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