Correlation Analysis

相关分析

概述

相关分析用以度量两个变量之间，如证券的价格与指标之间的相关关系。结果值（被称做“相关系数”）显示，如果其中一个变量（如指标）发生变化，将会导致另一个变量的变化（如证券价格）。

释义

当比较两个变量之间的关系时，一个变量叫做因变量，另一个变量叫做自变量。相关分析的目的是弄清自变量（通常是某个指标）的变化是否会导致因变量（通常是证券的价格）的变化。这种信息帮助你理解指标的预测能力。

相关系数在±1之间变动。相关系数为+1表示“完全正相关”，意味着自变量的变化会导致因变量发生相等的变化（如指标的变化导致证券价格发生相等的变化）。相关系数为-1表示“完全负相关”，意味着自变量的变化会导致因变量发生相等的变化，但变化的方向相反。相关系数为零意味着两个变量不相关，自变量的变化不影响因变量。

较低的相关系数（即±0.1）表示两个变量之间的关系很微弱，甚至不存在。较高的相关系数（即±0.1之外的值）表示当自变量（如指标）发生变化时，因变量（如证券价格）通常会发生变化。

因变量变化的方向取决于相关系数的符号，如果相关系数是正数，那么因变量将与自变量朝相同方向变动；如果相关系数是负数，那么因变量将与自变量朝相反方向变动。

你可以通过两条基本途径，即测定某个指标的预测能力和测定两种证券之间的相关性来运用相关系数分析法。

当比较某个指标与证券价格之间的相关性时，较高的正相关系数（如大于+0.7）告诉你，指标的变化通常会预测证券价格将发生变化。较高的负相关系数（如小于-0.7）告诉你，当指标发生变化时，证券价格通常朝相反方向变化。记住，很低的相关系数（如接近0）表示证券价格与指标之间是不显著相关的。

相关分析在度量两种证券之间的相关关系时也很有价值。通常，一种证券的价格“领导”或预测另一种证券的价格。例如，黄金和美元之间的相关系数显示了强烈的负相关关系，这就意味着美元价格的上升预示黄金价格的下跌。

举例

图65显示了生猪和谷物之间的相关性。较高的相关系数值表示，除了少部分时间如1月份和6月份外，两者的价格存在很强的相关性（即当谷物价格发生变化时，生猪的价格朝相同方向变化）。

计算

相关分析的有关计算不在本书的范围之内。可以利用扩展工作表中的correl()函数来计算。本书随附的扩展工作表（参见篇首“计算”条）含有非理性力量和correl()计算的例子。