Calcul des covariances et corrélations d’échantillon

Les covariances d’échantillon mesurent l’intensité de la relation linéaire entre des paires appariées de variables. La fonction cov() permet de calculer la covariance pour une paire de variables, ou une matrice de covariance lorsqu’une matrice contenant plusieurs variables est fournie en entrée. Dans ce dernier cas, la matrice est symétrique, avec les covariances entre variables en dehors de la diagonale et les variances des variables sur la diagonale. À droite, vous voyez la matrice de nuages de points de vos données logreturns.

Les covariances sont très utilisées en finance, mais elles ne sont pas indépendantes de l’échelle et peuvent être difficiles à interpréter directement. La corrélation est la version normalisée de la covariance ; elle varie de -1 à 1, et des valeurs proches de 1 en valeur absolue indiquent une forte relation linéaire entre deux variables. La fonction cor() peut s’appliquer à des paires de variables comme à une matrice contenant plusieurs variables, et le résultat s’interprète de manière analogue.

Dans cet exercice, vous allez utiliser cov() et cor() pour explorer vos données logreturns.