Une corrélation nulle entre les échantillons ne signifie pas nécessairement qu'il n'y a pas de relation linéaire. - page 41

Nouveau commentaire
 
alsu:

Heh, pas évident. Pour le CQ de Pearson, il importe peu que les lignes soient positives ou négatives...


O.K. Supposons que ça n'a pas d'importance. Alors l'apparence de la distribution de la matrice de corrélation I(0) sera approximativement la même que pour I(1). Vérifiez. Prenons 100 I(0). Construisons une matrice de corrélation de ces I les uns avec les autres. Construisez ensuite un histogramme des fréquences des valeurs les plus fréquentes :

Nous voyons une distribution normale classique centrée autour de zéro - très bien, car les séries de 100 sont complètement indépendantes les unes des autres. Il est rare que la corrélation entre les rangs atteigne +/- 10 %.

Maintenant, prenez 100 séries et intégrez-les. La sortie sera une marche aléatoire classique de la forme I(1). Nous construisons une matrice de corrélation pour ces séries et ensuite le même histogramme de distribution :

La distribution est effondrée. Les valeurs de -0,5 et +0,5 se répètent aussi souvent que les valeurs de 0,0. Le CC devient un indicateur sans signification, puisque n'importe quel autre nombre peut tomber avec la même probabilité, bien qu'il n'y ait pas de dépendance entre les lignes de manière fiable.

Prenez maintenant 100 BP de type I(1), mais ajoutez la valeur 100 à chacune d'entre elles. En raison de la faible variance, il s'agit d'un chiffre significatif pour ces séries. Ainsi, les 100 BP seront tous dans la zone positive > 0. On regarde l'histogramme :

En effet, rien n'a changé par rapport au graphique précédent. Mais cela ne change pas l'essentiel et l'hypothèse reste valable : les séries I(1) ne peuvent pas être utilisées pour calculer le QC.

 

Ce n'est pas comme ça qu'il faut faire ! Vous devez calculer le logarithme du prix, puis les premières différences, puis en prendre le logarithme, et enfin calculer la corrélation.

Ha-ha-ha !


 
faa1947:

...

Pas zéro, mais "aucune valeur". C'est pourquoi vous pouvez obtenir une corrélation de kotir avec les anneaux de Saturne, et par la même occasion, les problèmes de nez.

...

C'est là toute la beauté et l'intérêt de la corrélation - en ce qu'elle peut être comptabilisée entre des séries de dimensions différentes.
 
Integer:

Ce n'est pas comme ça qu'il faut faire ! Vous devez calculer le logarithme du prix, puis les premières différences, puis en prendre le logarithme, et enfin calculer la corrélation.

Ha-ha-ha !

Avant le second logarithme, multipliez par 100 et ajoutez 5.
 
Integer:

Ce n'est pas comme ça qu'il faut faire ! Vous devez calculer le logarithme du prix, puis les premières différences, puis en prendre le logarithme, et enfin calculer la corrélation.

Ha-ha-ha !

Que donne le logarithme ? Les logarithmes ne sont utiles que lorsque les points de départ et d'arrivée d'une série sont trop différents dans leur volatilité et leur niveau. C'est-à-dire que si vous analysez les DowJons de 1900 à 2013, vous ne pouvez pas vous en passer, mais dans d'autres cas, vous ne pouvez pas l'utiliser.
 
C'était une blague.
 

Limites de l'analyse de corrélation :

Les valeurs totales de toutes les variables des facteurs et des résultats doivent suivre une distribution normale multivariée.

Wiki

Je crois avoir compris que le CQ ne fonctionne que pour les NR de SV ? Dans les séries du monde réel, même la première différence n'est pas un NR.

 
Avals:

Limites de l'analyse de corrélation :

Les valeurs totales de toutes les variables des facteurs et des résultats doivent suivre une distribution normale multivariée.

Wiki

Je crois avoir compris que le CQ ne fonctionne que pour les NR de SV ? Dans les séries du monde réel, même la première différence n'est pas un NR.

Il n'y a pas d'exigence de normalité pour le calcul du CQ. La normalité est requise pour l'analyse de corrélation - elle est utilisée pour déterminer si les facteurs doivent être inclus dans une régression multiple et pour évaluer l'équation de régression résultante afin de vérifier sa cohérence avec les relations identifiées.
 
Avals:

...

wiki

...

Ibid :

Souvent, la simplicité séduisante des études de corrélation encourage le chercheur à tirer de fausses conclusions intuitives sur l'existence d'une relation causale entre des paires d'attributs, alors que les coefficients de corrélation ne font qu'établir des relations statistiques. Si l'on examine les incendies dans une ville donnée, par exemple, on peut trouver une corrélation très élevée entre les dommages causés par le feu et le nombre de pompiers impliqués dans l'extinction d'un incendie, et cette corrélation serait positive. Il ne s'ensuit pas, cependant, que "plus de pompiers entraîne plus de dégâts", et il est encore moins logique d'essayer de minimiser les dégâts causés par les incendies en éliminant les pompiers[5]. Dans le même temps, l'absence de corrélation entre les deux quantités ne signifie pas qu'il n'y a pas de relation entre elles.

 
C-4:


O.k. Supposons que ça n'a pas d'importance. Ensuite, le type de distribution de la matrice de corrélation ...


Le type de distribution de la matrice de corrélation dépend des propriétés des deux séries et de la relation entre elles, c'est-à-dire qu'elle ne doit pas être la même pour toutes les séries possibles... Pour SB c'est un, pour certaines éruptions solaires un autre...
1...343536373839404142434445464748...60
Nouveau commentaire