Korelacja dwóch szeregów czasowych

Analiza szeregów czasowych w Pythonie

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

Korelacja dwóch szeregów czasowych

Wykres cen akcji S&P500 i JPMorgan

Korelacja dwóch szeregów czasowych

Wykres punktowy stóp zwrotu S&P500 i JP Morgan

Więcej wykresów punktowych

Korelacja = 0,9
Korelacja = -0,9

Korelacja = 0,4
Korelacja = 1,0

Częsty błąd: korelacja dwóch szeregów z trendem

Dow Jones Industrial Average i obserwacje UFO (www.nuforc.org)
Korelacja poziomów: 0,94
Korelacja zmian procentowych: $\large \approx$ 0

Przykład: korelacja akcji dużych i małych spółek

Punktem wyjścia są ceny akcji SPX (duże spółki) i R2000 (małe spółki)

Krok pierwszy: obliczenie zmian procentowych obu szeregów

  df['SPX_Ret'] = df['SPX_Prices'].pct_change()
  df['R2000_Ret'] = df['R2000_Prices'].pct_change()

Przykład: korelacja akcji dużych i małych spółek

Wizualizacja korelacji za pomocą wykresu punktowego

  plt.scatter(df['SPX_Ret'], df['R2000_Ret'])
  plt.show()

Przykład: korelacja akcji dużych i małych spółek

Metoda korelacji pandas dla obiektów Series

correlation = df['SPX_Ret'].corr(df['R2000_Ret'])
print("Correlation is: ", correlation)

Correlation is: 0.868

Czas na ćwiczenia!

Analiza szeregów czasowych w Pythonie

Preparing Video For Download...