Vad är Interpolation?
interpolering är en statistisk metod genom vilken relaterade kända värden används för att uppskatta ett okänt pris eller potentiellt utbyte av en säkerhet. Interpolering uppnås genom att använda andra etablerade värden som ligger i följd med det okända värdet.
Interpolation är roten till ett enkelt matematiskt begrepp. Om det finns en generellt konsekvent trend över en uppsättning datapunkter kan man rimligen uppskatta värdet på uppsättningen vid punkter som inte har beräknats. Investerare och aktieanalytiker skapar ofta ett linjediagram med interpolerade datapunkter. Dessa diagram hjälper dem att visualisera förändringarna i priset på värdepapper och är en viktig del av teknisk analys.
Key Takeaways
- Interpolation är en enkel matematisk metod som investerare använder för att uppskatta ett okänt pris eller potentiellt utbyte av en säkerhet eller tillgång genom att använda relaterade kända värden.genom att använda en konsekvent trend över en uppsättning datapunkter kan investerare uppskatta okända värden och plotta dessa värden på diagram som representerar en akties prisrörelse över tiden.
- en av kritikerna med att använda interpolering i investeringsanalys är att den saknar precision och inte alltid korrekt återspeglar volatiliteten hos börsnoterade aktier.
förstå Interpolation
investerare använder interpolation för att skapa nya uppskattade datapunkter mellan kända datapunkter i ett diagram. Diagram som representerar en säkerhets prisåtgärd och volym är exempel där interpolering kan användas. Medan datoralgoritmer ofta genererar dessa datapunkter idag är begreppet interpolering inte ett nytt. Interpolering har använts av mänskliga civilisationer sedan antiken, särskilt av tidiga astronomer i Mesopotamien och Mindre Asien som försöker fylla i luckor i sina observationer av planeternas rörelser.
det finns flera formella typer av interpolering, inklusive linjär interpolering, polynominterpolering och bitvis konstant interpolering. Finansanalytiker använder en interpolerad avkastningskurva för att plotta en graf som representerar avkastningen på nyligen emitterade amerikanska statsobligationer eller sedlar med en viss löptid. Denna typ av interpolering hjälper analytiker att få insikt i var obligationsmarknaderna och ekonomin kan vara på väg i framtiden.
interpolering ska inte förväxlas med extrapolering, vilket hänvisar till uppskattningen av en datapunkt utanför det observerbara dataområdet. Extrapolering har en högre risk att ge felaktiga resultat jämfört med interpolering.
exempel på interpolering
den enklaste och vanligaste typen av interpolering är en linjär interpolering. Denna typ av interpolering är användbar om man försöker uppskatta värdet på en säkerhet eller ränta för en punkt där det inte finns några data.
låt oss anta att vi till exempel spårar ett säkerhetspris över en tidsperiod. Vi ringer den linje på vilken värdet av säkerheten spåras funktionen f(x). Vi skulle plotta det aktuella priset på beståndet över en serie punkter som representerar ögonblick i tid. Så om vi spelar in f (x) för augusti, oktober och December skulle dessa punkter matematiskt representeras som xAug, xOct och xDec, eller x1, x3 och x5.
av flera skäl kanske vi vill veta värdet av säkerheten under September, en månad för vilken vi inte har några data. Vi kan använda en linjär interpoleringsalgoritm för att uppskatta värdet på f(x) vid plotpunkt xSep eller x2 som visas inom det befintliga dataområdet.
kritik av interpolering
en av de största kritikerna av interpolering är att även om det är en ganska enkel metod som har funnits i eoner, saknar den precision. Interpolering i det antika Grekland och Babylon handlade främst om att göra astronomiska förutsägelser som skulle hjälpa bönderna att planera sina planteringsstrategier för att förbättra avkastningen.
medan planetkropparnas rörelse är föremål för många faktorer, är de fortfarande bättre lämpade för inexprecisionen av interpolering än den vilda varianten, oförutsägbara volatiliteten hos börsnoterade aktier. Men med den överväldigande massan av data som är involverade i värdepappersanalys är stora interpoleringar av prisrörelser ganska oundvikliga.
de flesta diagram som representerar en bestånds historia är faktiskt allmänt interpolerade. Linjär regression används för att göra kurvorna som ungefär representerar prisvariationerna för en säkerhet. Även om ett diagram som mäter ett lager över ett år innehöll datapunkter för varje dag på året, kunde man aldrig säga med fullständigt förtroende där ett lager kommer att ha värderats vid ett visst ögonblick i tiden.