Нулевая корреляция выборки вовсе не обозначает отсутствие линейной взаимосвязи - страница 39
Вы упускаете торговые возможности:
- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Регистрация
Вход
Вы принимаете политику сайта и условия использования
Если у вас нет учетной записи, зарегистрируйтесь
Вот из коментов по ссылке от hrenfx 22.03.2011 00:43 понравилось:
корреляция есть! :)
это не значит, что одно — следствие другого.
но явления таки связаные.
(а дальше можно начинать придумывать объяснения )
но не в объяснениях суть.
суть в том, что в некоторой перспективе можно предсказать связь одного с другим. до некоторого момента. )
конечно, четкое понимание механизма связи позволит предсказать, когда связь закончится.
но…
но и просто постоянно анализируя корреляцию — можно предсказать, когда она закончится. )
Частично согласен, но далеко не со всем. Если вы желаете предметно поговорить на поднятую вами тему, вам надо будет прочесть сначала несколько моих постов, вскрывающих мое видение данной тематики. Очень много приходилось повторяться, поэтому делать этого уже не буду. Просто выслал вам две ссылки на мои посты в ЛС.
Добрый день! Наблюдаю за вашими темами, и заинтересовала ваша логика,
Появился вопрос - вы не пытались переписать индикатор корреляции из рецикла2 на мт5
В своих исследованиях потребовалось качественно оценить взаимосвязь между рядами, поэтому решил воспользоваться коэффициентом корреляции. Выводы неутешительные - те методы, что предлагает использовать классическая статистика, практические бесполезны для нахождения не очевидных взаимосвязей между рядами. Для примера возьмем недельный график фьючерса золота и открытого интереса по нему:
Очевидно, прямая взаимосвязь есть. Да, она не очень сильна и очевидна, но при повышении цен на золото, ОИ фьючерса становиться выше, при понижении - ниже.
Чуть позже найдем коэффициенты корреляции между ценой золота и его ОИ. Но для начала рассмотрим самую распространенную формулу корреляции Пирсона:
Если внимательно присмотреться, то становиться понятным, что формула детрендезирует данные (x - x ср.), выравнивает волатильности по стандартному отклонению на всей выборки, а затем считает, сколько времени, оба ряда находились в одном и том же направлении. Очевидно, что для расчета требуются первые разности вида I(0), т.к. в случае I(1) нас ждет засада, ведь ряды, с которыми мы имеем дело, всегда положительные (цена всегда больше нуля), но об этом тоже чуть позже.
Корреляция по методу Пирсона: 0.02234314
Корреляция по методу Кендела: 0.002866038
Корреляция по методу Спирмена: 0.002046104
Т.е. фактически во всех случаях корреляции не выявлено. Но как же наш зоркий глаз? Неужели нам все это мерещиться? И взаимосвязь между золотом и Открытым интересом такая же как между импортом бананов из Марокко и уровнем рождаемости в стране?
Возможно, причина в запаздывании одного индикатора относительно другого. Лаги просто не совпадают. А вдруг ОИ сначала повышается, а только потом это делает золото? - О, тогда на этом можно было бы заработать:) Проверим идейку с помощью Кросскорреляционной функции:
Как-то неубедительно. Есть какие-то два значения, которые выделяются из выборки, в целом и здесь картина как будто связи нет, а потому запаздывание роли не играет.
Ладно. Давайте тогда попробуем рассчитать корреляцию на I(1) рядах. Кто сказал что этого делать ни в коем случае нельзя? Пусть будет завышение результата, - но лучше завышенный результат, чем никакой. Для этих целей проведен эксперимент, сгенерируем 100 BP и рассчитаем матрицу корреляций для них. Среднее значение будет показывать то, насколько оценка будет завышена, и просто при работе на I(1) рядах, будем это учитывать, или нет?
Вот скриптик на R, который все это делает:
Собственно смотрим эту самую 'mean': 0.153359. Вроде неплохо, завышена на всего 15%. Но засада вдругом. Смотрим распределение матрицы корреляций:
Средняя величина в этом случае, вообще не определена, вернее любое значение корреляции встречается также часто, как любая другая величина. А все дело в положительном смещение наших BP, которое задается тем самым параметром, что выделен жирным. Ведь все цены, с которыми мы имеем дело, имеют положительные величины, т.е. находятся в положительной зоне.
1. Как видно ряды I(1) вообще использовать нельзя. Для рядов, чья взаимосвязь не очевидна и не жестко функциональна, коэффициенты корреляции абсолютно бесполезны.
2. Выбор конкретной реализации коэффициента корреляции ни на что принципиально не влияет. Ни один из трех распространенных коэффициентов так и не смог выявить взаимосвязь между золотом и его открытым интересом, хотя очевидно, что взаимосвязь такая имеется.
Корреляция по методу Пирсона: 0.02234314
Корреляция по методу Кендела: 0.002866038
Корреляция по методу Спирмена: 0.002046104
Исходные ряды не сохраняются. Вот одна из генераций в CSV формате.