A correlação de amostra zero não significa necessariamente que não exista uma relação linear - página 42
Você está perdendo oportunidades de negociação:
- Aplicativos de negociação gratuitos
- 8 000+ sinais para cópia
- Notícias econômicas para análise dos mercados financeiros
Registro
Login
Você concorda com a política do site e com os termos de uso
Se você não tem uma conta, por favor registre-se
Sim... A palavra mágica "correlação" engana muitas pessoas.
Correlação == dependência probabilística. Ou seja, a auto-ilusão. Procure uma relação linear.
Mais uma vez, esta linha parece já ter falado sobre isso.
Pense sobre a definição de correlação - em palavras simples, é a relação de dois conjuntos. Para conjuntos do espaço linear esta correlação pode ser estimada através do produto escalar de vetores (equivalente ao CQ da Pearson), e por exemplo, é lógico que para os vetores ortogonais tal correlação seja zero. Para conjuntos que não pertencem ao espaço linear, esta relação deve ser estimada de forma diferente. Como? Já depende das características do espaço. Como exemplos, podemos considerar outros coeficientes de correlação.
Se as leituras estão em uma escala relativa, e para citações estão (mostrando quantas vezes uma moeda é "mais valiosa" que outra), então é incorreto aplicar métodos lineares (produto escalar) "diretamente" aos dados brutos. O logaritmo transfere leituras de uma escala relativa para uma escala de intervalo, onde a mesma correlação já pode ser estimada usando o CQ da Pearson.
Mais uma vez, esta linha parece já ter falado sobre isso.
Pense sobre a definição de correlação - em palavras simples, é uma relação de dois conjuntos. Para conjuntos do espaço linear esta correlação pode ser estimada através do produto escalar de vetores (equivalente ao CQ da Pearson), e por exemplo, é lógico que para os vetores ortogonais tal correlação seja zero. Para conjuntos não pertencentes ao espaço linear, esta relação tem que ser estimada de forma diferente. Como? Já depende das características do espaço. Como exemplos, poderíamos considerar outros coeficientes de correlação.
Se as leituras estiverem em uma escala relativa, que é o caso das cotações (mostrando quantas vezes uma moeda é "mais valiosa" que outra), então é incorreto aplicar métodos lineares (produto escalar) "diretamente" aos dados brutos. O logaritmo transfere leituras de uma escala relativa para uma escala de intervalo, onde a mesma correlação já pode ser estimada usando o CQ da Pearson.
Você pode fornecer um exemplo específico onde tomar logaritmos muda a leitura do CQ de uma maneira chave? Por favor, me dê um exemplo onde a série original dá um CQ próximo a zero, enquanto seus logaritmos miraculosamente colocam o CQ em uma estimativa significativa.
Até agora, vamos tomar um exemplo:
Correlação Pearson entre os preços do ouro e os Juros Abertos calculados sobre as primeiras diferenças sem logaritmo: 0.1968
Correlação Pearson entre os preços do ouro e os juros abertos calculados para ln(Pi/Pi-1): 0,2067
Agora, devido à diferença de 1%, você pode gritar com prazer e dizer em cada esquina que não há como não ter logaritmo.
O tipo de distribuição da matriz de correlação depende das propriedades de ambas as séries e da relação entre elas, ou seja, não tem que ser a mesma para todas as séries possíveis... Para SB é um, para algumas erupções solares é outro...
Vou tentar fazer isso.
Agora, devido à diferença de 1% você pode gritar com prazer e dizer em cada esquina que sem logaritmo você não pode ir a lugar algum.
Sobre os dados de seu exemplo:
Parece estar de acordo com a observação visual. A diferença é de mais de 5%.
Vou tentar fazer um.
Eu não conto as primeiras diferenças ... décimos também...)...
Vamos primeiro descobrir se é correto usar QR em uma série de preços regulares. Até agora eu forneci dados dizendo que parece que o CQ em I(1) não pode ser calculado.
Onde você já viu um requisito de normalidade para o cálculo do CQ? Mais uma vez, é um requisito para utilizar a análise de correlação.
Que bobagem - QC é apenas para valores normalmente distribuídos.......... Acontece que você não pode calcular QC entre, por exemplo, as cotações de ouro e prata.........
Onde você já viu um requisito de normalidade para o cálculo do CQ? Mais uma vez, é um requisito para o uso da análise de correlação.
Que bobagem - QC é apenas para valores normalmente distribuídos..........
O importante é que o CQ só pode ser contado com os rendimentos, não com o preço em si.
Novamente, por quê?
Porque: 1. veja a foto acima.
2. 2. leia o que Avals escreve:
esta é uma medida do erro. Se a distribuição for como mostrado pelo C-4, o erro é enorme e a probabilidade de obter um desvio maior do valor real dificilmente diminui. Para que serve tal indicador se é possível obter uma correlação de -0,6 a +0,6 com a independência real?