К сожалению, у вас неверный расчет КК Спирмена.
В чём конкретно ошибка? Результаты вычислений проверял вручную (расчитывал в Excel) - все результаты были корректны.
Действительно, присвоение рангов в моём скрипте выполненно "упрощённо", что даёт небольшую погрешность. Но, если честно, для практического применения данная погрешность не имеет особого значения
А можно исправить, чтобы было правильно, а не "упрощенно"?
Действительно, присвоение рангов в моём скрипте выполненно "упрощённо", что даёт небольшую погрешность. Но, если честно, для практического применения данная погрешность не имеет особого значения
А можно исправить, чтобы было правильно, а не "упрощенно"?
Можно. Думаю заняться этим на досуге. Вообще, если честно, то я выложил этот скрипт в надежде получить подсказку по этому вопросу)))
На данный момент ошибка присвоения рангов ведёт к погрешности на уровне 2го-3го знака после запятой (погрешность составляет в среднем 0,2). Лично я использую матрицу для определения наличия связи/её отсутствия, а в случае наличия - определения, прямая она, либо обратная. И точности в данном случае мне хватает))) главное - что теперь не приходится тратить время на просчёты в Экселе.
Значимость подобного доверительного интервала очень сомнительна.
Доверительный интервал считал бы иначе:
- Задал размер скользящего окна (размер интервала данных).
- На каждом окне (сдвигается по времени) посчитал бы КК Пирсона.
- Т.о. получил бы ВР (временной ряд) КК (коэффициентов корреляции) для заданного размера окна.
- Доверительный интервал КК для заданного размера окна был бы (MO - СКО; МО + СКО), где МО - выборочное среднее ВР КК, СКО - среднеквадратическое отклонение.
Интересная идея. На следующей неделе реализую.
В чём преимущество КК Пирсона над КК Спиремена?
Коэффициент ранговой корреляции Спирмена - коэффициент корреляции Пирсона, примененный не к исходным ВР, а к их рангам.
КК Пирсона характеризует степень линейной взаимосвязи двух величин и не устойчив к выбросам в ВР. Больше всего подходит для величин с нормальным распределением
КК Спирмена характеризует степень произвольной нелинейной взаимосвязи двух величин с проверкой на условие "рост одной величины приводит к росту другой". Используется для величин с любым распределением.
Наглядные свойства КК Спирмена можно посмотреть на графиках здесь.

- Бесплатные приложения для трейдинга
- 8 000+ сигналов для копирования
- Экономические новости для анализа финансовых рынков
Вы принимаете политику сайта и условия использования
Корреляционная матрица:
Author: Кирилл