Latające talerze nie korelują z rosnącymi rynkami

Dwie serie wykazujące trend wzrostowy mogą mieć wysoką korelację, nawet jeśli nie mają ze sobą nic wspólnego. Nazywamy to „korelacją pozorną". Dlatego analizując np. korelację między dwiema akcjami, warto patrzeć na korelację ich zwrotów, a nie poziomów.

Aby zilustrować ten punkt, oblicz korelację między poziomami indeksu giełdowego a roczną liczbą obserwacji UFO. Obie te serie miały trend wzrostowy przez ostatnie kilka dekad, więc korelacja ich poziomów jest bardzo wysoka. Następnie oblicz korelację ich procentowych zmian – będzie ona bliska zeru, ponieważ między tymi seriami nie ma żadnego związku.

DataFrame levels zawiera poziomy DJI i UFO. Dane o UFO pobrano ze strony www.nuforc.org.

To ćwiczenie jest częścią kursu

Analiza szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Oblicz korelację kolumn DJI i UFO.
Utwórz nowy DataFrame ze zmianami, korzystając z metody .pct_change().
Oblicz ponownie korelację kolumn DJI i UFO na podstawie zmian.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Compute correlation of levels
correlation1 = ___
print("Correlation of levels: ", correlation1)

# Compute correlation of percent changes
changes = ___
correlation2 = ___
print("Correlation of changes: ", correlation2)

Edytuj i uruchom kod