Какво е Detrend?
Еталонът включва премахване на ефектите от натрупването на масиви от данни от тенденцията да се показват само абсолютните промени в стойностите и да се позволят идентифициране на потенциални циклични модели. Това се прави с помощта на регресионен анализ и други статистически техники. Detrending помага да нарисувате по-ясна картина на модела, който искате да идентифицирате.
Ключови заведения
- Детрендингът се използва за идентифициране на циклични модели в определен набор от данни. Обикновено има два класа тенденции: детерминистична и стохастична. Преди да може да се стигне до намаляване, типът на тренда трябва да бъде идентифициран. Осцилаторът на цената на Detrend е най-простият метод, който може да се използва за detrend. Има няколко други метода, които могат да се използват при определени обстоятелства, но те често са по-трудни и сложни.
Как работи Detrend
Когато изследовател възпрепятства определен набор от данни, те обикновено правят това, за да премахнат аспекта, който изглежда причинява някакво изкривяване в крайния резултат. Често има големи ползи за премахването на информация за тренда от набор от данни, тъй като има просто идентифициране на тенденциите на първо място и моделиране на такива, които са се оказали полезни или по друг начин информативни в миналото.
Премахването на тенденция от вашия набор данни може да ви позволи да се съсредоточите вместо това върху колебанията и да идентифицирате произволен брой важни фактори. Това е особено полезно при продажбите и маркетинга.
Видове Detrend
Различните услуги за диаграми включват използването на децентрален ценови осцилатор, който дава на търговците метод за анализ на краткосрочни циклични модели. Тези модели след това могат да бъдат използвани за по-ефективно идентифициране на основните повратна точка в дългосрочния цикъл.
Има няколко други метода, които могат да се използват за детрендиране, но по-голямата част от тях са далеч по-сложни и трудни за използване. Някои от алтернативните опции са квадратично намаляване, като се използва филтърът Baxter-King (само за движещи се средни линии на тренда) и се използва филтърът Hodrick-Prescott (само за циклични компоненти на определен период от време).
Кой метод е най-подходящият за проекта и наличните данни ще зависят от множество отделни фактори, включително конкретната област на изследване и от това дали данните са линейно свързани. Възможността за бързо и ефикасно отклоняване е включена в повечето статистически софтуерни пакети, които са на разположение и се използват широко днес.
Изисквания за Detrend
Преди да се случи понижаване, трябва да се идентифицира конкретният клас на тенденцията, за да се определи най-подходящият метод, който да се използва. Въпреки че има много различни видове тенденции, те обикновено се срещат само в два различни класа. Тези класове са детерминистични тенденции и стохастични тенденции.
Детерминираните тенденции постоянно намаляват или се увеличават, а стохастичните тенденции последователно намаляват или се увеличават. Детерминистичните тенденции често са по-лесни за идентифициране и възпрепятстване, тъй като са малко по-предсказуеми и надеждни, но има методи, които се оказаха полезни и за стохастичните тенденции.
Пример за Detrending
Често пъти пазарната инерция ще носи тенденции в ценообразуването. От около 2011-2015 г. се наблюдаваше голяма тенденция на ниско качество на пазарите на акции в САЩ. Запаси от емитенти, които са имали основи за по-ниско качество от класическите сини компании, превъзхождащи широк марж. Тези данни, ако не бъдат „възпрепятствани“ от прогнозните модели, може да са създали фалшиви позитиви за върховете на пазара или други икономически повратни точки.
Едно от най-често срещаните приложения на detrending е в набор от данни, който показва някакво общо увеличение. Преминаването на данните ще ви позволи да видите всякакви потенциални под-тенденции, които могат да бъдат невероятно полезни за научни, финансови, продажби и маркетингови изследвания навсякъде.
