Isi kandungan
- Formula untuk Korelasi
- Kesilapan biasa dengan korelasi
- Mencari korelasi dalam Excel
Korelasi mengukur hubungan linear dua pembolehubah. Dengan mengukur dan mengaitkan varians setiap pemboleh ubah, korelasi memberikan petunjuk kekuatan hubungan. Atau untuk meletakkannya dengan cara yang lain, korelasi menjawab soalan: Berapakah variabel A (pembolehubah bebas) menerangkan pembolehubah B (pembolehubah bergantung)?
Takeaways Utama
- Korelasi ialah korespondensi linear statistik variasi antara dua pembolehubah. Dalam pembiayaan, korelasi digunakan dalam beberapa aspek analisis termasuk pengiraan atau portfolio sisihan piawai. Hubungan korelasi boleh memakan masa, tetapi perisian seperti Excel menjadikannya mudah untuk dikira.
Formula untuk Korelasi
Korelasi menggabungkan beberapa konsep statistik penting dan berkaitan, iaitu, varians dan sisihan piawai. Varians adalah penyebaran pembolehubah di sekeliling min, dan sisihan piawai adalah punca kuasa dua varians.
Rumusannya ialah:
Oleh kerana korelasi ingin menilai hubungan linear dua pembolehubah, apa yang benar-benar diperlukan adalah untuk melihat berapa banyak kovarians kedua-dua pembolehubah itu, dan sejauh mana kovarian itu dicerminkan oleh penyimpangan piawai setiap pembolehubah secara individu.
Kesilapan biasa dengan korelasi
Kesalahan tunggal yang paling biasa adalah dengan mengambil kira hubungan yang mendekati +/- 1 secara signifikan secara statistik. Bacaan yang mendekati +/- 1 pastinya meningkatkan peluang untuk kepentingan statistik sebenar, tetapi tanpa ujian lanjut ia mustahil untuk diketahui. Ujian statistik korelasi boleh menjadi rumit untuk beberapa sebab; ia sama sekali tidak langsung. Asumsi penting korelasi adalah bahawa pembolehubah bebas dan hubungan di antara mereka adalah linear. Secara teori, anda akan menguji tuntutan ini untuk menentukan sama ada pengiraan korelasi adalah sesuai.
Ingat, korelasi antara dua pembolehubah TIDAK menyatakan bahawa A menyebabkan B atau sebaliknya.
Kesilapan kedua yang kedua adalah lupa untuk menormalkan data ke unit umum. Jika mengira korelasi pada dua betas, maka unit sudah dinormalisasi: beta itu sendiri adalah unit. Walau bagaimanapun, jika anda mahu mengaitkan stok, penting anda menormalkannya ke dalam pulangan peratus, dan bukan perubahan harga saham. Ini berlaku terlalu kerap, walaupun di kalangan profesional pelaburan.
Untuk korelasi harga saham, anda pada dasarnya meminta dua soalan: Apakah pulangan ke atas beberapa tempoh tertentu, dan bagaimanakah pulangan itu berkaitan dengan pulangan keselamatan yang lain dalam tempoh yang sama? Ini juga mengapa kenaikan harga saham adalah sukar: Dua sekuriti mungkin mempunyai korelasi yang tinggi jika pulangan adalah perubahan peratus setiap hari sepanjang 52 minggu yang lalu, tetapi korelasi yang rendah jika pulangan adalah perubahan bulanan sepanjang 52 minggu yang lalu. Yang mana "lebih baik"? Tidak ada jawapan sempurna, dan ia bergantung kepada tujuan ujian.
Mencari korelasi dalam Excel
Terdapat beberapa kaedah untuk mengira korelasi dalam Excel. Yang paling mudah adalah untuk mendapatkan dua set data bersebelahan dan menggunakan formula korelasi terbina dalam:
Ini adalah cara yang mudah untuk mengira korelasi antara hanya dua set data. Tetapi bagaimana jika anda mahu mencipta matriks korelasi merentasi pelbagai set data? Untuk melakukan ini, anda perlu menggunakan plugin Analisis Data Excel. Plugin ini boleh didapati di tab Data, di bawah Analisis.
Pilih jadual pulangan. Dalam kes ini, tiang kami bertajuk, jadi kami ingin menyemak kotak "Label dalam baris pertama, " jadi Excel tahu untuk merawatnya sebagai tajuk. Kemudian anda boleh memilih untuk mengeluarkan pada helaian yang sama atau pada helaian baru.
Sebaik sahaja anda menekan masuk, data dibuat secara automatik. Anda boleh menambah beberapa teks dan pemformatan bersyarat untuk membersihkan hasilnya.
