เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การคำนวณค่าความแปรปรวนร่วมและสหสัมพันธ์จากตัวอย่าง

ค่าความแปรปรวนร่วม (sample covariance) ใช้วัดความแข็งแกร่งของความสัมพันธ์เชิงเส้นระหว่างคู่ตัวแปร ฟังก์ชัน cov() ใช้คำนวณค่าความแปรปรวนร่วมระหว่างตัวแปรสองตัว หรือคำนวณเป็นเมทริกซ์ความแปรปรวนร่วมเมื่อรับเมทริกซ์ที่มีหลายตัวแปรเป็น input เมทริกซ์ที่ได้จะเป็นเมทริกซ์สมมาตร โดยค่าความแปรปรวนร่วมระหว่างตัวแปรจะอยู่นอกแนวทแยง และค่าความแปรปรวนของแต่ละตัวแปรจะอยู่บนแนวทแยง ด้านขวาเป็น scatterplot matrix ของข้อมูล logreturns

ค่าความแปรปรวนร่วมมีความสำคัญมากในด้านการเงิน แต่ไม่ได้เป็นค่าที่ปลอดจากหน่วยวัด และตีความได้ยากโดยตรง ค่าสหสัมพันธ์ (correlation) คือค่าความแปรปรวนร่วมที่ผ่านการ standardize แล้ว มีช่วงค่าตั้งแต่ -1 ถึง 1 โดยค่าที่มีขนาดใกล้ 1 บ่งชี้ว่าคู่ตัวแปรมีความสัมพันธ์เชิงเส้นที่แข็งแกร่ง ฟังก์ชัน cor() ใช้ได้ทั้งกับตัวแปรคู่เดียวและเมทริกซ์ที่มีหลายตัวแปร โดยการตีความผลลัพธ์ใช้หลักการเดียวกัน

ในแบบฝึกหัดนี้ จะใช้ cov() และ cor() เพื่อสำรวจข้อมูล logreturns

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์อนุกรมเวลาใน R

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ cov() คำนวณค่าความแปรปรวนร่วมจากตัวอย่างระหว่าง DAX_logreturns และ FTSE_logreturns
  • ใช้ cov() อีกครั้งเพื่อคำนวณเมทริกซ์ความแปรปรวนร่วมจากตัวอย่างสำหรับ logreturns
  • ใช้ cor() คำนวณค่าสหสัมพันธ์จากตัวอย่างระหว่าง DAX_logreturns และ FTSE_logreturns
  • ใช้ cor() อีกครั้งเพื่อคำนวณเมทริกซ์สหสัมพันธ์จากตัวอย่างสำหรับ logreturns

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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
แก้ไขและรันโค้ด