Autocorrelação
O que é autocorrelação?
A autocorrelação é uma representação matemática do grau de similaridade entre uma determinada série temporal e uma versão defasada de si mesma em intervalos de tempo sucessivos. É conceitualmente semelhante à correlação entre duas séries temporais diferentes, mas a autocorrelação usa a mesma série temporal duas vezes: uma vez em sua forma original e uma vez defasada em um ou mais períodos.
Por exemplo, se está chuvoso hoje, os dados sugerem que é mais provável que chova amanhã do que se hoje estiver céu limpo. Quando se trata de investir, uma ação pode ter uma forte autocorrelação positiva dos retornos, sugerindo que, se estiver “em alta” hoje, é mais provável que suba amanhã também.
Naturalmente, a autocorrelação pode ser uma ferramenta útil para os comerciantes utilizarem; particularmente para analistas técnicos.
Principais vantagens
- A autocorrelação representa o grau de semelhança entre uma determinada série temporal e uma versão defasada dela mesma em intervalos de tempo sucessivos.
- A autocorrelação mede a relação entre o valor atual de uma variável e seus valores anteriores.
- Uma autocorrelação de +1 representa uma correlação positiva perfeita, enquanto uma autocorrelação de 1 negativo representa uma correlação negativa perfeita.
- Os analistas técnicos podem usar a autocorrelação para medir a influência que os preços passados de um título têm sobre seu preço futuro.
Compreendendo a autocorrelação
A autocorrelação também pode ser referida como correlação defasada ou correlação serial, pois mede a relação entre o valor atual de uma variável e seus valores anteriores.
Como um exemplo muito simples, dê uma olhada nos cinco valores percentuais no gráfico abaixo. Estamos comparando-os com a coluna da direita, que contém o mesmo conjunto de valores, apenas subiu uma linha.
Ao calcular a autocorrelação, o resultado pode variar de -1 a +1.
Uma autocorrelação de +1 representa uma correlação positiva perfeita (um aumento visto em uma série temporal leva a um aumento proporcional na outra série temporal).
Por outro lado, uma autocorrelação de -1 representa uma correlação negativa perfeita (um aumento visto em uma série temporal resulta em uma diminuição proporcional na outra série temporal).
A autocorrelação mede relacionamentos lineares. Mesmo que a autocorrelação seja minúscula, ainda pode haver uma relação não linear entre uma série temporal e uma versão defasada de si mesma.
Testando para Autocorrelação
O método mais comum de autocorrelação de teste é o teste de Durbin-Watson. Sem ser muito técnico, o Durbin-Watson é uma estatística que detecta autocorrelação a partir de uma análise de regressão.
O Durbin-Watson sempre produz um intervalo de número de teste de 0 a 4. Valores próximos de 0 indicam um maior grau de correlação positiva, valores próximos a 4 indicam um maior grau de autocorrelação negativa, enquanto valores próximos ao meio sugerem menos autocorrelação.
Então, por que a autocorrelação é importante nos mercados financeiros? Simples. A autocorrelação pode ser aplicada para analisar completamente os movimentos históricos dos preços, que os investidores podem então usar para prever os movimentos futuros dos preços. Especificamente, a autocorrelação pode ser usada para determinar se uma estratégia de negociação dinâmica faz sentido.
Autocorrelação em Análise Técnica
A autocorrelação pode ser útil para análises técnicas, porque a análise técnica está mais preocupada com as tendências e relações entre os preços dos títulos usando técnicas de gráficos. Isso contrasta com a análise fundamentalista, que se concentra, em vez disso, na saúde ou gestão financeira de uma empresa.
Os analistas técnicos podem usar a autocorrelação para descobrir o impacto que os preços passados de um título têm sobre seu preço futuro.
A autocorrelação pode ajudar a determinar se há um fator de momentum em jogo com uma determinada ação. Se uma ação com uma autocorrelação positiva alta registra dois dias consecutivos de grandes ganhos, por exemplo, pode ser razoável esperar que a ação suba nos próximos dois dias também.
Exemplo de autocorrelação
Vamos supor que Emma esteja procurando determinar se os retornos de uma ação em seu portfólio apresentam autocorrelação; ou seja, os retornos da ação estão relacionados aos retornos dos pregões anteriores.
Se os retornos exibirem autocorrelação, Emma poderia caracterizá-lo como um estoque momentum porque os retornos passados parecem influenciar os retornos futuros. Emma executa uma regressão com o retorno da sessão de negociação anterior como variável independente e o retorno atual como variável dependente. Ela descobriu que os retornos um dia antes têm uma autocorrelação positiva de 0,8.
Como 0,8 está próximo de +1, os retornos anteriores parecem ser um bom preditor positivo dos retornos futuros para esta ação em particular.
Portanto, Emma pode ajustar seu portfólio para tirar vantagem da autocorrelação, ou momentum, continuando a manter sua posição ou acumulando mais ações.