Differenza Tra Covarianza E Correlazione Investopedia Forex

Differenza tra correlazione e covarianza Correlazione e covarianza sono concetti strettamente correlati in statistica teorica. Esse sono importanti nel determinare la relazione tra due variabili casuali. Ciò che è Correlazione La correlazione è una misura della forza della relazione tra due variabili. Il coefficiente di correlazione quantifica il grado di cambiamento di una variabile in base al cambiamento della altra variabile. In statistica, la correlazione è collegata al concetto di dipendenza, che è il rapporto statistico tra due variabili Il coefficiente di correlazione Pearson o solo il coefficiente di correlazione r è un valore tra -1 e 1 (-1r1). E 'il coefficiente di correlazione più comunemente usato e valido solo per una relazione lineare tra le variabili. Se r0 alcuna relazione esiste, e se r0 la relazione è direttamente proporzionale al valore di una variabile aumenta con l'aumento delle altre. Se r0 il rapporto è inversamente proporzionale una diminuzione variabile come gli altri aumenti. A causa della condizione di linearità, coefficiente di correlazione r può anche essere usato per stabilire la presenza di una relazione lineare tra le variabili. In teoria statistica, covarianza è una misura di quanto due variabili casuali cambiano insieme. In altre parole, covarianza è una misura della forza della correlazione tra due variabili casuali. In un'altra prospettiva, si può vedere che la correlazione è solo la versione normalizzata di covarianza, dove la covarianza viene diviso per il prodotto delle deviazioni standard delle due variabili casuali. La gamma di covarianza può essere grande quindi non è facile da confrontare. Questa difficoltà è superata portando i valori di covarianza di un intervallo in cui può essere paragonato normalizzando esso (un po 'come quello che z-score lo fa). Sebbene la covarianza e la varianza sono collegate tra loro in modo sopra, le distribuzioni di probabilità non sono attaccati l'uno all'altro in modo semplice e devono essere trattate separatamente. Qual è la differenza tra correlazione e covarianza Sia correlazione e covarianza sono misure di relazione tra due variabili casuali. La correlazione è la misura della forza della linearità delle due variabili e covarianza è una misura della forza della correlazione. valori dei coefficienti di correlazione sono un valore tra -1 e 1, mentre la gamma di covarianza non è costante, ma può essere sia positivo che negativo. Ma se le variabili aleatorie sono standardizzati prima di calcolare la covarianza poi covarianza è pari alla correlazione e ha un valore compreso tra -1 e 1.How da Calcoli Stock Coefficiente di correlazione parte uno dei tre: il calcolo della deviazione standard e covarianza Modifica Raccogliere rendimenti azionari. Per calcolare il coefficiente di correlazione, avrete bisogno di informazioni sui rendimenti (variazioni di prezzo al giorno) per due titoli nello stesso periodo di tempo. I rendimenti sono calcolati come la differenza tra i prezzi dello stock di chiusura in due giorni di trading. Ad esempio, se un titolo ha chiuso a 2,00 il Martedì e il Mercoledì 2.04, ciò rappresenterebbe un ritorno del 2 per cento. 1 Stock informazioni sui prezzi possono essere recuperate da siti web-tracking mercato, come Bloomberg e Yahoo Finanza. Organizza i tuoi rendimenti come una sequenza quando si hanno i dati, la registrazione dei due titoli in questione come magazzino X e Y magazzino per semplificare i calcoli. Ad esempio, i dati di magazzino X potrebbero essere 0.9, 1.3, 1.7, 0.4, 0.7 oltre cinque giorni, mentre i dati per Y è 2.5, 3.5, 3.6, 3.1, 2.3. I coefficienti di correlazione possono variare o addirittura passare segni nel tempo (da positivo a negativo), in modo che il periodo di tempo che si sceglie è importante. i commercianti a breve termine possono andare bene con 20 o 50 giorni vale la pena di dati, ma gli investitori a lungo termine vorranno usare 150 o 250. 2 calcolare la media di ogni set. Trova la media (media) delle serie di rendimenti azionari con l'aggiunta di ciascuna di loro e dividendo per il numero di giorni nel periodo scelto (n). La media sarà rappresentato con la lettera greca. con x che rappresenta la media dei rendimenti a magazzino X e Y rappresentano la media dei rendimenti Ys. 3 Continuando con l'esempio precedente, il numero di giorni, n, sarebbe 5. Ciò significa che la media dei rendimenti Xs sarebbe x 0,9 1,3 1,7 0,4 0,7 5. o 1,0. Allo stesso modo, i rendimenti sarebbero Ys media y 3.6 3.1 2.5 3.5 2.3 5. o 3.0. Calcola la covarianza. Covarianza rappresenta la relazione tra due variabili movimento. Se l'aumento variabile o diminuzione agli stessi tempi, sono positivamente correlata e la covarianza è positiva. Se si muovono opposta all'altra, tuttavia, la covarianza è negativo. Covarianza è calcolato con la seguente formula: x y volte 1 (X) (Y - mu - MU) n 1 n (X n x) (Y n y) n. 4 Nella formula, X n e Y n rappresentano le scorte tornano ogni giorno nel periodo. L'idea è quella di riassumere il prodotto delle differenze tra lo stock di ritorno e dire tornare per ogni giorno. Ad esempio, la parte della formula covarianza per il primo giorno sarà calcolato come: (0,9 1,0) (2,5 3,0). Questo sarebbe poi aggiunto al risultato per gli altri quattro giorni poi diviso 4 (5-1). Questo risolve a 0,77 4. che è 0,1925. La covarianza tra i rendimenti a magazzino X e Y è 0,1925. Calcola la varianza di ciascun titolo. Varianza è simile covarianza, ma viene calcolata separatamente per ciascuna variabile o, in questo caso, impostare dei rendimenti azionari. Rappresenta quanto fortemente una variabile si sposta sopra o sotto la sua media nel periodo. Il calcolo è anche abbastanza simile a quello per covarianza, ma sostituire il prodotto delle due differenze variabili con un quadrato della differenza stesse variabili dalla media. In particolare, l'equazione è: n 1 n (V n V) 2 n 1 (V - mu) in cui V rappresenta la variabile in questione (X o Y). 5 Ciò significa che la parte dell'equazione varianza per primo giorno di rendimenti immagini X sarà calcolato come (0.9 1.0) 2. che risolverebbe a 0,01. Continuare questo per ogni giorno di X, aggiungendo in su come si va avanti. Poi, dividere per n 1 per ottenere la vostra risposta. Per l'esempio, il calcolo superiore sarebbe 0,832, quindi la variabile è che diviso per 4 o 0.208. Ciò significa che la varianza di Xs restituisce, x 2. è 0,208. Seguendo lo stesso processo con Y produce y 2 0,272 0,272. Trova la deviazione standard. La deviazione standard,. è la radice quadrata della varianza. Basta prendere le radici quadrate di x 2 e y 2 per ottenere le loro rispettive deviazioni standard. 6 Dopo i calcoli, i risultati sono x 0,456 0,456 0,522 0,522 y. Si noti che questi calcoli sono stati arrotondati alla terza cifra decimale per facilitare i calcoli successivi. Mantenere più cifre decimali nei calcoli li renderà più accurata. Capire il risultato coefficiente di correlazione. Il coefficiente di correlazione può essere inteso come un indicatore di due cose. Il primo è se le due variabili in questione tipicamente si muovono nella stessa direzione allo stesso tempo. Se lo fanno, il coefficiente di correlazione è positiva. In caso contrario, è negativo. La seconda cosa che il coefficiente di correlazione può dire è il modo simile questi movimenti sono. Un coefficiente di correlazione stretta di 1 o -1 rappresenta perfetta correlazione positiva o perfetta correlazione negativa, rispettivamente. I coefficienti di correlazione variano sempre compresa tra 1 e -1. Un risultato di 0 indica che non vi è alcuna correlazione. 10 Così, per esempio, il risultato esempio di 0,809 dall'altra parte di questo articolo vorrebbe dire che le scorte X e Y sono altamente correlati. I due movimenti di prezzo esperienza titoli nella stessa direzione e di solito in meno lo stesso ordine di grandezza. Riduzione del rischio nel vostro portafoglio. L'uso primario di coefficienti di correlazione magazzino è nella preparazione di dossier titoli bilanciati. Le scorte o altre attività all'interno di un portafoglio possono essere valutati contro gli altri nello stesso portafoglio per determinare il coefficiente di correlazione tra di loro. L'obiettivo è quello di posizionare le scorte con correlazioni bassi o negativi nello stesso portafoglio. Così, quando il prezzo delle prime mosse magazzino, il secondo probabilmente muoversi in senso opposto o indipendente dalla prima. Il risultato di queste azioni è efficace diversificazione del portafoglio. Questa pratica riduce il rischio non sistematico, che è il rischio inerente alla singoli titoli. 11 Espandi la tua analisi ad altre attività. Il coefficiente di correlazione è anche frequentemente usato per valutare le relazioni tra gli altri insiemi di dati, come ad esempio i rendimenti dei fondi comuni, Fondo Exchange Traded (ETF) ritorna, e indici di mercato. Correlazioni coefficienti possono essere calcolati tra i set di dati e rendimenti di diversificare un portafoglio o per capire come un stock prezzo si muove in relazione agli altri cambiamenti del mercato. Questo può essere utile per prevedere la variazione di un prezzo stock che si verificherebbe nel caso di un cambiamento nel mercato. 12 Ad esempio, il prezzo delle azioni di una società di miniere d'oro potrebbe essere positivamente correlata al prezzo dell'oro (con un grande coefficiente di correlazione positiva). Se si prevede che il prezzo dell'oro ad aumentare, un investitore avrebbe ragione di credere che il prezzo del titolo companys sarà pure. Tracciare le coppie di dati di magazzino di ritorno per ottenere un grafico a dispersione. È possibile utilizzare un foglio di calcolo per tracciare le date e dei rendimenti delle tue azioni. Ciò rende più facile notare le proprietà dei dati. Inoltre, utilizzando il software di foglio di calcolo, è possibile tracciare una retta di regressione. La retta di regressione ai dati è chiamata la linea di regressione. Su Excel, è possibile aggiungere questa riga facendo clic su Grafico e poi Aggiungi linea di tendenza. Il programma sarà quindi calcolare una linea di tendenza in base ai dati. 13 Il coefficiente di correlazione è una misura di quanto i due rendimenti misura la linea di regressione. Cioè, quanto strettamente i valori di ritorno soddisfano una relazione lineare come Y X per alcune costanti e.