Ne gösteriyor
Grafiğin her çubuğu, serinin belirli bir gecikmedeki kendisiyle korelasyonunu gösteriyor.
Birinci çubuk: seri, bir dönem öncesiyle ne kadar ilişkili. İkinci çubuk: iki dönem öncesiyle. Ve böyle devam.
Çubuk uzunsa, o gecikmede güçlü bir ilişki var. Kısaysa, ilişki zayıf.
Etraftaki bant, anlamlılık sınırı. Bandın içinde kalan çubuklar, sıfırdan ayırt edilemiyor, yani anlamsız. Bandı aşan çubuklar anlamlı.
Getirilerde nasıl görünür
Hisse getirilerinin ACF grafiği genelde neredeyse boş: bütün çubuklar bandın içinde.
Bu, getirilerin otokorelasyonunun sıfıra yakın olduğunu gösteriyor. Yani dünkü getiriden bugünkü getiriyi tahmin edemiyorsunuz. Rastgele yürüyüşün belirtisi.
Küçük istisnalar var: çok kısa vadede hafif negatif (tersine dönüş), orta vadede hafif pozitif (momentum). Ama bunlar küçük çubuklar, zorlukla bandı aşıyor.
Volatilitede farklı
İlginç olan, getirilerin karesinin ya da mutlak değerinin ACF grafiği.
Orada çubuklar uzun ve yavaş sönüyor. Bu, volatilite kümelenmesinin görsel kanıtı.
Yani getirinin yönü hatırlanmıyor (getiri ACF’si boş), ama getirinin büyüklüğü hatırlanıyor (kare getiri ACF’si dolu). Bu ayrım, GARCH modellerinin neden çalıştığını da açıklıyor.
Yavaş sönme
Bir ACF grafiğinde çubuklar yavaş yavaş azalıyorsa, seri muhtemelen durağan değil.
Durağan bir serinin ACF’si hızla sıfıra iner. Durağan olmayan bir serininki (mesela fiyat serisi) çok yavaş iner, uzun süre yüksek kalır.
Bu, durağanlık testine bakmadan da bir ipucu veriyor. Yavaş sönen bir ACF, “bu seriyle doğrudan regresyon yapma, önce farkını al” uyarısı.
Yapay otokorelasyon
Bir uyarı: bazı otokorelasyonlar gerçek değil, veri kaynaklı.
İllikit hisselerde, işlem olmadığı için fiyat aynı kalıyor. Bu, yapay bir süreklilik, yani sahte otokorelasyon üretiyor.
Bir ACF grafiğinde anlamlı otokorelasyon gördüğünüzde iki ihtimal var: gerçek bir yapı keşfettiniz ya da veri probleminiz var. İllikit hisselerde ikincisi daha olası.
PACF
ACF’nin yanında genelde PACF (kısmi otokorelasyon fonksiyonu) da verilir.
ACF, tüm gecikmelerin birleşik etkisini gösterir. PACF, her gecikmenin diğerlerinden bağımsız katkısını gösterir.
İkisi birlikte, bir zaman serisi modeli (ARIMA gibi) seçmek için kullanılıyor. Hangi gecikmelerin gerçekten önemli olduğunu ayırt ediyorlar.
Nasıl okumalı
Bir ACF grafiğinde çubukların bandı aşıp aşmadığına bakın. Bandın içindekiler anlamsız.
Getiri serisinde çubuklar boşsa, bu normal: getiriler tahmin edilemez.
Kare getiri serisinde çubuklar doluysa, volatilite kümelenmesi var.
Yavaş sönen çubuklar, durağan olmayan seri işareti.
Ve anlamlı otokorelasyon gördüğünüzde, illikit hisse kaynaklı yapay bir etki olup olmadığını kontrol edin.
Sıradaki
Sıradaki yazıda ARIMA modellerini ele alıyoruz. Bir zaman serisini kendi geçmişiyle tahmin eden bu modellerin çıktısı nasıl okunur.
Bu yazı bilgilendirme amaçlıdır, yatırım tavsiyesi değildir.