Correlação e correlação selectiva são coisas muito diferentes. Por exemplo, a correlação pode muito bem ser inexistente, enquanto a correlação da amostra pode ser calculada para quase qualquer amostra.
O problema é uma total incompreensão do simples facto de que a correlação de amostras não é a definição de correlação (mas apenas uma estimativa da mesma, nem sempre exacta).
E o que é que a compreensão deste facto nos dá?
Estamos num mundo real não estacionário, não um teórico de livros-texto, esférico no vácuo)
Estamos sempre a lidar com uma amostra finita, e por "correlação" entendemos sempre estimativa. Porquê escrever a palavra "estimar" desnecessariamente e desorganizar o texto?
Porque precisamos de uma correlação "verdadeira, média hospitalar" calculada do infinito negativo ao infinito positivo? Isto não acontece no mundo real, por isso não precisamos dele.
secret: E o que é que a compreensão deste facto nos dá?
Estamos no mundo real não estacionário, não um teórico de livros-texto, esférico no vácuo)
Estamos sempre a lidar com uma amostra finita, e sempre por "correlação" entendemos estimativa. Porquê escrever a palavra "estimar" desnecessariamente e desorganizar o texto?
Porque precisamos de uma correlação "verdadeira, média hospitalar" calculada do infinito negativo ao infinito positivo? Isto não acontece no mundo real, por isso não precisamos dele.
É que muitas pessoas esquecem-se que estimar uma correlação não significa ter uma de todo.
2a processos idênticos podem ter uma correlação de zero ao longo da vida dos processos. E isto deve ser sempre tido em conta.
Muitas pessoas simplesmente esquecem que estimar a correlação não significa que haja qualquer correlação.
Dois processos idênticos podem ter uma correlação de zero ao longo da vida dos processos. E isto deve ser sempre tido em conta.
É um caso raro em que a correlação de dois activos é constante (e igual a zero, por exemplo). Normalmente, os activos do mercado mudam os seus "modos de funcionamento", períodos de alta correlação mudam para baixa correlação, etc.
É um processo natural, condicionado pela própria vida, por fenómenos económicos.
Por conseguinte, não faz sentido na maioria dos casos contar a correlação (e qualquer outra métrica) ao longo da vida.
Para login e uso do site MQL5.com, você deve ativar o uso de cookies.
Ative esta opção no seu navegador, caso contrário você não poderá fazer login.
Você entrou na conta. A autenticação de dois fatores foi desativada. Configure-a novamente e escaneie um novo código QR ou continue com a autenticação de dois fatores desativada.
É correcto dizer que a existência de uma cointegração das duas séries é equivalente a uma alta correlação dos seus valores?
É correcto dizer que a presença de uma cointegração das duas séries é equivalente a uma alta correlação dos seus valores?
Mais como correlações incrementais.
Correlação e correlação selectiva são coisas muito diferentes. Por exemplo, a correlação pode muito bem ser inexistente, enquanto a correlação da amostra pode ser calculada para quase qualquer amostra.
O problema é uma total incompreensão do simples facto de que a correlação de amostras não é a definição de correlação (mas apenas uma estimativa da mesma, nem sempre exacta).
E o que é que a compreensão deste facto nos dá?
É que muitas pessoas esquecem-se que estimar uma correlação não significa ter uma de todo.
2a processos idênticos podem ter uma correlação de zero ao longo da vida dos processos. E isto deve ser sempre tido em conta.
Dois processos idênticos podem ter uma correlação de zero ao longo da vida dos processos. E isto deve ser sempre tido em conta.
E como é isso?
Muitas pessoas simplesmente esquecem que estimar a correlação não significa que haja qualquer correlação.
Dois processos idênticos podem ter uma correlação de zero ao longo da vida dos processos. E isto deve ser sempre tido em conta.
Como assim?
É um caso excepcionalmente raro em que a correlação entre dois activos é constante (e igual a zero, por exemplo).
Não existe tal coisa de todo.
Seno e cosseno)
Não.
Há secções com correlações positivas e negativas.