两条时间序列的相关性

Python 中的时间序列分析

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

两条时间序列的相关性

  • 标普500与摩根大通股价走势
Python 中的时间序列分析

两条时间序列的相关性

  • 标普500与摩根大通收益率的散点图
Python 中的时间序列分析

更多散点图

  • 相关系数 = 0.9

  • 相关系数 = -0.9

  • 相关系数 = 0.4

  • 相关系数 = 1.0

Python 中的时间序列分析

常见错误：两条趋势性序列的相关性

  • 道琼斯工业平均指数与UFO目击（www.nuforc.org）

  • 水平（价格）相关系数：0.94

  • 百分比变动的相关系数：$\large \approx$ 0
Python 中的时间序列分析

示例：大盘股与小盘股的相关性

  • 从SPX（大盘股）和R2000（小盘股）的股价开始
  • 第一步：计算两条序列的百分比变动 
      df['SPX_Ret'] = df['SPX_Prices'].pct_change()
  df['R2000_Ret'] = df['R2000_Prices'].pct_change()
Python 中的时间序列分析

示例：大盘股与小盘股的相关性

  • 用散点图可视化相关性
      plt.scatter(df['SPX_Ret'], df['R2000_Ret'])
  plt.show()

Python 中的时间序列分析

示例：大盘股与小盘股的相关性

  • 对Series使用pandas的相关系数方法
correlation = df['SPX_Ret'].corr(df['R2000_Ret'])
print("Correlation is: ", correlation)

Correlation is: 0.868
Python 中的时间序列分析

开始练习吧！

Python 中的时间序列分析

Preparing Video For Download...