Kas ir korelācijas matrica?
Korelācijas matrica ir statistiska metode, kā parādīt attiecības starp diviem vai vairākiem mainīgajiem lielumiem un savstarpējo saistību to kustībās utt. Īsāk sakot, tas palīdz definēt mainīgo lielumu attiecības un atkarību. Tas ir ļoti bieži izmantots mehānisms, un to var pieminēt ieguldījumu pārvaldības, riska pārvaldības, statistikas, kā arī ekonomikas jomā.
Paskaidrojums
Tas palīdz noteikt atkarības starp mainīgajiem, kas tiek darīts, izmantojot matricas tabulu, kas attēlo korelāciju starp mainīgajiem, kā parādīts zemāk.
Korelācijas matricas fragments dažādu termiņu obligācijām.
Iepriekš sniegtā tabula ir korelācijas matrica starp dažādām valdības emitētām obligācijām ar atšķirīgu atlikušo termiņu, kas gadu formā norādīts gan horizontālā, gan vertikālā segmentā. Tas ļauj mums interpretēt, ka obligācijas ar termiņu līdz 0,25 gadiem un obligācijas ar termiņu līdz 0,5 gadam korelācijas koeficients ir 0,97 to cenu izmaiņās un līdzīgi citām termiņa obligācijām.
Kā programmā Excel izveidot korelācijas matricu?
- Izveidojiet datus, kuriem jāveic korelācija. Mūsu gadījumā mēs esam ņēmuši cenu indeksu Nifty un dažus kapitāla vērtspapīrus, kas ietilpst Nifty indeksā.
- Izmantojiet korelācijas funkciju Datu analīze, kas pieejama Microsoft Excel cilnē Dati.
- Atlasiet ievades datu diapazonu, kā parādīts iepriekš, un noklikšķiniet uz Labi.
- Matricu izveidos Excel, kā parādīts zemāk:
Piemēri
Xavier Bank ir klasificējis savu riska darījumu obligācijās, pamatojoties uz atlikušo termiņu šādi:
Tas ir izveidojis korelācijas matricu dažādām tenoru obligācijām, pamatojoties uz cenu kustību, izmantojot Excel rīku (apspriests iepriekš), kā parādīts zemāk:
Xavier Bank aprēķināja riska darījumu matricu dažādiem tenoriem, kā parādīts zemāk:
Detalizētas aprēķināšanas nolūkos atrodiet zemāk esošo Excel lapu:
Korelācijas matrica pret kovariācijas matricu
| Pamats | Korelācijas matrica | Kovariācijas matrica | ||
| Attiecības | Tas palīdz izmērīt gan mainīgo mainīgo virzienu (pozitīvais / negatīvais), gan savstarpējo attiecību intensitāti (zems / vidējs / augsts). | Tas mēra tikai attiecību virzienu starp mainīgajiem. | ||
| Apakškopa un precīzi definēts diapazons | Tā ir kovariācijas apakškopa, un tai ir noteikts vērtību diapazons starp (-1 līdz 1). | Tas ir plašāks jēdziens, tomēr tam nav noteikta diapazona (var sasniegt līdz bezgalībai), un tā vērtības vien nevar palīdzēt pilnībā noteikt attiecības. | ||
| Dimensija | Tas ir bez dimensijām. | Kovariances matricai ir dimensija. |
