兩個時間序列的相關性

Python 中的時間序列分析

Rob Reider

Adjunct Professor, NYU-Courant Consultant, Quantopian

兩個時間序列的相關性

  • S&P500 與 JPMorgan 股價走勢
Python 中的時間序列分析

兩個時間序列的相關性

  • S&P500 與 JP Morgan 報酬率散佈圖
Python 中的時間序列分析

更多散佈圖

  • 相關係數 = 0.9

  • 相關係數 = -0.9

  • 相關係數 = 0.4

  • 相關係數 = 1.0

Python 中的時間序列分析

常見錯誤：兩個趨勢序列的相關性

  • 道瓊工業指數與 UFO 目擊（www.nuforc.org）

  • 水準的相關性：0.94

  • 百分比變化的相關性：$\large \approx$ 0
Python 中的時間序列分析

範例：大型股與小型股的相關性

  • 以 SPX（大型股）與 R2000（小型股）的股價開始
  • 第一步：計算兩個序列的百分比變化 
      df['SPX_Ret'] = df['SPX_Prices'].pct_change()
  df['R2000_Ret'] = df['R2000_Prices'].pct_change()
Python 中的時間序列分析

範例：大型股與小型股的相關性

  • 用散佈圖視覺化相關性
      plt.scatter(df['SPX_Ret'], df['R2000_Ret'])
  plt.show()

Python 中的時間序列分析

範例：大型股與小型股的相關性

  • 使用 pandas 的 Series 相關性方法
correlation = df['SPX_Ret'].corr(df['R2000_Ret'])
print("Correlation is: ", correlation)

Correlation is: 0.868
Python 中的時間序列分析

一起來練習吧！

Python 中的時間序列分析

Preparing Video For Download...