O que é análise de dados de série temporal?

A análise de dados de série temporal é a análise de conjuntos de dados que mudam ao longo de um período de tempo. Conjuntos de dados de série temporal registram observações da mesma variável; Variável independente; uma variável independente é uma entrada, suposição, ou driver que é alterado para avaliar seu impacto em uma variável dependente (o resultado). em vários pontos do tempo. Analistas financeiros O papel do analista financeiro usa dados de séries temporais, como movimentos de preços de ações, ou as vendas de uma empresaReceita de vendasReceita de vendas é a receita recebida por uma empresa de suas vendas de mercadorias ou da prestação de serviços. Em contabilidade, os termos "vendas" e, ao longo do tempo, para analisar o desempenho de uma empresa.

Exemplos de conjuntos de dados de série temporal incluem:

• O Produto Interno Bruto (PIB) Produto Interno Bruto (PIB) O Produto Interno Bruto (PIB) é uma medida padrão da saúde econômica de um país e um indicador de seu padrão de vida. Também, O PIB pode ser usado para comparar os níveis de produtividade entre diferentes países. dos Estados Unidos da América entre 2010 e 2015 - A unidade econômica de análise são os EUA. A unidade econômica de análise é para o período de 2010-2015. Uma entrada típica deste conjunto de dados seria (2012, $ 16,16 trilhões).
• O PIB per capita da Alemanha entre 2008 e 2018 - A unidade econômica de análise é a Alemanha. A unidade econômica de análise é para o período de 2008-2018. Uma entrada típica deste conjunto de dados seria (2010, $ 41, 700).
• Total de aço exportado pela Índia entre 2000 e 2018 - A unidade econômica de análise é a Índia. A unidade econômica de análise é para o período de 2000-2018. Uma entrada típica deste conjunto de dados seria (2015, $ 3,17 bilhões).
• Total de laranjas consumidas por uma família específica em Gana entre 2008 e 2018 - A unidade econômica de análise é uma família específica em Gana (por exemplo, Família 302). A unidade econômica de análise é para o período de 2008-2018. Uma entrada típica deste conjunto de dados seria (2018, 200).

Correlação

Ao contrário da análise de dados transversais, a análise de dados de séries temporais não pode fazer uso da estrutura de amostragem aleatória. Isso torna a análise de dados de série temporal muito mais complexa e exigente em termos computacionais do que a análise de dados transversais. A amostragem aleatória não pode ser usada porque os valores anteriores de uma variável são quase sempre altamente correlacionados com o valor presente dessa variável.

Por exemplo, o PIB dos EUA no quarto trimestre de 2017 está altamente correlacionado com o PIB no terceiro trimestre de 2017. O grau de correlaçãoCorrelaçãoA correlação é uma medida estatística da relação entre duas variáveis. A medida é melhor usada em variáveis ​​que demonstram uma relação linear entre si. O ajuste dos dados pode ser representado visualmente em um gráfico de dispersão. é muito maior do que a correlação entre entidades econômicas ao mesmo tempo.

O coeficiente de correlação entre o PIB dos EUA no trimestre atual e o PIB dos EUA no trimestre anterior para o período de 2008 a 2018 é de 0,998. O coeficiente de correlação entre o PIB dos EUA no ano atual e o PIB dos EUA no ano anterior para o período de 2008 a 2018 é de 0,992.

Questões Causais e Análise de Séries Temporais

A maior parte da análise econômica envolve o estudo de reivindicações causais intertemporais. Exemplos incluem:

• Quanto um aumento de 1% no PIB do período atual afeta o PIB do período futuro?
• Como a taxa de desemprego passada afeta a taxa de desemprego atual. Indicadores econômicos; um indicador econômico é uma métrica usada para avaliar, medir, e avaliar o estado geral de saúde da macroeconomia. Indicadores econômicos?
• Qual é o efeito de um aumento de 1% nas pontuações do teste da 7ª série sobre as pontuações dos testes da 8ª série?

Considere o exemplo de pontuação de teste:Suponha que haja algum instrumento de política (por exemplo, aumentar a proporção professor-aluno) que pode ser usado para aumentar as pontuações do teste da 7ª série em 1%. Essa mudança de política provavelmente será muito cara, e um formulador de políticas que analisa apenas as pontuações dos testes da 7ª série pode não implementar a política.

Contudo, suponha que um aumento de 1% nas pontuações do teste da 7ª série esteja associado a um aumento de 0,5% nas pontuações dos testes da 8ª série. Esse benefício adicional pode fazer com que a implementação da política valha a pena.

Mais recursos

Obrigado por ler o guia CFI para Análise de Dados de Séries Temporais. Para continuar avançando em sua carreira, os recursos CFI adicionais abaixo serão úteis:

• Clustering IllusionClustering IllusionClustering illusion refere-se a um viés cognitivo nas finanças comportamentais em que um investidor observa padrões no que são, na verdade, eventos aleatórios. Em outro
• Point EstimatorsPoint EstimatorsUm estimador de ponto é uma função usada para encontrar um valor aproximado de um parâmetro de população a partir de amostras aleatórias da população. Usa o
• Investir em ações:um guia para investir em crescimento Investir em ações:um guia para investir em crescimento Os investidores podem tirar proveito de novas estratégias de investimento em crescimento para aprimorar com mais precisão as ações ou outros investimentos que ofereçam potencial de crescimento acima da média.
• Período de tempo BiasTime Period BiasTime período é um erro de amostragem causado pela seleção de observações que cobrem apenas um determinado período de tempo (ou seja, um certo conjunto de circunstâncias ou fatores