Eine Stichprobenkorrelation von Null bedeutet nicht zwangsläufig, dass es keine lineare Beziehung gibt. - Seite 41

 
alsu:

Ha, nicht offensichtlich. Für Pearson's QC spielt es keine Rolle, ob die Zeilen positiv oder negativ sind...


Gehen wir davon aus, dass dies keine Rolle spielt. Dann ist das Erscheinungsbild der I(0)-Korrelationsmatrixverteilung ungefähr dasselbe wie bei I(1). Prüfen. Nehmen wir 100 I(0). Konstruieren wir eine Korrelationsmatrix dieser I's untereinander. Erstellen Sie dann ein Histogramm der Häufigkeiten der häufigsten Werte:

Wir sehen eine klassische Normalverteilung, die um Null zentriert ist - das ist in Ordnung, denn 100 Zeilen sind völlig unabhängig voneinander. Selten erreicht die Korrelation zwischen den Zeilen +/- 10 Prozent.

Nehmen Sie nun 100 Serien und integrieren Sie sie. Das Ergebnis wird ein klassischer Random Walk der Form I(1) sein. Wir konstruieren eine Korrelationsmatrix für diese Reihen und dann das gleiche Verteilungshistogramm:

Die Verteilung ist kollabiert. Werte von -0,5 und +0,5 wiederholen sich genauso oft wie Werte von 0,0. Der CC wird zu einem bedeutungslosen Indikator, da jede andere Zahl mit der gleichen Wahrscheinlichkeit herausfallen kann, obwohl es keine verlässliche Abhängigkeit zwischen den Zeilen gibt.

Nehmen Sie nun 100 BP des Typs I(1), aber fügen Sie zu jedem von ihnen den Wert 100 hinzu. Aufgrund der geringen Streuung ist dies eine signifikante Zahl für diese Reihen. Somit liegen alle 100 BPs im positiven Bereich > 0. Wir sehen uns das Histogramm an:

In der Tat hat sich im Vergleich zur vorherigen Grafik nichts geändert. Dies ändert jedoch nichts am Kern der Sache, und die Hypothese bleibt gültig: I(1)-Reihen können nicht zur Berechnung von QC verwendet werden.

 

Das ist nicht der richtige Weg! Man muss den Logarithmus des Preises berechnen, dann die ersten Differenzen, dann den Logarithmus davon nehmen und dann die Korrelation berechnen.

Ha, ha, ha!


 
faa1947:

...

Nicht Null, sondern "kein Wert". Deshalb kann man eine Korrelation zwischen Kotir und den Ringen des Saturns herstellen, aber auch Probleme mit der Nase.

...

Das ist das Schöne und der Sinn der Korrelation, dass sie zwischen Reihen unterschiedlicher Dimensionen gezählt werden kann.
 
Integer:

Das ist nicht der richtige Weg! Sie müssen den Logarithmus des Preises berechnen, dann die ersten Differenzen, dann den Logarithmus davon nehmen und dann die Korrelation berechnen.

Ha, ha, ha!

Vor dem zweiten Logarithmus wird mit 100 multipliziert und 5 addiert.
 
Integer:

Das ist nicht der richtige Weg! Sie müssen den Logarithmus des Preises berechnen, dann die ersten Differenzen, dann den Logarithmus davon nehmen und dann die Korrelation berechnen.

Ha, ha, ha!

Was ergibt der Logarithmus? Logarithmen sind nur dann sinnvoll, wenn die Anfangs- und Endpunkte einer Reihe in ihrer Volatilität und ihrem Niveau zu unterschiedlich sind. Das heißt, wenn Sie die DowJons von 1900 bis 2013 analysieren, kommen Sie nicht ohne sie aus, aber in anderen Fällen ist sie nicht zu gebrauchen.
 
Das war ein Scherz.
 

Beschränkungen der Korrelationsanalyse:

Die Gesamtwerte aller Faktor- und Ergebnisvariablen müssen einer multivariaten Normalverteilung folgen.

Wiki

Ich glaube, ich habe es so verstanden, dass QC nur für NR von SV funktioniert? In realen Serien ist nicht einmal die erste Differenz eine NR.

 
Avals:

Beschränkungen der Korrelationsanalyse:

Die Gesamtwerte aller Faktor- und Ergebnisvariablen müssen einer multivariaten Normalverteilung folgen.

Wiki

Ich glaube, ich habe es so verstanden, dass QC nur für NR von SV funktioniert? In realen Serien ist nicht einmal die erste Differenz eine NR.

Für die Berechnung der QC ist keine Normalität erforderlich. Normalität ist für die Korrelationsanalyse erforderlich - sie wird verwendet, um festzustellen, ob Faktoren in eine multiple Regression einbezogen werden müssen, und um die sich ergebende Regressionsgleichung auf Konsistenz mit den ermittelten Beziehungen zu bewerten.
 
Avals:

...

wiki

...

Ebd:

Die verlockende Einfachheit von Korrelationsstudien verleitet den Forscher oft zu falschen intuitiven Schlussfolgerungen über das Vorhandensein einer kausalen Beziehung zwischen Attributspaaren, während Korrelationskoeffizienten nur statistische Beziehungen herstellen. Betrachtet man beispielsweise die Brände in einer bestimmten Stadt, so könnte man eine sehr hohe Korrelation zwischen den Brandschäden und der Anzahl der an der Brandbekämpfung beteiligten Feuerwehrleute feststellen, wobei die Korrelation positiv wäre. Daraus folgt jedoch nicht, dass "mehr Feuerwehrleute zu mehr Schäden führen", und es macht noch weniger Sinn, zu versuchen, die Brandschäden durch die Abschaffung von Feuerwehren zu minimieren[5].

 
C-4:


Na gut, nehmen wir an, es spielt keine Rolle. Dann ist die Art der Verteilung der Korrelationsmatrix ...


Die Art der Verteilung der Korrelationsmatrix hängt von den Eigenschaften der beiden Reihen und der Beziehung zwischen ihnen ab, d. h. sie muss nicht für alle möglichen Reihen gleich sein... Für SB ist es eine, für manche Sonneneruptionen eine andere...
Grund der Beschwerde: