计算样本协方差与相关系数
样本协方差用于度量成对变量之间线性关系的强弱。cov() 函数既可用于计算两变量之间的协方差，也可在输入包含多个变量的矩阵时计算协方差矩阵。对于后一种情况，矩阵是对称的，非对角线元素为变量之间的协方差，对角线元素为各变量的方差。右侧展示了 logreturns 数据的散点图矩阵。
协方差在金融中非常重要，但它不具备尺度不变性，直接解读也不够直观。相关系数是协方差的标准化形式，数值范围为 -1 到 1，绝对值接近 1 表示变量对之间存在很强的线性关系。cor() 函数既可用于成对变量，也可用于包含多个变量的矩阵，输出的含义与协方差矩阵类似。
在本练习中，您将使用 cov() 和 cor() 来探索 logreturns 数据。
本练习是课程的一部分
R 中的时间序列分析
练习说明
- 使用
cov()计算DAX_logreturns与FTSE_logreturns之间的样本协方差。 - 再次调用
cov()，计算logreturns的样本协方差矩阵。 - 使用
cor()计算DAX_logreturns与FTSE_logreturns之间的样本相关系数。 - 再次调用
cor()，计算logreturns的样本相关系数矩阵。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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