a:

Korrelaatio mittaa kahden muuttujan lineaarisen suhteen. Mittaamalla ja yhdistämällä kunkin muuttujan varianssi korrelaatio antaa osoitteen suhteen voimakkuudesta. Tai toisin sanoen korrelaatio vastaa kysymykseen: Kuinka paljon muuttuja A (itsenäinen muuttuja) selittää muuttujan B (riippuva muuttuja)?

Korrelaation kaava

Korrelaatio yhdistää useita tärkeitä ja niihin liittyviä tilastollisia käsitteitä, nimittäin varianssi ja keskihajonta. Varianssi on muuttujan leviäminen keskiarvon ympärille, ja keskihajonta on varianssi neliöjuuri.

Kaava on:

Koska korrelaatio haluaa arvioida kahden muuttujan lineaarisen suhteen, on todella selvitettävä, millainen kovarianssilla nämä kaksi muuttujaa ovat, ja missä määrin tämä kovarianssi on joka heijastuu kunkin muuttujan keskihajontaan erikseen.

Yleiset virheet korreloinnilla

Yksittäisen yleisimpien virheiden oletetaan, että korrelaatio +/- 1 on tilastollisesti merkitsevä. Lukemalla +/- 1 saavutetaan varmasti todellisen tilastollisen merkityksen mahdollisuus, mutta ilman lisätutkimuksia on mahdotonta tietää. Korrelaation tilastollinen testaus voi olla monimutkaista monista syistä; se ei ole ollenkaan suoraviivaista. Korrelaation kriittinen oletus on, että muuttujat ovat riippumattomia ja että niiden välinen suhde on lineaarinen. Teoriassa testaisit nämä väitteet selvittääksesi, onko korrelaatiolaskenta sopiva.

Toinen yleisin virhe on unohdus normalisoida tiedot yhteiseen yksikköön. Jos lasketaan korrelaatio kahdella betalla, yksiköt ovat jo normalisoitu: beeta itsessään on yksikkö. Kuitenkin, jos haluat korreloida varastot, on tärkeää, että ne normalisoituvat prosenttiosuudeksi eikä hinnanmuutoksiin. Tämä tapahtuu liian usein, jopa sijoitusalan ammattilaisten keskuudessa.

Pörssikurssikorrelaatiota varten olet pääasiassa kaksi kysymystä: Mikä on tuotto tietyllä ajanjaksolla ja miten tämä palaa korreloi toisen tietoturvan tuoton kanssa samana ajanjaksona? Tästä syystä osakekurssien korrelointi on vaikeaa: kahdella arvopaperilla voi olla suuri korrelaatio, jos tuotto on päivittäinen prosenttia muutoksia viimeisten 52 viikon aikana, mutta matala korrelaatio, jos tuotto on kuukausittain > muutoksia viimeisten 52 viikon aikana. Kumpi on parempi"? Tosiaankin ei ole täydellistä vastausta, ja se riippuu testin tarkoituksesta. Paranna Excel-taitojasi ottamalla Investopedia Akatemian excel -kurssi. Korrelaation löytäminen Excelissä

Korrelaation laskentaan Excelissä.

Yksinkertaisin tapa on saada kaksi tietojoukkoa ja käyttää sisäänrakennettua korrelaatiokaavaa:

Tämä on kätevä tapa laskea vain kahden datajoukon välinen korrelaatio. Mutta entä jos haluat luoda korrelaatiomatriisin eri tietueiden joukossa? Tätä varten sinun on käytettävä Excelin Data Analysis-laajennusta. Plugin löytyy Data-välilehdellä Analysoi.

Valitse palautustaulukko. Tässä tapauksessa sarakkeemme ovat nimeltään, joten haluamme tarkistaa rivi "Etiketit ensimmäisellä rivillä", joten Excel osaa käsitellä näitä otsikoita. Sitten voit valita saman arkin tai uuden levyn.

Kun painat enter-näppäintä, tiedot tehdään automaattisesti. Voit lisätä tekstin ja ehdollisen muotoilun tuloksen puhdistamiseen.