計算樣本共變異與相關係數
樣本共變異用來衡量成對變數之間線性關係的強度。cov() 函式可用來計算兩個變數之間的共變異，或在輸入包含多個變數的矩陣時，計算共變異矩陣。對於後者，矩陣是對稱的，對角線以外是變數兩兩之間的共變異，對角線上則是各變數的變異數。右側你可以看到 logreturns 資料的散佈圖矩陣。
共變異在財務領域非常重要，但它不具尺度不變性，而且不易直接解讀。相關係數是共變異的標準化版本，數值範圍介於 -1 到 1，絕對值接近 1 表示變數對之間具有強烈的線性關係。cor() 函式既可用於成對變數，也可用於包含多個變數的矩陣，輸出結果的解讀方式與前述類似。
在這個練習中，你將使用 cov() 與 cor() 來探索你的 logreturns 資料。
本練習屬於課程
R 的時間序列分析
練習說明
- 使用
cov()計算DAX_logreturns與FTSE_logreturns之間的樣本共變異。 - 再呼叫一次
cov()，計算logreturns的樣本共變異矩陣。 - 使用
cor()計算DAX_logreturns與FTSE_logreturns之間的樣本相關係數。 - 再呼叫一次
cor()，計算logreturns的樣本相關係數矩陣。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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