Kas yra koreliacijos matrica?
Koreliacijos matrica yra statistinis metodas, rodantis santykį tarp dviejų ar daugiau kintamųjų ir jų judesių tarpusavio ryšį ir pan. Trumpai tariant, jis padeda apibrėžti kintamųjų santykį ir priklausomybę. Tai yra labai dažnai naudojamas mechanizmas, kurį galima panaudoti investicijų valdymo, rizikos valdymo, statistikos ir ekonomikos srityse.
Paaiškinimas
Tai padeda nustatyti priklausomybę tarp kintamųjų, o tai daroma naudojant matricos lentelę, kurioje pavaizduota koreliacija tarp kintamųjų, kaip parodyta žemiau.
Koreliacijos matricos ištrauka tarp skirtingų terminų obligacijų.
Aukščiau pateikta lentelė yra skirtingų Vyriausybės išleistų obligacijų, kurių likutinis terminas yra skirtingas, koreliacijos matrica, nurodoma metų forma tiek horizontaliu, tiek vertikaliu segmentais. Tai leidžia mums interpretuoti, kad obligacijos, kurios terminas yra 0,25 metai, ir obligacijos, kurios terminas yra 0,5 metai, kainų pokyčių koreliacijos koeficientas yra 0,97 ir panašiai kaip ir kitų terminų obligacijų atžvilgiu.
Kaip sukurti koreliacijos matricą programoje „Excel“?
- Sukurkite duomenis, kurių koreliacija turi būti atlikta. Mūsų atveju mes atsižvelgėme į „Nifty“ kainų indeksą ir tam tikras akcijų atsargas, kurios yra „Nifty“ indekso dalis.
- Naudokite koreliacijos funkciją, esančią „Microsoft Excel“ skirtuke „Duomenys“ esančioje duomenų analizės funkcijoje.
- Pasirinkite aukščiau pateiktą duomenų įvesties sritį ir spustelėkite Gerai.
- Matricą sukurs „Excel“, kaip parodyta žemiau:
Pavyzdžiai
„Xavier Bank“ klasifikavo savo poziciją obligacijose pagal likusį terminą taip:
Naudodamas „Excel“ įrankį (aptartą aukščiau), kaip parodyta žemiau, jis sukūrė skirtingų tenorinių obligacijų koreliacijos matricą, pagrįstą kainų pokyčiais:
„Xavier Bank“ apskaičiavo savo pozicijos matricą įvairiems tenorams, kaip parodyta žemiau:
Norėdami sužinoti išsamią informaciją, raskite toliau pateiktą „Excel“ lapą:
Koreliacijos matrica ir kovariacijos matrica
| Pagrindas | Koreliacijos matrica | Kovariacijos matrica | ||
| Santykiai | Tai padeda įvertinti tiek kintamųjų kryptį (teigiamą / neigiamą), tiek tarpusavio ryšio intensyvumą (žemas / vidutinis / didelis). | Jis matuoja tik santykio tarp kintamųjų kryptį. | ||
| Pogrupis ir gerai apibrėžtas diapazonas | Tai yra kovariacijos pogrupis ir jo apibrėžtas verčių diapazonas yra nuo (-1 iki 1). | Tai yra platesnė sąvoka, tačiau neturi jokio apibrėžto diapazono (gali pakilti iki begalybės), nei vien jos vertybės gali padėti visiškai nustatyti santykį. | ||
| Matmenys | Jis yra be matmenų. | Kovariacijos matrica turi dimensiją. |
