Los platillos volantes no están relacionados con los mercados volantes
Dos series tendenciales pueden mostrar una fuerte correlación aunque no estén relacionadas en absoluto. Esto se denomina "correlación espuria". Por eso, cuando analices la correlación de, digamos, dos acciones, debes fijarte en la correlación de sus rendimientos y no de sus niveles.
Para ilustrar este punto, calcula la correlación entre los niveles de la bolsa y los avistamientos anuales de ovnis. Ambas series temporales han tendido al alza en las últimas décadas, y la correlación de sus niveles es muy alta. A continuación, calcula la correlación de sus cambios porcentuales. Será próximo a cero, ya que no hay relación entre esas dos series.
El DataFrame levels contiene los niveles de DJI y UFO. Los datos de los ovnis se descargaron de www.nuforc.org.
Este ejercicio forma parte del curso
Análisis de Series Temporales en Python
Instrucciones de ejercicio
- Calcula la correlación de las columnas
DJIyUFO. - Crea un nuevo DataFrame de cambios utilizando el método
.pct_change(). - Vuelve a calcular la correlación de las columnas
DJIyUFOsobre los cambios.
Ejercicio interactivo práctico
Pruebe este ejercicio completando este código de muestra.
# Compute correlation of levels
correlation1 = ___
print("Correlation of levels: ", correlation1)
# Compute correlation of percent changes
changes = ___
correlation2 = ___
print("Correlation of changes: ", correlation2)