Sisällysluettelo
- Korrelaatiokaava
- Yleiset korrelaatiovirheet
- Korrelaation löytäminen Excelistä
Korrelaatio mittaa kahden muuttujan lineaarista suhdetta. Mittaamalla ja vertaamalla kunkin muuttujan varianssia korrelaatio antaa osoituksen suhteen vahvuudesta. Tai toisin sanoen, korrelaatio vastaa kysymykseen: Kuinka paljon muuttuja A (riippumaton muuttuja) selittää muuttujaa B (riippuvainen muuttuja)?
Avainsanat
- Korrelaatio on kahden muuttujan välisen variaation tilastollinen lineaarinen vastaavuus.Rahoituksessa korrelaatiota käytetään useissa analyysiin liittyvissä asioissa, mukaan lukien laskelma tai portfolion keskihajonta. Laskentakorrelaatio voi olla aikaa vievää, mutta Excel-kaltaisten ohjelmistojen avulla on helppo laskea.
Korrelaatiokaava
Korrelaatio yhdistää useita tärkeitä ja niihin liittyviä tilastollisia käsitteitä, nimittäin varianssi ja keskihajonta. Varianssi on muuttujan hajonta keskiarvon ympärille ja keskihajonta on varianssin neliöjuuri.
Kaava on:
Koska korrelaatio haluaa arvioida kahden muuttujan lineaarisen suhteen, tarvitaan todella nähdä, kuinka suuri kovarianssimäärä näillä kahdella muuttujalla on ja missä määrin tämä kovarianssi heijastuu kunkin muuttujan keskihajonnalla erikseen.
Yleiset korrelaatiovirheet
Yksi yleisimmistä virheistä oletetaan, että +/- 1 lähestyvä korrelaatio on tilastollisesti merkitsevä. +/- 1: n lähestyvä lukema lisää ehdottomasti todellisen tilastollisen merkitsevyyden mahdollisuuksia, mutta ilman lisätestausta sitä ei ole mahdollista tietää. Korrelaation tilastollinen testaus voi tulla monimutkaiseksi monista syistä; Se ei ole ollenkaan suoraviivaista. Korrelaation kriittinen oletus on, että muuttujat ovat riippumattomia ja niiden välinen suhde on lineaarinen. Teoriassa testaat nämä väitteet määrittääksesi, onko korrelaatiolaskelma sopiva.
Muista, että kahden muuttujan välinen korrelaatio EI tarkoita, että A aiheutti B: n tai päinvastoin.
Toinen yleisin virhe on unohtaa normalisoida tiedot yhteiseksi yksiköksi. Jos lasketaan korrelaatio kahdelle betalle, niin yksiköt normalisoidaan jo: beeta on itse yksikkö. Jos haluat kuitenkin korreloida varastot, on kriittistä, että normalisoit ne prosenttiosuudeksi, etkä jaa hintojen muutoksia. Tämä tapahtuu liian usein, jopa sijoitusammattilaisten keskuudessa.
Osakekurssien korrelaatiota varten kysyt lähinnä kahta kysymystä: Mikä on tuotto tietyllä ajanjaksolla ja miten tämä tuotto korreloi toisen arvopaperin tuoton kanssa samalla ajanjaksolla? Siksi myös osakekurssien korrelointi on vaikeaa: Kahdellä arvopapereella voi olla korkea korrelaatio, jos tuotto on päivittäin prosenttimuutos viimeisen 52 viikon aikana, mutta matala korrelaatio, jos tuotto on kuukausimuutos viimeisen 52 viikon aikana. Kumpi on parempi"? Ei todellakaan ole täydellistä vastausta, ja se riippuu testin tarkoituksesta.
Korrelaation löytäminen Excelistä
Korrelaation laskemiseen Excelissä on useita menetelmiä. Yksinkertaisin on saada kaksi tietojoukkoa rinnakkain ja käyttää sisäänrakennettua korrelaatiokaavaa:
Tämä on kätevä tapa laskea korrelaatio vain kahden tietojoukon välillä. Mutta entä jos haluat luoda korrelaatiomatriisin useille tietojoukkoille? Tätä varten on käytettävä Excelin Data Analysis -laajennusta. Laajennus löytyy Tiedot-välilehden kohdasta Analysoi.
Valitse palautustaulukko. Tässä tapauksessa sarakkeidemme otsikko on, joten haluamme valita ruudun "Ensimmäisen rivin etiketit", jotta Excel tietää, että käsittelee näitä otsikoina. Sitten voit valita tulostuksen samalle arkille tai uudelle arkille.
Kun painat Enter, tiedot tehdään automaattisesti. Voit lisätä tulosta varten tekstiä ja ehdollista muotoilua.
