I dischi volanti non sono correlati ai mercati in volo
Due serie con trend possono mostrare una forte correlazione anche se sono del tutto indipendenti. Questo fenomeno si chiama "correlazione spuriosa". Per questo, quando valuti la correlazione tra, per esempio, due azioni, dovresti considerare la correlazione dei loro rendimenti e non dei loro livelli.
Per illustrare il punto, calcola la correlazione tra i livelli del mercato azionario e gli avvistamenti annuali di UFO. Entrambe queste serie temporali hanno mostrato un trend crescente negli ultimi decenni e la correlazione dei loro livelli è molto alta. Poi calcola la correlazione delle loro variazioni percentuali. Questa sarà prossima a zero, perché non c'è alcuna relazione tra le due serie.
Il DataFrame levels contiene i livelli di DJI e UFO. I dati sugli UFO sono stati scaricati da www.nuforc.org.
Questo esercizio fa parte del corso
Analisi delle serie temporali in Python
Istruzioni dell'esercizio
- Calcola la correlazione delle colonne
DJIeUFO. - Crea un nuovo DataFrame delle variazioni usando il metodo
.pct_change(). - Ricalcola la correlazione delle colonne
DJIeUFOsulle variazioni.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# Compute correlation of levels
correlation1 = ___
print("Correlation of levels: ", correlation1)
# Compute correlation of percent changes
changes = ___
correlation2 = ___
print("Correlation of changes: ", correlation2)