Det är ofta bra att veta om två bestånd tenderar att flytta ihop. För en, skulle du vilja bestånd som inte är nära relaterade. Den Pearson Korrelationskoefficient hjälper till att mäta graden av avkastningen.
Steg
- 1Börja med en uppsättning av n fylla returnerar, för två bestånd X och Y:
- X 1, X 2,... X n och Y 1, Y 2,... Yn
- 2Beräkna medelvärdet för varje uppsättning:
- M x = (X 1 + X 2 +... + Xn) / n
- Min = (Y1 + Y2 +... + Yn) / N
- 3Beräkna kovariansen:
- KOVAR = {(X 1-M x) (Y 1-M y) + (X 2-M x) (Y 2-M y) +... + (Xn-M x) (Yn-M y )} / n
- 4Beräkna variansen för varje lager:
- V x = {(X 1-M x) 2 + (X 2-M x) 2 +... + (Xn-M x) 2} / n
V y = {(Y 1-M y) 2 + (Y 2-M y) 2 +... + (Yn-M y) 2} / n
- V x = {(X 1-M x) 2 + (X 2-M x) 2 +... + (Xn-M x) 2} / n
- 5Standardavvikelsen är den kvadratroten av variansen:
- S x = ROT (V x)
- S y = ROT (V y)
- 6Slutligen pearson korrelationskoefficienten:
- Korrelation = KOVAR / (S x S y)
- 7
Rita paren att få ett spridningsdiagram. (X 1, Y 1), (X 2, Y 2),... (Xn, Yn). Observera några andra egenskaper hos data.- Den bästa passform linje till data kallas .
- Korrelationen är ett mått på hur nära de två aktieavkastningarna är relaterade, linjärt. Det vill säga hur nära returvärdena tillfredsställa ett linjärt samband såsom
- Y = βX + α
- för några konstanter α och β.
- Kvadraten av korrelationen, som kallas R-kvadrat, används också för att mäta hur nära avkastningen linjärt är relaterade.
- Konstanterna är förknippade med regressionslinjen har också namn bekant för många:
β = Beta, α = alfa.
- 8Här är ett exempel. Den visar hur avkastningen av GE lager korrelerar med avkastningen för S & P 500-indexet. De blå uppgifterna är punktdiagram och den röda linjen är regressionslinjen.