Hurst Üssü ve R/S Analizi: Anlamı, Hesaplama ve İşlem Sınırları

\(H\) ile gösterilen Hurst üssü, zaman ölçeği ile o ölçekte ölçülen dalgalanma büyüklüğü arasındaki ilişkinin eğimidir. Yeniden ölçeklenmiş aralık analizinde kümülatif sapmaların aralığı serinin standart sapmasına bölünür. Beklenen oran, \(n\) blok uzunlukları boyunca yaklaşık \(n^H\) kadar büyüyorsa log-log grafiğinin eğimi \(H\)'yi tahmin eder. Bu ölçüt, bir alım-satım göstergesi olarak değil, değişken nehir akışlarını yönetmek için gereken rezervuar kapasitesi üzerine H. E. Hurst'ün çalışmasından doğmuştur. İlk makalesi Long-Term Storage Capacity of Reservoirs, yıllık akışların ortalamalarından kümülatif sapmalarını kullanarak aralığı hesaplar.

“Kalıcı”, “ters süreklilik gösteren” ve “rastgele benzeri” yorumlar incelenen sürece ve ölçekleme varsayımlarına bağlıdır. Yaygın bir durağan artış ölçütünde \(H=0.5\), karekök-zaman ölçeklemesine karşılık gelir; \(H>0.5\) pozitif kalıcı artışlarla, \(H<0.5\) ise ters süreklilikle ilişkilendirilir. Bu etiketler incelenen seride ve ölçeklerdeki bağımlılığı anlatır. Bir sonraki getirinin belirli bir işarete sahip olma olasılığını vermez.

Girdi serisi soruyu değiştirir. Yöntemi ham, mutlak veya kare getiriler, fiyat düzeyleri ya da kümülatif getiriler üzerinde uygulamak birbirinin yerine geçebilecek cevaplar üretmez. Getiriler yön açısından çok az bağımlılık gösterirken mutlak getiriler kalıcı volatilite kümelenmesi sergileyebilir. Trendli veya tümleşik bir fiyat düzeyi, getirilerde durağan uzun bellekten farklı nedenlerle görünür ölçekleme üretebilir. \(H\)'yi raporlarken değişkeni, örnekleme aralığını ve kullanılan ölçek aralığını belirtin.

\(n\) gözlemli \(x_1,\ldots,x_n\) bloğunun ortalaması \(\bar{x}_n\) olsun. Her gözlemden bu ortalamayı çıkarıp merkezlenmiş değerleri kümülatif olarak toplayın:

\[ Y_{k,n}=\sum_{t=1}^{k}(x_t-\bar{x}_n), \qquad k=1,\ldots,n. \]

Merkezlenmiş değerlerin toplamı blok sonunda sıfır olsa da kümülatif yol yükselip düşebilir. Aralık, en yüksek kümülatif değer ile en düşük değer arasındaki farktır:

\[ R_n=\max_{1\leq k\leq n}Y_{k,n}-\min_{1\leq k\leq n}Y_{k,n}. \]

Blok standart sapması için kullanılan kuralı belirtin. Burada payda olarak \(n\) alınmıştır:

\[ S_n=\sqrt{\frac{1}{n}\sum_{t=1}^{n}(x_t-\bar{x}_n)^2}, \qquad Q_n=\frac{R_n}{S_n}. \]

\(Q_n\) oranı kümülatif aralığı blok içindeki olağan değişkenlik birimleriyle ifade eder. Sabit bir blokta \(S_n=0\) olduğundan oran tanımsızdır; bunu sessizce sıfır katkı saymayın. Uygulamada kayıt seçilen uzunlukta bloklara ayrılır, geçerli her blok için oran hesaplanıp ortalaması alınır ve önceden belirlenmiş blok uzunlukları aralığında işlem tekrarlanır. Mandelbrot ve Wallis, 1969 tarihli çalışmalarında R/S davranışını çok çeşitli simüle edilmiş dağılımlar ve bağımlılık örüntüleri altında inceledi. Bu çalışma R/S'yi yaygın bir ölçek tanısı hâline getirdi; her model yanlış belirtimine karşı bağışık yapmadı.

Ortalama blok istatistiği seçilen ölçeklerde yaklaşık \(\overline{Q}_n\approx Cn^H\) ise logaritma alınır:

\[ \log \overline{Q}_n=\log C+H\log n+\varepsilon_n. \]

\(\log\overline{Q}_n\)'nin \(\log n\) üzerine regresyonundaki eğim, üssün tahminidir. Dar veya sonuçları gördükten sonra seçilmiş bir aralıkta düz çizgi görünmesi tek başına güçlü kanıt değildir: birçok sonlu örneklem birkaç ölçekte doğrusal görünebilir ve aynı kaydın farklı bölümlerinde eğimler değişebilir.

Keyfî baz puan biriminde sekiz varsayımsal getiri düşünelim: \(3,1,0,-1,2,0,-2,-3\). Tüm örneklemin ortalaması sıfırdır. Her blok uzunluğunda dizi, bitişik ve örtüşmeyen bloklara ayrılır; her blok için \(R_n/S_n\) hesaplanır ve oranlar ortalanır. Örnek, paydası \(n\) olan anakütle tipi standart sapmayı kullanır; farklı bir kural sayıları biraz değiştirir.

\(n=2\) için her çiftin aralık/standart sapma oranı 1, ortalaması da 1'dir. \(n=4\) için iki bloğun \((R,S)\) değerleri yaklaşık \((2.500,1.479)\) ve \((3.500,1.920)\)'dir. Oranlar yaklaşık 1.690 ve 1.823, ortalamaları yaklaşık 1.756'dır. \(n=8\) için merkezlenmiş kümülatif yol \(3,4,4,3,5,5,3,0\) olur ve aralığı 5'tir. Standart sapma \(\sqrt{3.5}\approx1.871\), oran yaklaşık 2.673'tür.

Log ölçekte üç noktanın aralıkları eşit olduğundan sıradan en küçük kareler eğimi uç noktalar arasındaki eğime eşittir:

\[ \widehat{H}=\frac{\log(2.673)-\log(1.000)}{\log(8)-\log(2)}\approx0.709. \]

Bu, uydurulmuş sekiz değer üzerinde tekrarlanabilir bir hesaplamadır; uzun belleğe dair inandırıcı kanıt değildir. Tahmin tek tek gözlemlere çok duyarlıdır, yalnızca üç ölçek kullanır ve belirsizlik aralığı içermez. Seride kırılmalar varsa veya ölçekler istenen eğim arandıktan sonra seçildiyse daha fazla gözlem sorunu kendiliğinden çözmez.

<!-- Illustration placement: after this section; text-free conceptual depiction of centered observations accumulating into a range at short and long block scales, with the range growing more than the within-block standard deviation. No axes, labels, or numeric claims. -->

Sonlu varyanslı ve kısa menzilli bağımlılığa sahip durağan bir seride, yaygın uzun dönem ölçekleme sonuçları \(0.5\) civarında bir üs verir. Kesirli Gauss gürültüsü tarzı bir model altında \(H>0.5\), pozitif uzun menzilli bağımlılıkla uyumludur: sapmalar, kıyas modeline göre daha sık aynı yöndeki sapmalarla izlenir ve korelasyon yavaş azalır. \(0.5\)'in altındaki üs, ölçekleme davranışında dönüşlerin veya ters işaretli bağımlılığın baskın olduğu anti-persistansla ilişkilidir.

“Model altında” nitelemesi önemlidir. Sıradan R/S eğimi tahmindir; tek ve belirli bir ekonomik mekanizmanın doğrudan testi değildir. Küçük örneklem yanlılığı tahminleri 0.5'ten uzaklaştırabilir; örtüşen bloklar, payda kuralı, ölçek uçları ve otokorelasyon da sonucu etkiler. 0.5'i içeren güven aralığı bağımsızlığı kanıtlamaz; bu değeri dışlayan bir aralık da gözlemleri istikrarlı bir uzun bellek modelinin ürettiğini kanıtlamaz.

\(H=0.7\)'yi “trendin sürme olasılığı %70”, “getiriler 70 gün kalıcı” veya “başarı oranı %70” diye yorumlamayın. \(H\) olasılık veya elde tutma süresi değildir; tahmin edilen ölçekleme ilişkisini tanımlar. İstatistiksel bağımlılık iddiası model, belirsizlik değerlendirmesi ve kısa vadeli korelasyon, koşullu değişen varyans, deterministik trend veya rejim değişimi gibi alternatiflerin incelenmesini gerektirir.

Klasik R/S yalnızca gerçek uzun bellekten etkilenmez. Kısa süreli bir AR örüntüsü aynı işaretli sapmaları yakın tutup kümülatif aralığı büyütebilir. Lo, kısa menzilli seri korelasyonun klasik istatistiği yukarı çekebileceğini ve kısa bellekli bir süreci kalıcı gösterebileceğini ortaya koydu. Değiştirilmiş R/S yöntemi kısa dönem bağımlılığını hesaba katarak uzun belleği sınamak üzere tasarlanmıştır. İncelediği hisse senedi endekslerinde kısa dönem otokorelasyon dikkate alındığında uzun bellek kanıtı kayboldu; bu, onun örneklemleri ve testi için bir sonuçtur, tüm varlıklar veya sonraki dönemler hakkında hüküm değildir. Lo'nun 1991 tarihli makalesine bakın.

Oynaklık kümelenmesi farklı bir tuzak yaratır. Getiri işaretleri pozitif ve negatif olarak dönüşürken büyüklükleri kümeler hâlinde kalabilir. Getirilere uygulanan R/S, işaretli kümülatif sapmaları; mutlak veya kare getirilere uygulanan R/S ise büyüklükteki kalıcılığı inceler. \(|r_t|\) için yüksek tahmin, fiyat yönünün öngörülebilir olduğu anlamına gelmeden kümelenmiş riski açıklayabilir. Koşullu varyans bağımlılığını ayrı tanılamak için ARCH LM testi rehberine bakın. Varyans oranı rehberi, farklı ufuklardaki getiri bağımlılığının başka bir özetini ele alır.

Ağır kuyruklar ve aykırı değerler de önemlidir. Mandelbrot ve Wallis, birçok Gauss dışı simülasyonda yararlı dayanıklılık özellikleri buldu; bu, tek bir aşırı hareketin, oynaklık rejimi değişiminin veya yanlış belirlenmiş ortalamanın zararsız olduğu anlamına gelmez. Seçilen özgün serideki sonuçları raporlayın ve makul alternatiflerde nasıl değiştiğini inceleyin; tanıdık bir üs görünene kadar rahatsız edici gözlemleri çıkarmayın.

Blok ortalamasını çıkarmak her bloktaki sabit seviyeyi kaldırır; her deterministik veya değişen örüntüyü kaldırmaz. Kademeli trend, tek seferlik seviye kayması, örneklem bileşimi değişikliği veya oynaklık kırılması uzun bir kümülatif sapma yaratabilir. Böylece kararlı bir uzun bellek mekanizması olmadan log-log ilişkisi kuvvet yasası gibi görünebilir. Kırılma testi veya parçalı regresyon başka bir soruyu yanıtlar; kesintili zaman serisi regresyonu rehberine bakın.

Ölçek seçimi modelin parçasıdır. Çok kısa bloklar çoğunlukla yerel gürültü ve piyasa mikro yapısını yansıtır; çok uzun bloklarda kullanılabilir bölüm sayısı az kalır. Örtüşen pencereler hesaplanan oran sayısını artırabilir ama aynı sayıda bağımsız bilgi parçası oluşturmaz. Kısa ve uzun ölçeklerde farklı eğimler görülmesi dinamik farklılığı, kırılmayı, mevsimselliği veya yalnızca tahmin gürültüsünü gösterebilir. Açıklamadan tek bir \(H\)'ye indirgemeyin.

Girdinin fiyat, log fiyat, getiri, mutlak getiri veya filtrelenmiş artık olup olmadığını ve blokların örtüşüp örtüşmediğini belirtin. Sonucu yorumlamadan önce blok aralığını ve asgari segment sayısını belirleyin; her ölçekte kullanılan gözlem sayısını ve makul uç değerlere duyarlılığı bildirin. Fiyatlar bütünleşikse durağan getiriler için kullanılan olağan yorum doğrudan geçerli değildir. Trendden arındırma evrensel bir çözüm değildir: ölçülen nesneyi değiştirir ve gürültülü trendle birlikte ekonomik açıdan anlamlı değişkenliği de çıkarabilir.

Lo'nun değişikliği merkezlenmiş kümülatif sapmaların aralığını korur, ancak olağan blok standart sapmasının yerine kısa gecikmeli otokovaryansları içeren uzun dönem varyans tahmini koyar. Yaygın gösterim şöyledir:

\[ Q_n^{\mathrm{Lo}}(q)=\frac{R_n}{\widehat{\sigma}_n(q)},\qquad \widehat{\sigma}_n^2(q)=\widehat{\gamma}_0+ 2\sum_{j=1}^{q}\left(1-\frac{j}{q+1}\right)\widehat{\gamma}_j. \]

Burada \(\widehat{\gamma}_j\), \(j\) gecikmesindeki örneklem otokovaryansı; \(q\) ise kesme bant genişliğidir. Üçgensel ağırlıklar kesme sınırına yaklaşan otokovaryanslara daha az ağırlık verir. Değiştirilmiş istatistik uygun sıfır dağılımıyla karşılaştırılır; yalnızca daha iyi görünen paydalı klasik R/S değildir ve değeri otomatik olarak düzeltilmiş bir \(H\) olmaz.

Bant genişliği, varyans tahminine hangi kısa dönem korelasyonların gireceğini belirler. Çok küçük \(q\) ilgili kısa menzilli bağımlılığı gözden kaçırabilir; çok büyük \(q\) tahmini gürültülü kılar ve ayrıştırılmak istenen örüntüleri içine alabilir. Bant genişliği kuralını, örnekleme sıklığını, test istatistiğini, sıfır hipotezini ve p değerini raporlayın; önceden belirlenmiş bir duyarlılık aralığını değerlendirin. Lo'nun çalışması ayrımın neden önemli olduğunu gösterir: klasik R/S kısa belleğe tepki verebilirken değiştirilmiş test zayıf kısa dönem bağımlılığa izin veren daha geniş bir sıfır hipotezini hedefler.

Detrended fluctuation analysis (DFA) önce ortalaması çıkarılmış gözlemlerden tümleşik bir profil oluşturur, profili pencerelere böler, her pencerede yerel polinom uydurur ve pencere boyutu \(s\) için artıkların kök ortalama kare dalgalanması \(F(s)\)'yi hesaplar. \(\log F(s)\)'nin \(\log s\) üzerine regresyonu ölçekleme eğimini tahmin eder. Yerel uyum, seçilmiş polinom trendlerine duyarlılığı azaltabilir; ancak detrending derecesi, pencere uzunlukları ve seri türü önemini korur. DFA kırılmalardan, oynaklık değişimlerinden veya grafiği gördükten sonra seçilmiş ölçek aralığından bağışık değildir.

Frekans alanı yöntemleri düşük frekans davranışını periodogramdan tahmin eder. Belirli bir durağan uzun bellek modelinde, sıfır frekans çevresindeki spektral güç \(f(\lambda)\propto|\lambda|^{-\beta}\) biçimindeyse kesirli gürültü tipi getiri süreci için \(H=(\beta+1)/2\) olur. Düşük frekans bant genişliği eğimi etkileyen gözlemleri belirler; mevsimsel tepeler, kırılmalar ve az sayıdaki düşük frekans ordinatı sonucu domine edebilir. Spektral parametre ile \(H\) arasındaki bağlantı, girdinin durağan bir artış serisi mi yoksa tümleşik düzey mi olduğuna bağlıdır.

Bunlar farklı sonlu örneklem özelliklerine sahip alternatif tahmincilerdir; varsayılan olarak üç bağımsız doğrulama değildir. Weron'un sonlu örneklem karşılaştırması (DOI 10.1016/S0378-4371(02)00961-5), simüle edilmiş Gaussian beyaz gürültü kullanarak R/S, DFA ve periodogram regresyonunu inceledi; tahminlerin ve güven aralıklarının yönteme ve örneklem uzunluğuna göre değiştiğini vurguladı. Bu sonuçlar DFA'nın finansal verilerde her zaman en iyi olduğunu göstermez; çıkarımın kullanılan yönteme ve veri üretim koşullarına göre kalibre edilmesi gerektiğini gösterir.

Tahmin edilen üs, geçmiş ölçekleme örüntüsünü tanımlamaya veya açık bir hipotez oluşturmaya yardımcı olabilir. Giriş-çıkış kuralları, tahmin zamanı, pozisyon büyüklüğü ya da risk limitleri vermez; ölçülen ilişkinin bilinir olduktan sonra neden süreceğini de açıklamaz. Araştırmacı hareketli \(H\) tahmininin getirileri öngörüp öngörmediğini test ediyorsa tahmin ufkunu ve karar zamanını önceden belirlemeli ve her girdinin o anda erişilebilir olmasını sağlamalıdır.

Yüksek \(H\) bulana kadar birçok pencere uzunluğu, blok boyutu, varlık, getiri dönüşümü, detrending derecesi ve eşik denemek çoklu aramadır. Görünürde kazanan aynı veriden seçilip değerlendirilmiştir. Denenen aday ailesini kaydedin; dokunulmamış veri veya zaman sırasını koruyan ileri zincirli değerlendirme kullanın ve aramayı hesaba katın. Backtest aşırı uyum olasılığı rehberi ve White's Reality Check benzer seçim sorunlarını açıklar.

İstatistiksel ilişki, maliyetler sonrası net işlem avantajı değildir. Stratejiyi alış-satış farkı, komisyon, kayma, piyasa etkisi, fonlama veya finansman, borçlanma maliyeti ve devir sonrasında değerlendirin. Kalıcı oynaklık yön tahminini iyileştirmeden riski ve düşüşleri artırabilir. Tahmin belirsizliğini raporlayın, kısa bellek ve kırılma alternatifleriyle karşılaştırın, kuralı son testten önce sabitleyin ve tarihsel tanıyı strateji sonucundan ayırın.

Yeniden örnekleme, tasarımı incelenen bağımlılığa uyduğunda yararlıdır. Getirileri tek tek bağımsız çeken iid bootstrap zaman sırasını bozar. Blok bootstrap her blok içinde yerel dizileri korur; fakat kısa blok yavaş bağımlılığı kaçırabilir, uzun blok ise etkin olarak farklı parça sayısını azaltır. İkisi de yapısal kırılmayı ortadan kaldırmaz. Ölçek, pencere veya varlık veriden seçildiyse aramaya göre düzeltilmiş belirsizliği tahmin ederken her yeniden örneklemede seçimi tekrarlayın. Yalnızca son seçilen üssü yeniden örneklemek, aramanın yarattığı belirsizliği olduğundan az gösterir.