Współczynnik korelacji jest miarą statystyczną, która oblicza siłę zależności pomiędzy ruchami względnymi dwóch zmiennych. Wartości współczynnika korelacji wynoszą od -1,0 do 1,0. Jeżeli obliczona liczba jest większa niż 1,0 lub mniejsza niż -1,0, oznacza to, że wystąpił błąd w pomiarze korelacji. Wynika to z faktu, że korelacja o wartości -1,0 wykazuje doskonałą korelację ujemną, natomiast korelacja o wartości 1,0 wykazuje doskonałą korelację dodatnią. Korelacja o wartości 0,0 oznacza, że nie ma związku pomiędzy ruchem obu zmiennych.

Statystyka korelacji może być wykorzystywana zarówno w finansach, jak i w inwestycjach. Na przykład, współczynnik korelacji może być określony w celu określenia stopnia zależności pomiędzy kosztem surowej ropy naftowej a kosztem zapasów organizacji dostarczającej ropę naftową, na przykład Exxon Mobil Corporation. Ponieważ w miarę wzrostu kosztów ropy naftowej organizacje naftowe uzyskują bardziej znaczące korzyści, relacja między tymi dwoma czynnikami jest głęboko pozytywna.

Istnieje kilka rodzajów współczynników połączenia, jednak najczęstszym z nich jest relacja Pearsona (r). Oszacowuje on jakość i łożysko prostego połączenia pomiędzy dwoma zmiennymi. Nie jest w stanie uchwycić nieliniowych relacji pomiędzy dwoma zmiennymi i nie może rozróżnić pomiędzy zmiennymi zależnymi i niezależnymi.
Oszacowanie metodą dokładnie 1.0 jest idealnym dodatnim połączeniem między tymi dwoma zmiennymi. Dla dodatniego przyrostu w jednej zmiennej, istnieje również dodatni przyrost w kolejnej zmiennej. Przy szacowaniu metodą – 1.0 istnieje idealny dodatni związek między tymi dwoma zmiennymi. Pokazuje to, że czynniki poruszają się w odwrotny sposób – dla dodatniego przyrostu w jednej zmiennej istnieje również zmniejszenie w kolejnej zmiennej. Przy wyłączonej szansie, że związek między dwoma czynnikami wynosi 0, nie ma związku między nimi.

Spekulanci mogą wykorzystać zmiany w pomiarach relacji, aby odróżnić nowe wzorce na rynkach budżetowych, w gospodarce i w kosztach akcji.

Key Takeaways

Współczynniki korelacji stosowane są do pomiaru siły zależności między dwoma zmiennymi.
Współczynnik korelacji Pearsona jest najczęściej stosowany w statystyce. Mierzy ona siłę i kierunek liniowej zależności między dwiema zmiennymi.
Wartości wahają się zawsze od -1 (silna zależność negatywna) do +1 (silna zależność pozytywna). Wartości na poziomie lub bliskie zeru oznaczają słabą zależność lub jej brak.
Wartości współczynnika korelacji mniejsze niż +0,8 lub większe niż -0,8 nie są uznawane za istotne.

Współczynnik korelacji i inwestowanie

Powiązanie dwóch zmiennych jest szczególnie przydatne w przypadku dodawania zasobów do rynków budżetowych. Na przykład, związek ten może być przydatny przy podejmowaniu decyzji o tym, jak dobrze działa wspólny sklep w porównaniu z jego benchmarkiem lub inną klasą rezerw lub zasobów. Poprzez włączenie niskiego lub niekorzystnie powiązanego wspólnego sklepu do obecnego portfela, specjalista finansowy uzyskuje większe korzyści.

W ten sposób specjaliści finansowi mogą wykorzystać odwrotnie powiązane zasoby lub zabezpieczenia, aby wesprzeć swoje portfolio i zmniejszyć ryzyko rynkowe z powodu nieprzewidywalności lub dzikich zmian wartości. Liczni spekulanci wspierają zagrożenie wartości portfela, co odpowiednio zmniejsza wszelkie podwyżki kapitału lub nieszczęścia, ponieważ potrzebują wypłaty zysku lub zysku z akcji lub papierów wartościowych.

Wgląd w powiązania dodatkowo umożliwia specjalistom finansowym podjęcie decyzji, kiedy zmienia się relacja między dwoma zmiennymi. Na przykład, akcje banków regularnie mają głęboko pozytywny stosunek do kosztów finansowania, ponieważ oprocentowanie kredytów jest często ustalane w zależności od opłat za kredyty rynkowe. W przypadku, gdy koszt akcji banku spada przy jednoczesnym wzroście opłat kredytowych, specjaliści finansowi mogą stwierdzić, że coś nie jest normalne. W przypadku, gdy koszty akcji banków porównywalnych w tym dziale dodatkowo rosną, specjaliści finansowi mogą założyć, że spadek akcji banku nie wynika z opłat kredytowych.

Równanie korelacji

Aby obliczyć połączenie minutowe pozycji Pearson, należy wstępnie zdecydować o kowariancji dwóch zmiennych, o których mowa. Następnie należy ustalić odchylenie standardowe każdego z czynników. Współczynnik połączenia jest kontrolowany przez oddzielenie kowariancji od wyniku standardowego odchylenia dwóch czynników. Tak więc zgodnie z formułą współczynnika korelacji, nieodpowiednio działający bank z przykładu prawdopodobnie ma do czynienia z problemem wewnętrznym.
Odchylenie standardowe jest miarą rozproszenia danych od ich średniej. Kowariancja jest miarą tego, jak dwie zmienne zmieniają się razem, ale jej wielkość jest nieograniczona, a więc trudna do interpretacji. Dzieląc kowariancję przez iloczyn dwóch odchyleń standardowych, można obliczyć znormalizowaną wersję statystyki. Jest to współczynnik korelacji