Autocorrélation

Analyse des séries chronologiques en Python

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Qu'est-ce que l'autocorrélation ?

  • Corrélation d'une série temporelle avec une copie décalée d'elle‑même
  • Aussi appelée corrélation sérielle
  • Autocorrélation à un décalage
Analyse des séries chronologiques en Python

Interpréter l'autocorrélation

  • Retour à la moyenne — Autocorrélation négative
Analyse des séries chronologiques en Python

Interpréter l'autocorrélation

  • Momentum, ou suivi de tendance — Autocorrélation positive

Analyse des séries chronologiques en Python

Les traders utilisent l'autocorrélation pour gagner de l'argent

  • Actions individuelles
    • Historiquement, autocorrélation négative
    • Mesurée sur de courts horizons (jours)
    • Stratégie : acheter les perdantes et vendre les gagnantes
  • Matières premières et devises
    • Historiquement, autocorrélation positive
    • Mesurée sur de plus longs horizons (mois)
    • Stratégie : acheter les gagnantes et vendre les perdantes
Analyse des séries chronologiques en Python

Exemple d'autocorrélation positive : taux de change

  • Utilisez les taux de change quotidiens $\yen$/$ dans le DataFrame df de FRED
  • Convertir l'index en datetime
# Convert index to datetime
df.index = pd.to_datetime(df.index)

# Downsample from daily to monthly data
df = df.resample(rule='M').last()

# Compute returns from prices
df['Return'] = df['Price'].pct_change()

# Compute autocorrelation
autocorrelation = df['Return'].autocorr()
print("The autocorrelation is: ",autocorrelation)

The autocorrelation is: 0.0567
Analyse des séries chronologiques en Python

Passons à la pratique !

Analyse des séries chronologiques en Python

Preparing Video For Download...