Corrélations de devises Chaque cellule des tableaux suivants contient le coefficient de corrélation pour deux paires de devises (corrélations de devises) qui sont nommées dans les champs correspondants du panneau supérieur et gauche. Le coefficient de corrélation mesure à quel point deux paires de devises se déplacent ensemble. Si les deux paires se déplacent vers le haut et vers le bas en parfait accord, leur coefficient de corrélation est 1. Si le mouvement d'une paire ne dit rien du mouvement de l'autre paire alors il y a une corrélation nulle entre ces paires. Si deux paires se déplacent dans des directions exactement opposées, leur coefficient de corrélation est -1. Les corrélations sont également divisées en quatre groupes en fonction de leur force. Pour une visualisation facile, toutes les corrélations du tableau suivant sont colorées pour montrer leur résistance, comme indiqué ci-dessous: Faible (Blanc): la valeur absolue du coefficient de corrélation ne dépasse pas 0,3 (c.-à-d. 0,3). Moyen (Gris): la valeur absolue du coefficient est supérieure à 0,3 mais inférieure à 0,5. Forte (Noir): la valeur absolue du coefficient est supérieure à 0,5 mais inférieure à 0,8. High (Red): la valeur absolue du coefficient de corrélation est égale ou supérieure à 0,8. Les coefficients de corrélation sont calculés à partir des cours de clôture quotidiens observés au cours des 40 derniers jours de bourse (à plus court terme) et des 120 derniers jours de bourse (à plus long terme). Ces deux périodes ont été choisies parmi deux cent périodes de corrélation possibles en fonction de la correspondance entre leurs coefficients de corrélation et les fluctuations quotidiennes des prix. Comme vous pouvez le voir à partir du simulateur de corrélation (Remarque: Cette calculatrice nécessite que Flash soit installé et que JavaScript soit activé dans votre navigateur), la corrélation réelle divergera généralement plus forte de la valeur cible lorsqu'elle sera calculée pour des périodes plus courtes. Il est donc important de vérifier les corrélations à court terme par rapport aux corrélations à plus long terme, ce qui est fait dans le tableau REL ci-dessous. Le tableau REL (de quotreliabilityquot) compare les corrélations à court terme et à long terme et montre la moyenne des deux coefficients quand ils restent proches pour les deux périodes. On pense que si les coefficients de corrélation à court terme et à long terme concordent, la corrélation est plus fiable - plus susceptible de persister dans un proche avenir. Vous pouvez vérifier comment les corrélations quotidiennes à court terme et à long terme changent au fil du temps pour les paires de devises les plus échangées à la page de corrélation à la fin (Remarque: la taille de cette page est de 1,3 Mbs et elle exige que vous ayez Flash installé et Javascript activé dans votre navigateur). La corrélation peut également être définie comme le degré de similarité (similitude directe lorsque la corrélation est positive, la similarité inverse lorsque la corrélation est négative) que l'on peut s'attendre à exister entre les schémas graphiques techniques (par exemple les tendances, les modèles de prix, les chandeliers et les vagues Elliott) Paires graphiques. Par exemple, vous pouvez vous attendre à voir l'image miroir presque exacte de la ligne de tendance figurant sur le graphique EURUSD quotidien lorsque vous regardez le même graphique échelle de temps de USDCHF (parce que la corrélation négative de ces paires est si élevé). Les coefficients de corrélation quotidiens montrés ici mesurent donc la correspondance entre les diagrammes intermédiaires (derniers 120 jours) et mineurs (derniers 40 jours) visibles sur les graphiques quotidiens des paires de devises pour lesquelles ils sont calculés. Cette information sera plus utile pour les commerçants de position (gardant les positions ouvertes d'un jour à quelques jours) qui s'appuient principalement sur les études quotidiennes de diagramme. Si vous souhaitez calculer des corrélations pour d'autres périodes, vous pouvez le faire dans Excel, comme décrit au bas de cette page. Tableau des corrélations monétaires Note. Il est préférable de diversifier dans ces paires de devises dont la corrélation est colorée en blanc ou gris (avec plus de prudence) sur la table REL. Vous pouvez encore affiner la liste des candidats pour la diversification en excluant les couples qui ont passé le moins de temps à être faiblement corrélés au cours des 100 derniers jours de bourse - comme le montre la page de corrélations à la fin (somme des pourcentages de temps que les 40- Jour et les corrélations de 120 jours sont restées faibles. Remarque: la taille de cette page est de 1,3 Mbs et il nécessite que vous avez installé Flash et Javascript activé dans votre navigateur). Si la corrélation est colorée en rouge pour deux paires sur la table REL, vous pouvez utiliser cette option pour sélectionner pour la négociation que la paire qui offre l'entrée avec le plus haut rapport de récompense à risque entre les deux. Vous pouvez également utiliser ces informations pour clarifier l'image technique (p. Ex., Le nombre d'ondes d'Elliott) de la paire de devises que vous échangez en regardant le graphique de la ou des autres paires de devises, avec lequel il est fortement corrélé. Didacticiel de corrélations Excel Vous pouvez calculer des corrélations individuelles pour deux paires de devises et pour toute période en procédant comme suit: Sélectionnez les paires de devises que vous souhaitez analyser. Exportez les données de prix pour chacune de ces paires à partir de vos graphiques forex (par exemple Intellicharts) vers un fichier sur votre ordinateur (le format habituel pour l'exportation de données est CSV). Importez chaque fichier dans Excel en allant à Données DatagtImport External DatagtImport et en pointant vers elle. Vous devrez peut-être importer les nombres sous forme de texte, puis remplacer les points par des virgules pour que Excel puisse fonctionner avec les prix en tant que nombres. Assurez-vous que les dates de la série chronologique importée concordent pour chaque ligne (vous pouvez ignorer cette étape si vous travaillez avec un seul flux de prix). Supprimez les colonnes pour Open, High et Low. Changer les noms des colonnes avec les prix de clôture aux noms des paires de devises auxquelles ils appartiennent. Utilisez la fonction CORREL pour calculer la corrélation. Cette fonction fonctionne sur deux tableaux, qui seront des gammes de même longueur de prix de clôture pour les deux paires. Il suffit de taper dans l'une des cellules vides quotcorrel (quot puis appuyez sur le bouton quotfxquot à côté de la barre de formule et sélectionnez les deux gammes. La formule résultante ressemblera à ce - CORREL (A1: A40B1: B40) et calculera la valeur de la Coefficient de corrélation entre les paires pour la période de temps choisie. Pour cet exemple, il sera de 40 heures, jours ou semaines selon l'échelle de temps des cartes analysées. Pour calculer la matrice de corrélation de n'importe quel nombre de paires répéter les étapes ci-dessus 1 à 3 pour chaque paire Recadrez la table entière de sorte que les noms des paires de devises soient dans la première rangée et que les prix de clôture ne soient que pour la période que vous souhaitez analyser. Lorsque vous utilisez la fonction CORREL, allez à ToolsgtData Analysis. Sélectionnez quotCorrelation dans la liste des outils d'analyse, puis appuyez sur le bouton situé à côté de la quotInput Rangequot, puis mettez en surbrillance le contenu de toutes les colonnes, puis cochez la case à côté de quotLabels dans First Row. table. Appuyez sur quotOKquot. Remarque . Vous devrez peut-être installer le pack d'analyse de données à partir de votre CD d'installation Office s'il n'est pas chargé par défaut. Pour l'installer, allez dans ToolsgtAdd-Ins. Puis sélectionnez Analysis ToolPak et cliquez sur OK pour commencer à créer votre corrélation de devis matrix. Calculating Covariance For Stocks De nombreux éléments de mathématiques et de statistiques sont utilisés dans l'évaluation des stocks. Les calculs de covariance peuvent donner un aperçu des investisseurs sur la façon dont deux actions pourraient se déplacer ensemble dans l'avenir. En regardant les prix historiques, nous pouvons déterminer si les prix ont tendance à se déplacer les uns avec les autres ou en face de l'autre. Cela vous permet de prédire le mouvement potentiel des prix d'un portefeuille de deux actions. Vous pourriez même être en mesure de sélectionner les stocks qui se complètent mutuellement, ce qui peut réduire le risque global et augmenter le rendement potentiel global. Dans les cours de finance d'introduction, on nous apprend à calculer l'écart-type des portefeuilles comme une mesure du risque, mais une partie de ce calcul est la covariance de ces deux ou plus. Donc, avant d'aller dans les sélections de portefeuille. La compréhension de la covariance est très importante. Qu'est-ce que Covariance Covariance mesure comment deux variables se déplacent ensemble. Il mesure si les deux se déplacent dans la même direction (une covariance positive) ou dans des directions opposées (une covariance négative). Dans cet article, les variables seront généralement des cours des actions, mais ils peuvent être n'importe quoi. Dans le marché boursier. On met fortement l'accent sur la réduction du montant du risque pris pour la même quantité de rendement. Lors de la construction d'un portefeuille, un analyste sélectionnera les actions qui fonctionneront bien ensemble. Cela signifie généralement que ces stocks ne se déplacent pas dans la même direction. Calcul de la covariance Le calcul d'une covariance des stocks commence par la recherche d'une liste de prix antérieurs. Ceci est étiqueté comme les prix historiques sur la plupart des pages de la citation. En règle générale, le prix de clôture pour chaque jour est utilisé pour trouver le retour d'un jour à l'autre. Faites ceci pour les deux stocks, et construisez une liste pour commencer les calculs. Tableau 1: Rendements quotidiens pour deux actions en utilisant les cours de clôture À partir de là, nous devons calculer le rendement moyen pour chaque action: pour ABC, il serait (1,1 1,7 2,1 1,4 0,2) 5 1,30 Pour XYZ, il serait (3 4,2 4,9 4,1 2.5) 5 3.74 Maintenant, il s'agit de prendre les différences entre le rendement d'ABC et le rendement moyen d'ABC. Et en la multipliant par la différence entre le retour XYZ et le rendement moyen XYZs. La dernière étape consiste à diviser le résultat par la taille de l'échantillon et en soustraire un. Si c'était la population entière. Vous pourriez simplement diviser par la taille de la population. La covariance est calculée comme suit: (1,1 - 1,30) x (3 - 3,74) (1,7 - 1,30) x (4,2 - 3,74) (2,1 à 1,30) ) X (4,9 - 3,74) 0,148 0,184 0,928 0,036 1,364 2,66 (5 - 1) 0,665 Dans cette situation, nous utilisons un échantillon, de sorte que nous divisons par la taille de l'échantillon (cinq) moins un. Vous pouvez voir que la covariance entre les deux rendements boursiers est de 0,665. Parce que ce nombre est positif, cela signifie que les actions se déplacent dans la même direction. Lorsque ABC a eu un rendement élevé, XYZ a également eu un rendement élevé. Utilisation de Microsoft Excel Dans Excel, vous pouvez facilement trouver la covariance en utilisant l'une des fonctions suivantes: COVARIANCE. S () pour un échantillon ou COVARIANCE. P () pour une population Vous devrez configurer les deux listes de retours dans les colonnes verticales , Comme dans le tableau 1. Ensuite, lorsque vous y êtes invité, sélectionnez chaque colonne. Dans Excel. Chaque liste est appelée un tableau, et deux tableaux doivent être nside les parenthèses, séparés par une virgule. Signification Dans l'exemple il ya une covariance positive, donc les deux stocks ont tendance à se déplacer ensemble. Quand on a un rendement élevé, l'autre tend à avoir un rendement élevé ainsi. Si le résultat était négatif, alors les deux actions auraient tendance à avoir des rendements opposés quand on avait un rendement positif, l'autre aurait un rendement négatif. Utilisations de la covariance Trouver que deux stocks ont une covariance élevée ou faible pourrait ne pas être une mesure utile sur ses propres. Covariance peut dire comment les stocks se déplacent ensemble, mais pour déterminer la force de la relation, nous devons examiner la corrélation. La corrélation doit donc être utilisée conjointement avec la covariance et est représentée par cette équation: où cov (X, Y) covariance entre X et YX écart type de XY écart-type de Y L'équation ci-dessus révèle que la corrélation entre deux variables est Simplement la covariance entre les deux variables divisée par le produit de l'écart-type des variables X et Y. Bien que les deux mesures révèlent si deux variables sont positivement ou inversement liées, la corrélation fournit des informations supplémentaires en vous indiquant le degré auquel les deux variables se déplacent ensemble . La corrélation aura toujours une valeur de mesure entre -1 et 1, et ajoute une valeur de force sur la façon dont les stocks se déplacent ensemble. Si la corrélation est 1, ils se déplacent parfaitement ensemble, et si la corrélation est -1, les stocks se déplacent parfaitement dans des directions opposées. Si la corrélation est 0, les deux stocks se déplacent dans des directions aléatoires l'un de l'autre. En bref, la covariance vient de vous dire que deux variables changent de la même façon, tandis que la corrélation révèle comment un changement dans une variable entraîne un changement dans l'autre. La covariance peut également être utilisée pour trouver l'écart-type d'un portefeuille multi-actions. L'écart-type est le calcul accepté pour le risque, ce qui est extrêmement important lors de la sélection des stocks. En règle générale, vous souhaitez sélectionner les stocks qui se déplacent dans des directions opposées. Si les titres choisis se déplacent dans des directions opposées, alors le risque pourrait être inférieur en raison du même montant ou du rendement potentiel. Le Covariance Bottom Line est un calcul statistique commun qui peut montrer comment deux actions ont tendance à se déplacer ensemble. Nous ne pouvons utiliser que les rendements historiques. Donc il n'y aura jamais une certitude complète sur l'avenir. En outre, la covariance ne doit pas être utilisée seule. Au lieu de cela, il peut être utilisé dans d'autres calculs plus importants, tels que la corrélation ou l'écart type.
No comments:
Post a Comment