Los platillos volantes no están correlacionados con los mercados al alza
Dos series con tendencia pueden mostrar una fuerte correlación aunque no tengan ninguna relación entre sí. A esto se le llama «correlación espuria». Por eso, cuando analices la correlación de, por ejemplo, dos acciones, deberías fijarte en la correlación de sus rendimientos y no en sus niveles.
Para ilustrarlo, calcula la correlación entre los niveles del mercado bursátil y los avistamientos anuales de ovnis. Ambas series han mostrado una tendencia alcista en las últimas décadas y la correlación de sus niveles es muy alta. Luego calcula la correlación de sus variaciones porcentuales. Esta será cercana a cero, ya que no hay relación entre esas dos series.
El DataFrame levels contiene los niveles de DJI y UFO. Los datos de UFO se descargaron de www.nuforc.org.
Este ejercicio forma parte del curso
Análisis de series temporales en Python
Instrucciones del ejercicio
- Calcula la correlación de las columnas
DJIyUFO. - Crea un nuevo DataFrame de cambios usando el método
.pct_change(). - Vuelve a calcular la correlación de las columnas
DJIyUFOsobre los cambios.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
# Compute correlation of levels
correlation1 = ___
print("Correlation of levels: ", correlation1)
# Compute correlation of percent changes
changes = ___
correlation2 = ___
print("Correlation of changes: ", correlation2)