Les soucoupes volantes ne font pas grimper les marchés
Deux séries avec une tendance peuvent afficher une forte corrélation même si elles n'ont aucun lien entre elles. On parle alors de « corrélation fallacieuse ». C'est pourquoi, lorsque vous examinez la corrélation entre, disons, deux actions, vous devriez regarder la corrélation de leurs rendements et non de leurs niveaux.
Pour illustrer cela, calculez la corrélation entre les niveaux du marché boursier et le nombre annuel d'observations d'OVNI. Ces deux séries ont suivi une tendance à la hausse au cours des dernières décennies, et la corrélation de leurs niveaux est très élevée. Calculez ensuite la corrélation de leurs variations en pourcentage. Elle sera proche de zéro, puisqu'il n'y a aucune relation entre ces deux séries.
Le DataFrame levels contient les niveaux de DJI et UFO. Les données sur les OVNI proviennent de www.nuforc.org.
Cette activité fait partie du cours
Analyse des séries chronologiques en Python
Instructions de l’exercice
- Calculez la corrélation des colonnes
DJIetUFO. - Créez un nouveau DataFrame des variations à l'aide de la méthode
.pct_change(). - Recalculez la corrélation des colonnes
DJIetUFOsur les variations.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Compute correlation of levels
correlation1 = ___
print("Correlation of levels: ", correlation1)
# Compute correlation of percent changes
changes = ___
correlation2 = ___
print("Correlation of changes: ", correlation2)