Calculando covariâncias e correlações amostrais
Covariâncias amostrais medem a força do relacionamento linear entre pares correspondentes de variáveis. A função cov() pode ser usada para calcular a covariância de um par de variáveis ou uma matriz de covariância quando uma matriz com várias variáveis é fornecida como entrada. Neste último caso, a matriz é simétrica, com covariâncias entre variáveis fora da diagonal e variâncias das variáveis na diagonal. À direita, você vê a matriz de dispersão dos seus dados logreturns.
Covariâncias são muito importantes em finanças, mas não são livres de escala e podem ser difíceis de interpretar diretamente. Correlação é a versão padronizada da covariância e varia de -1 a 1; valores com magnitude próxima de 1 indicam um relacionamento linear forte entre pares de variáveis. A função cor() pode ser aplicada tanto a pares de variáveis quanto a uma matriz com várias variáveis, e a interpretação da saída é análoga.
Neste exercício, você vai usar cov() e cor() para explorar seus dados logreturns.
Este exercício faz parte do curso
Análise de Séries Temporais em R
Instruções do exercício
- Use
cov()para calcular a covariância amostral entreDAX_logreturnseFTSE_logreturns. - Use outra chamada de
cov()para calcular a matriz de covariância amostral delogreturns. - Use
cor()para calcular a correlação amostral entreDAX_logreturnseFTSE_logreturns. - Use outra chamada de
cor()para calcular a matriz de correlação amostral delogreturns.
Exercício interativo prático
Experimente este exercício completando este código de exemplo.
# Use cov() with DAX_logreturns and FTSE_logreturns
cov(___, ___)
# Use cov() with logreturns
# Use cor() with DAX_logreturns and FTSE_logreturns
cor(___, ___)
# Use cor() with logreturns