Qu’est-ce que c’est, comment ça marche, tests
Qu’est-ce que l’autocorrélation ?
L’autocorrélation est une représentation mathématique du degré de similitude entre une série chronologique donnée et une version décalée d’elle-même sur des intervalles de temps successifs. Elle est conceptuellement similaire à la corrélation entre deux séries temporelles différentes, mais l’autocorrélation utilise deux fois la même série temporelle : une fois dans sa forme d’origine et une fois décalée d’une ou plusieurs périodes.
Par exemple, s’il pleut aujourd’hui, les données suggèrent qu’il est plus probable qu’il pleuve demain que s’il fait clair aujourd’hui. Lorsqu’il s’agit d’investir, une action peut avoir une forte autocorrélation positive des rendements, ce qui suggère que si elle est « en hausse » aujourd’hui, elle est plus susceptible de l’être également demain.
Naturellement, l’autocorrélation peut être un outil utile à utiliser par les traders ; en particulier pour les analystes techniques.
Points clés à retenir
- L’autocorrélation représente le degré de similarité entre une série chronologique donnée et une version décalée d’elle-même sur des intervalles de temps successifs.
- L’autocorrélation mesure la relation entre la valeur actuelle d’une variable et ses valeurs passées.
- Une autocorrélation de +1 représente une corrélation positive parfaite, tandis qu’une autocorrélation de -1 représente une corrélation négative parfaite.
- Les analystes techniques peuvent utiliser l’autocorrélation pour mesurer l’influence des prix passés d’un titre sur son prix futur.
Comprendre l’autocorrélation
L’autocorrélation peut également être appelée corrélation décalée ou corrélation sérielle, car elle mesure la relation entre la valeur actuelle d’une variable et ses valeurs passées.
À titre d’exemple très simple, regardez les cinq valeurs de pourcentage dans le tableau ci-dessous. Nous les comparons à la colonne de droite, qui contient le même ensemble de valeurs, juste déplacé d’une ligne vers le haut.
| Jour | % BENEFICE ou PERTE | % de gain ou de perte le jour suivant |
| Lundi | dix% | 5% |
| Mardi | 5% | -2% |
| Mercredi | -2% | -8% |
| Jeudi | -8% | -5% |
| Vendredi | -5% |
Lors du calcul de l’autocorrélation, le résultat peut aller de -1 à +1.
Une autocorrélation de +1 représente une corrélation positive parfaite (une augmentation observée dans une série temporelle entraîne une augmentation proportionnelle dans l’autre série temporelle).
D’autre part, une autocorrélation de -1 représente une corrélation négative parfaite (une augmentation observée dans une série temporelle entraîne une diminution proportionnelle dans l’autre série temporelle).
L’autocorrélation mesure les relations linéaires. Même si l’autocorrélation est minuscule, il peut toujours y avoir une relation non linéaire entre une série chronologique et une version décalée d’elle-même.
Tests d’autocorrélation
La méthode la plus courante d’autocorrélation des tests est le test de Durbin-Watson. Sans être trop technique, le Durbin-Watson est une statistique qui détecte l’autocorrélation à partir d’une analyse de régression.
Le Durbin-Watson produit toujours une plage de nombres de tests de 0 à 4. Des valeurs plus proches de 0 indiquent un plus grand degré de corrélation positive, des valeurs plus proches de 4 indiquent un plus grand degré d’autocorrélation négative, tandis que des valeurs plus proches du milieu suggèrent moins d’autocorrélation.
La corrélation mesure la relation entre deux variables, tandis que l’autocorrélation mesure la relation d’une variable avec ses propres valeurs décalées.
Alors, pourquoi l’autocorrélation est-elle importante sur les marchés financiers ? Simple. L’autocorrélation peut être appliquée pour analyser en profondeur les mouvements de prix historiques, que les investisseurs peuvent ensuite utiliser pour prédire avenir mouvements de prix. Plus précisément, l’autocorrélation peut être utilisée pour déterminer si une stratégie de trading dynamique a du sens.
Autocorrélation dans l’analyse technique
L’autocorrélation peut être utile pour l’analyse technique, car l’analyse technique est plus concernée par les tendances et les relations entre les prix des titres à l’aide de techniques de cartographie. Cela contraste avec l’analyse fondamentale, qui se concentre plutôt sur la santé financière ou la gestion d’une entreprise.
Les analystes techniques peuvent utiliser l’autocorrélation pour déterminer l’impact des prix passés d’un titre sur son prix futur.
L’autocorrélation peut aider à déterminer s’il y a un facteur de momentum en jeu avec un titre donné. Si un titre avec une autocorrélation positive élevée affiche deux jours consécutifs de gains importants, par exemple, il peut être raisonnable de s’attendre à ce que le titre augmente au cours de la suivantdeux jours aussi.
Exemple d’autocorrélation
Supposons que Rain cherche à déterminer si les rendements d’une action dans son portefeuille présentent une autocorrélation ; c’est-à-dire que les rendements de l’action sont liés à ses rendements lors des séances de bourse précédentes.
Si les rendements présentent une autocorrélation, Rain pourrait le caractériser comme un titre dynamique, car les rendements passés semblent influencer les rendements futurs. Rain exécute une régression avec le rendement de la séance de négociation précédente comme variable indépendante et le rendement actuel comme variable dépendante. Ils constatent que les rendements un jour avant ont une autocorrélation positive de 0,8.
Étant donné que 0,8 est proche de +1, les rendements passés semblent être un très bon prédicteur positif des rendements futurs pour ce titre particulier.
Par conséquent, Rain peut ajuster son portefeuille pour profiter de l’autocorrélation, ou du momentum, en continuant à conserver sa position ou en accumulant plus d’actions.
Quelle est la différence entre l’autocorrélation et la multicolinéarité ?
L’autocorrélation est le degré de corrélation des valeurs d’une variable dans le temps. La multicolinéarité se produit lorsque des variables indépendantes sont corrélées et que l’une peut être prédite à partir de l’autre. Un exemple d’autocorrélation consiste à mesurer la météo d’une ville le 1er juin et la météo de la même ville le 5 juin. La multicolinéarité mesure la corrélation de deux variables indépendantes, telles que la taille et le poids d’une personne.
En quoi l’autocorrélation pose-t-elle problème ?
La plupart des tests statistiques supposent l’indépendance des observations. En d’autres termes, l’occurrence de l’un ne dit rien sur l’occurrence de l’autre. L’autocorrélation est problématique pour la plupart des tests statistiques car elle fait référence au manque d’indépendance entre les valeurs.
A quoi sert l’autocorrélation ?
L’autocorrélation peut être utilisée dans de nombreuses disciplines mais est souvent observée dans l’analyse technique. Les analystes techniques évaluent les titres pour identifier les tendances et faire des prédictions sur leurs performances futures en fonction de ces tendances.
L’essentiel
Espace réservé