Innholdsfortegnelse
- Formelen for korrelasjon
- Vanlige feil med korrelasjon
- Finne korrelasjon i Excel
Korrelasjon måler det lineære forholdet mellom to variabler. Ved å måle og relatere variansen til hver variabel gir korrelasjon en indikasjon på styrken i forholdet. Eller for å si det på en annen måte, svarer korrelasjon på spørsmålet: Hvor mye forklarer variabel A (den uavhengige variabelen) variabel B (den avhengige variabelen)?
Viktige takeaways
- Korrelasjon er statistisk lineær korrespondanse av variasjon mellom to variabler. I finans brukes korrelasjon i flere analysefasetter, inkludert beregning eller porteføljens standardavvik. Beregningskorrelasjon kan være tidkrevende, men programvare som Excel gjør det enkelt å beregne.
Formelen for korrelasjon
Korrelasjon kombinerer flere viktige og relaterte statistiske begreper, nemlig varians og standardavvik. Varians er spredning av en variabel rundt gjennomsnittet, og standardavvik er kvadratroten av varians.
Formelen er:
Siden korrelasjon ønsker å vurdere det lineære forholdet mellom to variabler, er det som virkelig kreves å se hvilken mengde samvariasjon disse to variablene har, og i hvilken grad den samvariasjonen gjenspeiles av standardavvikene for hver variabel individuelt.
Vanlige feil med korrelasjon
Den vanligste feilen er å anta at en korrelasjon som nærmer seg +/- 1 er statistisk signifikant. En lesning som nærmer seg +/- 1 øker definitivt sjansene for faktisk statistisk betydning, men uten ytterligere testing er det umulig å vite. Den statistiske testen av en korrelasjon kan bli komplisert av flere årsaker; det er slett ikke greit. En kritisk antakelse av korrelasjon er at variablene er uavhengige og at forholdet mellom dem er lineært. I teorien vil du teste disse påstandene for å finne ut om en korrelasjonsberegning er passende.
Husk at korrelasjon mellom to variabler IKKE innebærer at A forårsaket B eller omvendt.
Den nest vanligste feilen er å glemme å normalisere dataene til en felles enhet. Hvis du beregner en korrelasjon på to betaer, er enhetene allerede normaliserte: beta i seg selv er enheten. Imidlertid, hvis du vil korrelere aksjer, er det viktig at du normaliserer dem til prosentvis avkastning, og ikke aksjekursendringer. Dette skjer altfor ofte, selv blant investeringsfolk.
For aksjekursskorrelasjon stiller du i hovedsak to spørsmål: Hva er avkastningen over et visst antall perioder, og hvordan korrelerer den avkastningen med en annen sikkerhets avkastning i samme periode? Dette er også grunnen til å korrelere aksjekursene: Det er vanskelig med to verdipapirer hvis avkastningen er daglige prosentendringer de siste 52 ukene, men en lav korrelasjon hvis avkastningen er månedlige endringer de siste 52 ukene. Hvilken er bedre"? Det er egentlig ikke noe perfekt svar, og det avhenger av formålet med testen.
Finne korrelasjon i Excel
Det er flere metoder for å beregne korrelasjon i Excel. Det enkleste er å få to datasett side om side og bruke den innebygde korrelasjonsformelen:
Dette er en praktisk måte å beregne en sammenheng mellom bare to datasett. Men hva hvis du vil lage en korrelasjonsmatrise på tvers av en rekke datasett? For å gjøre dette, må du bruke Excel's Dataanalyseplugin. Plugin-en finner du i Data-fanen under Analyse.
Velg avkastningstabellen. I dette tilfellet har kolonnene våre tittelen, så vi vil merke av i boksen "Etiketter i første rad", slik at Excel vet å behandle disse som titler. Da kan du velge å skrive ut på samme ark eller på et nytt ark.
Når du trykker på enter, blir dataene automatisk laget. Du kan legge til litt tekst og betinget formatering for å rydde opp i resultatet.
