ETFFIN Finance >> Corso di Finanza Personale >  >> Gestione Finanziaria >> Finanze

Analisi delle Serie Storiche: Guida Completa

L'analisi delle serie storiche (time series data analysis) è l'analisi di set di dati che cambiano nel corso di un periodo di tempo. I dataset delle serie storiche registrano le osservazioni della stessa variabile in diversi momenti temporali. Gli analisti finanziari utilizzano dati di serie storiche come i movimenti dei prezzi azionari o le vendite di un'azienda nel tempo per analizzarne le performance.

Esempi di Dataset di Serie Storiche

  • Il PIL degli Stati Uniti tra il 2010 e il 2015 – L'unità di analisi economica sono gli USA per il periodo 2010-2015. Una voce tipica sarebbe (2012, 16,16 trilioni $).
  • Il PIL pro capite della Germania tra il 2008 e il 2018 – L'unità di analisi è la Germania per il periodo 2008-2018. Voce tipica: (2010, 41.700 $).
  • Totale acciaio esportato dall'India tra il 2000 e il 2018 – L'unità di analisi è l'India per il periodo 2000-2018. Voce tipica: (2015, 3,17 miliardi $).
  • Totale arance consumate da una famiglia specifica in Ghana tra il 2008 e il 2018 – L'unità di analisi è una famiglia specifica (es. Famiglia 302) per il periodo 2008-2018. Voce tipica: (2018, 200).

Correlazione nelle Serie Storiche

A differenza dell'analisi dei dati cross-sezionali, l'analisi delle serie storiche non può utilizzare il framework del campionamento casuale. Questo la rende molto più complessa e computazionalmente impegnativa. Il campionamento casuale non è utilizzabile perché i valori passati di una variabile sono quasi sempre altamente correlati con il valore presente.

Ad esempio, il PIL degli USA nel quarto trimestre 2017 è altamente correlato con il PIL del terzo trimestre 2017. Il grado di correlazione è molto più alto della correlazione tra entità economiche diverse nello stesso momento.

Il coefficiente di correlazione tra il PIL USA del trimestre corrente e quello precedente per il periodo 2008-2018 è 0,998. Tra l'anno corrente e l'anno precedente è 0,992.

Domande Causali e Analisi delle Serie Storiche

La maggior parte dell'analisi economica riguarda lo studio di relazioni causali intertemporali. Esempi includono:

  • Quanto influisce un aumento dell'1% del PIL del periodo corrente sul PIL del periodo futuro?
  • Come influisce il tasso di disoccupazione passato su quello attuale?
  • Qual è l'effetto di un aumento dell'1% dei punteggi dei test in 7ª elementare sui punteggi in 8ª elementare?

Consideriamo l'esempio dei punteggi: supponiamo che uno strumento di politica (es. aumento del rapporto insegnanti-studenti) possa aumentare i punteggi della 7ª elementare dell'1%. Tale cambiamento sarebbe costoso e un decisore che guarda solo ai punteggi della 7ª elementare potrebbe non attuarlo.

Tuttavia, se un aumento dell'1% in 7ª elementare è associato a un aumento dello 0,5% in 8ª elementare, questo beneficio aggiuntivo potrebbe rendere la politica vantaggiosa.

Altre Risorse

  • Illusione del Clustering (Clustering Illusion)
  • Stimatori Puntuali (Point Estimators)
  • Investimento Azionario: Guida al Growth Investing
  • Bias del Periodo Temporale (Time Period Bias)