సీరియల్ కోరిలేషన్ అంటే ఏమిటి?
సీరియల్ కోరిలేషన్ అనేది వేరియబుల్ మరియు వివిధ కాల వ్యవధిలో వెనుకబడి ఉన్న సంస్కరణల మధ్య సంబంధం. వేరియబుల్ స్థాయి దాని భవిష్యత్ స్థాయిని ప్రభావితం చేసినప్పుడు పునరావృత నమూనాలు తరచూ సీరియల్ సహసంబంధాన్ని చూపుతాయి. ఫైనాన్స్‌లో, భద్రత యొక్క గత ధర భవిష్యత్ ధరను ఎంతవరకు అంచనా వేస్తుందో తెలుసుకోవడానికి సాంకేతిక విశ్లేషకులు ఈ సహసంబంధాన్ని ఉపయోగిస్తారు.
సీరియల్ సహసంబంధాన్ని ఆటోకార్రిలేషన్ లేదా లాగ్డ్ కోరిలేషన్ అని కూడా అంటారు.
కీ టేకావేస్
- సీరియల్ కోరిలేషన్ అనేది ఇచ్చిన వేరియబుల్ మరియు వివిధ సమయ వ్యవధిలో వెనుకబడి ఉన్న సంస్కరణ మధ్య ఉన్న సంబంధం. క్రమంగా పరస్పర సంబంధం ఉన్న వేరియబుల్ ఒక నమూనాను కలిగి ఉంది మరియు యాదృచ్ఛికంగా ఉండదు. సాంకేతిక విశ్లేషకులు భద్రత లేదా సెక్యూరిటీల సమూహం యొక్క లాభదాయక నమూనాలను ధృవీకరిస్తారు మరియు పెట్టుబడి అవకాశాలతో సంబంధం ఉన్న ప్రమాదాన్ని నిర్ణయిస్తారు.
సీరియల్ కోరిలేషన్ డీకన్స్ట్రక్చర్ చేయబడింది
నిర్దిష్ట వ్యవధిలో ఒకే వేరియబుల్ యొక్క పరిశీలనల మధ్య సంబంధాన్ని వివరించడానికి గణాంకాలలో సీరియల్ సహసంబంధం ఉపయోగించబడుతుంది. వేరియబుల్ యొక్క సీరియల్ సహసంబంధాన్ని సున్నాగా కొలిస్తే, పరస్పర సంబంధం లేదు, మరియు ప్రతి పరిశీలనలు ఒకదానికొకటి స్వతంత్రంగా ఉంటాయి. దీనికి విరుద్ధంగా, వేరియబుల్ యొక్క సీరియల్ సహసంబంధం ఒకదాని వైపుకు వస్తే, పరిశీలనలు క్రమంగా పరస్పర సంబంధం కలిగి ఉంటాయి మరియు భవిష్యత్ పరిశీలనలు గత విలువల ద్వారా ప్రభావితమవుతాయి. ముఖ్యంగా, క్రమంగా పరస్పర సంబంధం ఉన్న వేరియబుల్ ఒక నమూనాను కలిగి ఉంటుంది మరియు యాదృచ్ఛికంగా ఉండదు.
మోడల్ పూర్తిగా ఖచ్చితమైనది కానప్పుడు మరియు వాస్తవ-ప్రపంచ అనువర్తనాల సమయంలో విభిన్న ఫలితాలకు దారితీసినప్పుడు లోపం నిబంధనలు సంభవిస్తాయి. వేర్వేరు (సాధారణంగా ప్రక్కనే ఉన్న) కాలాల (లేదా క్రాస్-సెక్షన్ పరిశీలనలు) నుండి లోపం పదాలు పరస్పర సంబంధం కలిగి ఉన్నప్పుడు, లోపం పదం క్రమంగా పరస్పర సంబంధం కలిగి ఉంటుంది. ఇచ్చిన కాలానికి సంబంధించిన లోపాలు భవిష్యత్ కాలాల్లోకి వెళ్ళినప్పుడు సమయ శ్రేణి అధ్యయనాలలో సీరియల్ సహసంబంధం సంభవిస్తుంది. ఉదాహరణకు, స్టాక్ డివిడెండ్ల పెరుగుదలను అంచనా వేసేటప్పుడు, ఒక సంవత్సరంలో అతిగా అంచనా వేయడం తరువాతి సంవత్సరాల్లో అతిగా అంచనా వేయడానికి దారితీస్తుంది.
సీరియల్ సహసంబంధం అనుకరణ వాణిజ్య నమూనాలను మరింత ఖచ్చితమైనదిగా చేస్తుంది, ఇది పెట్టుబడిదారుడికి తక్కువ ప్రమాదకర పెట్టుబడి వ్యూహాన్ని అభివృద్ధి చేయడంలో సహాయపడుతుంది.
సాంకేతిక విశ్లేషణ భద్రతా నమూనాను విశ్లేషించేటప్పుడు సీరియల్ సహసంబంధం యొక్క కొలతలను ఉపయోగిస్తుంది. విశ్లేషణ పూర్తిగా కంపెనీ యొక్క ఫండమెంటల్స్ కంటే స్టాక్ ధరల కదలిక మరియు అనుబంధ వాల్యూమ్ మీద ఆధారపడి ఉంటుంది. సాంకేతిక విశ్లేషణ యొక్క అభ్యాసకులు, వారు సీరియల్ సహసంబంధాన్ని సరిగ్గా ఉపయోగిస్తే, లాభదాయక నమూనాలను లేదా భద్రత లేదా సెక్యూరిటీల సమూహం మరియు స్పాట్ పెట్టుబడి అవకాశాలను గుర్తించి ధృవీకరించండి.
సీరియల్ కోరిలేషన్ యొక్క కాన్సెప్ట్
కంప్యూటర్ సిగ్నల్ లేదా రేడియో వేవ్ వంటి సిగ్నల్ కాలక్రమేణా తనతో పోల్చితే ఎలా మారుతుందో తెలుసుకోవడానికి సీరియల్ సహసంబంధం మొదట ఇంజనీరింగ్‌లో ఉపయోగించబడింది. ఆర్థిక శాస్త్రవేత్తలు మరియు ఎకోనొమెట్రిక్స్ అభ్యాసకులు కాలక్రమేణా ఆర్థిక డేటాను విశ్లేషించడానికి కొలతను ఉపయోగించడంతో ఈ భావన ఆర్థిక వర్గాలలో ప్రజాదరణ పొందింది.
దాదాపు అన్ని పెద్ద ఆర్థిక సంస్థలలో ఇప్పుడు క్వాంటిటేటివ్ ఎనలిస్టులు ఉన్నారు, వీటిని క్వాంట్స్ అని పిలుస్తారు. ఈ ఫైనాన్షియల్ ట్రేడింగ్ విశ్లేషకులు స్టాక్ మార్కెట్‌ను విశ్లేషించడానికి మరియు అంచనా వేయడానికి సాంకేతిక విశ్లేషణ మరియు ఇతర గణాంక అనుమితులను ఉపయోగిస్తారు. ఈ మోడలర్లు భవిష్యత్‌ను మెరుగుపరచడానికి సహసంబంధాల నిర్మాణాన్ని మరియు వ్యూహం యొక్క సంభావ్య లాభదాయకతను గుర్తించడానికి ప్రయత్నిస్తారు. అదనంగా, సహసంబంధ నిర్మాణాన్ని గుర్తించడం మోడల్ ఆధారంగా ఏదైనా అనుకరణ సమయ శ్రేణి యొక్క వాస్తవికతను మెరుగుపరుస్తుంది. ఖచ్చితమైన అనుకరణలు పెట్టుబడి వ్యూహాల ప్రమాదాన్ని తగ్గిస్తాయి.
ఈ ఆర్థిక సంస్థలలో చాలా విజయానికి క్వాంట్స్ సమగ్రమైనవి, ఎందుకంటే అవి మార్కెట్ మోడళ్లను అందిస్తాయి, ఆ సంస్థ దాని పెట్టుబడి వ్యూహానికి ఆధారం గా ఉపయోగిస్తుంది.
సీరియల్ సహసంబంధం మొదట సిగ్నల్ ప్రాసెసింగ్ మరియు సిస్టమ్స్ ఇంజనీరింగ్‌లో ఉపయోగించబడింది, కాలక్రమేణా సిగ్నల్ ఎలా మారుతుందో తెలుసుకోవడానికి. 1980 లలో, ఆర్థికవేత్తలు మరియు గణిత శాస్త్రవేత్తలు స్టాక్ ధరలను అంచనా వేయడానికి ఈ భావనను వర్తింపజేయడానికి వాల్ స్ట్రీట్కు వెళ్లారు.
డర్బిన్-వాట్సన్ పరీక్షను ఉపయోగించి ఈ పరిమాణాలలో సీరియల్ సహసంబంధం నిర్ణయించబడుతుంది. పరస్పర సంబంధం సానుకూలంగా లేదా ప్రతికూలంగా ఉంటుంది. సానుకూల సీరియల్ సహసంబంధాన్ని ప్రదర్శించే స్టాక్ ధర సానుకూల నమూనాను కలిగి ఉంటుంది. ప్రతికూల సీరియల్ సహసంబంధాన్ని కలిగి ఉన్న భద్రత కాలక్రమేణా దానిపై ప్రతికూల ప్రభావాన్ని చూపుతుంది.
