จานบินไม่มีความสัมพันธ์กับตลาดหุ้นที่บินสูง
อนุกรมเวลาสองชุดที่มีแนวโน้มเดียวกันอาจแสดงสหสัมพันธ์สูงได้ แม้ว่าจะไม่มีความเกี่ยวข้องกันเลยก็ตาม เรียกปรากฏการณ์นี้ว่า "spurious correlation" หรือสหสัมพันธ์ลวง นั่นจึงเป็นเหตุผลว่าทำไมเมื่อดูสหสัมพันธ์ระหว่างหุ้นสองตัว ควรดูที่สหสัมพันธ์ของ ผลตอบแทน ไม่ใช่ ระดับราคา
เพื่อแสดงให้เห็นประเด็นนี้ ให้คำนวณสหสัมพันธ์ระหว่างระดับราคาของตลาดหุ้นกับจำนวนการพบเห็น UFO รายปี อนุกรมเวลาทั้งสองมีแนวโน้มเพิ่มขึ้นในช่วงหลายทศวรรษที่ผ่านมา ทำให้สหสัมพันธ์ของระดับราคามีค่าสูงมาก จากนั้นให้คำนวณสหสัมพันธ์ของอัตราการเปลี่ยนแปลงเป็นเปอร์เซ็นต์ ซึ่งจะมีค่าใกล้เคียงศูนย์ เนื่องจากทั้งสองอนุกรมไม่มีความสัมพันธ์กันจริง
DataFrame levels มีข้อมูลระดับของ DJI และ UFO โดยข้อมูล UFO ดาวน์โหลดมาจาก www.nuforc.org
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์อนุกรมเวลาด้วย Python
คำแนะนำการฝึกหัด
- คำนวณสหสัมพันธ์ระหว่างคอลัมน์
DJIและUFO - สร้าง DataFrame ใหม่ชื่อ changes โดยใช้เมธอด
.pct_change() - คำนวณสหสัมพันธ์ระหว่างคอลัมน์
DJIและUFOบน changes อีกครั้ง
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Compute correlation of levels
correlation1 = ___
print("Correlation of levels: ", correlation1)
# Compute correlation of percent changes
changes = ___
correlation2 = ___
print("Correlation of changes: ", correlation2)