ETFFIN Finance >> Persönliche Finanzbildung >  >> Finanzmanagement >> Investition

Serielle Korrelation verstehen: Definition & Anwendungen

Serielle Korrelation ist ein statistischer Begriff, der die Beziehung – konkret die Korrelation – zwischen dem aktuellen Wert einer Variablen und einem zeitlich verzögerten Wert derselben Variablen aus früheren Zeiträumen beschreibt.

Die serielle Korrelation, auch als Autokorrelation bezeichnet, wird häufig von Finanzanalysten verwendet, um künftige Kursbewegungen eines Wertpapiers, etwa einer Aktie, auf Basis früherer Kursbewegungen vorherzusagen.

Die Korrelation misst die Stärke der Beziehung zwischen Variablen, und die serielle Korrelation bestimmt die Beziehung – sofern vorhanden – zwischen derselben Variablen, gemessen über verschiedene Zeiträume hinweg. Stellt sich heraus, dass der aktuelle Wert eines Wertpapiers mit seinen früheren Werten seriell korreliert ist, kann diese Korrelation genutzt werden, um mögliche künftige Werte vorherzusagen.

Zusammenfassung

  • Die serielle Korrelation misst die Beziehung zwischen dem aktuellen Wert einer Variablen und den Werten derselben Variablen aus früheren Zeiträumen.
  • Die Untersuchung serieller Korrelationen wird häufig von Finanzanalysten bei der Erstellung von Finanzmodellen genutzt, um wahrscheinliche künftige Kurse einer Aktie oder eines anderen Finanzwertpapiers vorherzusagen.
  • Positive serielle Korrelationen deuten darauf hin, dass sich Werte in künftigen Zeiträumen wahrscheinlich in dieselbe Richtung entwickeln wie in jüngster Vergangenheit; negative serielle Korrelationen deuten darauf hin, dass sich Werte künftig wahrscheinlich in die entgegengesetzte Richtung bewegen.

Messung serieller Korrelationen

Serielle Korrelationen können, wenn sie bestehen, entweder positiv oder negativ sein.

  • Positive serielle Korrelationen deuten darauf hin, dass sich Wertänderungen zwischen dem aktuellen Kurs eines Wertpapiers und künftigen Kursen wahrscheinlich ähnlich verhalten wie die Wertänderungen zwischen jüngsten Kursen der Vergangenheit und dem aktuellen Kurs.
  • Eine negative serielle Korrelation deutet darauf hin, dass sich Wertänderungen zwischen dem aktuellen Kurs und künftigen Kursen wahrscheinlich in die entgegengesetzte Richtung bewegen wie die Wertänderungen zwischen vergangenen Kursen und dem aktuellen Kurs.

Zeigen der aktuelle Kurs eines Wertpapiers und sein Kurs in einem früheren Zeitraum eine positive serielle Korrelation, spricht man von Mean Aversion (Mittelwert-Vermeidung). Eine Abweichung vom Mittelwert deutet darauf hin, dass Kursänderungen des Wertpapiers zum Verfolgen von Trends neigen und über Zeiträume hinweg höhere Standardabweichungen aufweisen, als es ohne Korrelation der Fall wäre.

Es gibt eine Vielzahl komplexer statistischer Formeln zur Messung serieller Korrelationen; die meisten Formeln berechnen die serielle Korrelation jedoch mit Werten zwischen -1 und +1. Ein Wert von null zeigt an, dass keine Korrelation besteht – es gibt also keine beobachtbare Beziehung oder kein Muster zwischen dem aktuellen Wert einer Variablen und ihrem Wert in früheren Zeiträumen. Werte nahe +1 deuten auf eine positive serielle Korrelation hin, Werte zwischen null und -1 auf eine negative serielle Korrelation.

Verwendung serieller Korrelation in der Finanzmodellierung

Die Erkennung und Nutzung serieller Korrelationen beim Aufbau von Finanzmodellen ist seit der weitverbreiteten Nutzung der Computertechnologie in den 1980er-Jahren zunehmend populär geworden. Investmentbanken und andere Finanzinstitute beziehen die Untersuchung serieller Korrelationen heute regelmäßig ein, um Prognosemodelle für Anlageerträge zu verbessern, indem sie Muster in Kursänderungen über die Zeit erkennen.

Durch die Verbesserung der Genauigkeit von Finanzmodellen können serielle Korrelationsmaße dazu beitragen, die Anlagerenditen zu maximieren, das Anlagerisiko zu senken oder beides.

Die Untersuchung serieller Korrelationen stammt ursprünglich nicht aus der Finanzbranche – sie stammt aus der Welt des Ingenieurwesens. Die ersten Studien zu seriellen Korrelationen untersuchten, wie Signale, etwa Rundfunk­signale, über aufeinanderfolgende Zeiträume hinweg variieren. Nachdem sich solche Studien als fruchtbar erwiesen hatten, begannen Ökonomen und Finanzanalysten allmählich, serielle Korrelationen zwischen den Kursen von Wertpapieren und verschiedenen Wirtschaftskennzahlen wie Zinsen oder dem Bruttoinlandsprodukt (BIP) zu betrachten.

Korrelationen können mit der Formel =CORREL in Excel gemessen werden.

Beispiel – Momentum-Aktien erkennen

Ein Beispiel für die Nutzung serieller Korrelation zur Vorhersage künftiger Kursbewegungen eines Wertpapiers findet sich bei Momentum-Aktien. Momentum-Aktien sind Aktien, die historisch Kursbewegungen aufweisen, die anhaltende Trends erkennen lassen: Sobald sich ein Aktienkurs in eine Richtung zu bewegen beginnt, gewinnt er tendenziell an Dynamik und bewegt sich über aufeinanderfolgende Zeiträume hinweg in dieselbe Richtung weiter.

Momentum-Aktien lassen sich daran erkennen, dass sie eine positive serielle Korrelation aufweisen. Der aktuelle Kurs der Aktie korreliert positiv mit dem Kurs der Aktie in früheren Zeiträumen. Ein Anleger kann dieses Wissen nutzen, um von erkannten Momentum-Aktien zu profitieren, sobald diese einen Kurstrend zu zeigen beginnen.

Der Anleger kauft die Aktie in der Annahme, dass künftige Kursänderungen den jüngsten Kursänderungen der Vergangenheit ähneln werden – mit anderen Worten, die Aktie wird zumindest für einige Zeit in die Zukunft weiter trenden.

Zusätzliche Ressourcen

CFI ist offizieller Anbieter des globalen Zertifizierungsprogramms Commercial Banking & Credit Analyst (CBCA)™. Die folgenden zusätzlichen Ressourcen helfen Ihnen, Ihr Wissen in der Finanzanalyse zu vertiefen:

  • Entkopplung (Decoupling)
  • Negative Korrelation
  • Multiple lineare Regression
  • Finanzprognose