a:

La correlación en serie, también conocida como autocorrelación, describe la relación entre las observaciones sobre la misma variable en diferentes períodos de tiempo. Esto es diferente de la correlación tradicional, que compara múltiples variables en un período de tiempo. Los analistas técnicos y los inversores utilizan la correlación en serie para medir qué tan bien los movimientos de precios anteriores pueden predecir los movimientos futuros para el mismo activo, un concepto crucial en el análisis técnico del mercado de valores. Debido a que la correlación en serie depende en gran medida del intervalo de tiempo utilizado, los ejemplos comunes de correlación serial son difíciles de calificar. Sin embargo, una conocida correlación serial entre los operadores se denomina "efecto de enero", por lo que los retornos tienden a ser mayores en enero que en cualquier otro mes del año.

La correlación serial es una función de la media y la varianza; nunca puede ser absoluto y depende mucho de las circunstancias y la interpretación. Incluso si hubo una correlación positiva del 100%, o aversión media, o correlación negativa del 100%, o reversión media, entre la acción del precio de un activo a lo largo del tiempo, todavía no hay ninguna ley que dicte que dicha correlación deba continuar. Innumerables estudios han sido realizados por analistas financieros y econometristas para descubrir la correlación serial entre los cambios de precios en los mercados, acciones o carteras, pero estos generalmente han arrojado información insignificante.

La correlación serial sugiere que los retornos distribuidos a través de las observaciones no son estrictamente aleatorios. Incluso si la noción de que los cambios de precios en el período A tienen algo que decir a los comerciantes sobre los cambios de precios en el período B está profundamente arraigada en el marco del análisis técnico, la existencia real y la naturaleza de tal correlación se debaten entre estadísticos serios.

Famosos estudios realizados por Fama (1965), Jennergren y Korsvold (1974) y Cootner (1961) analizaron las existencias y las materias primas a lo largo del tiempo y encontraron una correlación serial muy baja o insignificante. Sin embargo, los estudios a largo plazo sobre mercados enteros sugieren una correlación serial negativa significativa, lo que indica que los mercados tienden a revertirse por largos períodos. El primer trabajo importante en esta área fue reportado por Fama y French en 1988.