell'1% del PIL del periodo corrente sul PIL del periodo futuro?
• In che modo il tasso di disoccupazione passato influisce sul tasso di disoccupazione attualeIndicatori economiciUn indicatore economico è una metrica utilizzata per valutare, misurare, e valutare lo stato di salute generale della macroeconomia. Indicatori economici?
• Qual è l'effetto di un aumento dell'1% nei punteggi dei test di Grado 7 sui punteggi dei test di Grado 8?

Considera l'esempio dei punteggi del test:supponiamo che ci sia uno strumento politico (ad es. aumentando il rapporto insegnante-studente) che può essere utilizzato per aumentare i punteggi dei test di Grade 7 dell'1%. È probabile che un tale cambiamento di politica sia molto costoso, e un decisore politico che guarda solo ai punteggi dei test di Grado 7 potrebbe non implementare la politica.

Però, supponiamo che un aumento dell'1% dei punteggi del test di Grado 7 sia associato a un aumento dello 0,5% dei punteggi del test di Grado 8. Questo ulteriore vantaggio può rendere utile l'attuazione della politica.

Altre risorse

Grazie per aver letto la guida di CFI all'analisi dei dati delle serie temporali. Per continuare ad avanzare nella tua carriera, le risorse aggiuntive CFI di seguito saranno utili:

• Clustering IllusionClustering Illusion L'illusione di clustering si riferisce a un pregiudizio cognitivo nella finanza comportamentale in cui un investitore osserva modelli in quelli che sono in realtà eventi casuali. In altro
• Stimatori puntualiStimatori puntualiUno stimatore puntuale è una funzione utilizzata per trovare un valore approssimativo di un parametro di popolazione da campioni casuali della popolazione. Usa il
• Investimenti azionari:una guida agli investimenti in crescitaInvestimenti azionari:una guida agli investimenti in crescitaGli investitori possono trarre vantaggio dalle nuove strategie di investimento in crescita al fine di concentrarsi con maggiore precisione su azioni o altri investimenti che offrono un potenziale di crescita superiore alla media.
• Time Period BiasTime Period BiasTime period bias è un errore di campionamento causato dalla selezione di osservazioni che coprono solo un certo periodo di tempo (cioè, un certo insieme di circostanze o fattori