Корреляцийн коэффициент ашиглан хувьцаа арилжаалах. Форекс болон хөрөнгийн бирж дэх хөрөнгө оруулалтын хамаарал. Дэлхийн томоохон индексүүд
Хувьцааны үнийн төлөв байдал нь олон үзүүлэлтээс хамаардаг. Энгийн байдлаасаа шалтгаалан дүн шинжилгээ хийхэд хамгийн сонирхолтой нь үнэ эсвэл индексийн тогтвортой байдал юм. Зан үйлийн ийм тууштай байдлыг үгүйсгэх аргагүй бөгөөд олон жишээгээр илэрдэг. Тиймээс Оросын олон компанийн хувьцааны үнэ бусад хувьцааны зан төлөвийг "анхаарах" замаар өөрчлөгддөг. Жишээлбэл, динамикийн хувьд мэдэгдэхүйц ялгаа байгаа хэдий ч Оросын хөрөнгийн зах зээлийн хамгийн хөрвөх чадвартай үнэт цаас болох Газпром ба Сбербанкны хувьцааны тогтвортой байдлын элементүүдийг ялгахад хялбар байдаг. Хөрөнгийн зах зээл рүү чиглэсэн санхүүгийн урсгалын динамик дахь хувьцааны оролцоог харгалзан ийм зан үйлийн тууштай байдал нь сонин биш юм. Хэдийгээр нэг компанийн санхүүгийн байдалд дүн шинжилгээ хийх үүднээс эдийн засгийн янз бүрийн салбарын компаниудын хувьцааны үнийн динамик нь бие даасан байх ёстой юм шиг санагдаж магадгүй юм. Цагаан будаа. 2, 3 Удаан хугацааны туршид хувьцааны үнэ, индексийн тогтвортой байдал хамгийн тод илэрдэг. Корреляцийн коэффициентийг ашиглан янз бүрийн муруйнуудын хоорондын уялдаа холбоог үнэлж болно. Жилийн интервалаар тодорхойлогддог Сбербанкны хувьцааны үнэ ба MICEX индексийн хоорондын хамаарлын коэффициент нь цаг хугацааны явцад өөрчлөгдөж, ихэвчлэн нэгдмэл байдалд ойртдог бөгөөд энэ үед хоёр муруйн зан төлөв бүрэн нийцтэй байдалд ойртдог. Сбербанкны хувьцааны үнэ болон MICEX индексийн хувьд ийм холболтын тайлбарыг хялбархан олох боломжтой. Бусад тохиолдолд эмпирик байдлаар тодорхойлсон корреляцийн коэффициентүүд нь бие даасан хувьсагчийн хосын хувьд авч болох утгуудаас системтэйгээр давж гарсан ч хамаарал нь тийм ч тодорхой биш юм. Корреляцийн коэффициентийг ашиглан та регрессийн хамаарлыг бий болгож, бусад холбогдох хэмжигдэхүүнүүдийн үнэ цэнэ, өөрчлөлт дээр үндэслэн хөрөнгийн динамикийг үнэлэхийг оролдож болно. Гэсэн хэдий ч ийм үнэлгээ хийхэд хэд хэдэн ноцтой хүндрэлүүд байдаг бөгөөд энэ нь заримдаа энэ төрлийн холболтын ашиггүй байдлын талаар хуурамч дүгнэлт хийхэд хүргэдэг. Гэсэн хэдий ч корреляцийн коэффициентийг ашиглах нь хувьцааны үнэ болон индексийн динамикийг шинжлэхэд ашигтай байж болно. Түүнээс гадна эдгээр магадлал нь арилжааны системийн чухал элемент байж болох ч тэдгээрийг ашиглахдаа хамгийн чухал хязгаарлалтуудыг санах нь чухал юм.
1. Корреляцийн коэффициент нь олон параметрийн зөвхөн нэг шинж чанар бөгөөд түүний утгыг хэт үнэлэх шаардлагагүй.
Биржийн терминалуудаас ирж буй үнийн мэдээллийн урсгал нь үнийн төлөв байдалд эмх замбараагүй санамсаргүй бүрэлдэхүүн хэсэг байгаа бөгөөд бусад хөрөнгийн үнэд тодорхой хэмжээгээр нийцэж байгааг харуулж байна. Математик статистик нь цаг хугацааны цувааны зан үйлийн уялдаа холбоотой элементүүдийг тодорхойлох боломжийг бидэнд олгодог. Үүнийг хийхийн тулд Фурьегийн шинжилгээ эсвэл бусад үзүүлэлтүүдийг тооцоолж болно. Хамгийн тохиромжтой бөгөөд энгийн нь регрессийн (корреляцийн) коэффициент K. Энэ нь ихэвчлэн хоёр хугацааны цуваа хоорондын холболтын зэрэгт дүн шинжилгээ хийхэд ашиглагддаг. Энэ коэффициентийг Xi ба Yi хувьсагчийн дурын хоёр багц (санамсаргүйг оруулаад) тодорхойлж болно, энд i нь 1-ээс n хооронд хэлбэлздэг. n урттай дээжийг ашиглан та дараах томъёогоор тодорхойлогддог эмпирик корреляцийн коэффициентийг тодорхойлж болно.
K=, энд Mx ба Mu нь санамсаргүй хэмжигдэхүүнүүдийн (X) ба (Y) математикийн хүлээлтийн тооцоо бөгөөд тэдгээрийн стандарт хазайлтын утгууд юм. K нь (-1, 1) дотор хэлбэлздэг.
Корреляцийн коэффициент нь X(ti) ба Y(ti) хоёр хэмжигдэхүүний багцын хувьд нэгдэлтэй тэнцүү болж, тэдгээрийн утга нь цаг хугацааны явцад өөрчлөгддөг, тухайлбал 4-р зурагт A ба B гэж тэмдэглэгдсэн синусоидууд. Зураг 5-ын цуврал, эдгээр хамаарлын багц X(ti) ба Y(ti)-ийг координатаар (X ба Y) үзүүлэв. Антифазын хэлбэлзлийн хувьд (A ба D муруй) корреляцийн коэффициент нь -1 байна. Аль нэг процессын фаз шилжих үед корреляцийн коэффициент буурч sin(t) ба cos(t) (A ба C муруй) ортогональ хэлбэлзлийн хувьд тэг рүү ойртоно. Үүний нэгэн адил бид хоёр дахин ялгаатай (A ба F муруй) sin(t) sin(2t) хэлбэлзлийн үетэй хэлбэлзлийн хувьд тэг хамаарлыг олох болно. Корреляцийн коэффициент нь хоёр өөр процессын хэлбэлзлийн "шуугиан" -аас болж буурдаг. Тиймээс санамсаргүй чимээ шуугиантай синхрон хэлбэлзэлтэй G ба H муруйнуудын хувьд тооцоолсон корреляцийн коэффициент нь нэгдмэл байдлаас бага болж хувирдаг. Ихэнхдээ янз бүрийн хөрөнгийн үнэд яг ийм чимээ шуугиантай зан үйл ажиглагддаг. Цэвэр санамсаргүй тооны Yi тоонуудын ямар нэгэн хамаарал бүхий X(ti) хамаарал нь түүврийн хэмжээ өсөх тусам тэг болох хандлагатай байх ба X(ti) ба Yi тоонуудын “график” нь хамаарлын талаар огтхон ч мэдээлэл өгөхгүй. , Сүүлчийн графикт үзүүлсэн шиг Си ба И хосуудын "хамаарал"-ын хувьд Си-г дээд синусоид муруйгаас авсан ба Y-ийг I муруйгаас уншсан бөгөөд энэ нь жигд тархсан санамсаргүй тоонуудын багц юм.
2. Корреляцийг тодорхойлох боломжит нарийвчлалын талаар санах хэрэгтэй
Зах зээлийн хамаарлын хувьд тэдний зан төлөвийн байнга ажиглагддаг уялдаа холбоог бий болгодог тодорхойлогч бүрэлдэхүүн хэсгүүдээс гадна "санамсаргүй тоо" гэж тайлбарлаж болох өөр нэр томъёо байдаг. Санамсаргүй нөхцөлүүд нь тодорхойлсон корреляцийн коэффициент K-д хувь нэмэр оруулдаг. Иймд (0-1) интервалд жигд тархсан санамсаргүй хэмжигдэхүүний Xi ба Yi хоёр багцын хоорондох N хэмжээтэй хязгаарлагдмал түүврийн хувьд K-ийг тооцохдоо үр дүн нь мөн адил бус байх болно. - тэг утга. Kj(250) утга (250 хос түүврийн хэмжээ) нь түүврийн өөрийн j тооноос хамаарна. Корреляцийн коэффициент K нь санамсаргүй хэмжигдэхүүн байх бөгөөд түүний хэрэгжилт нь их тооны хуулийн дагуу Kj нь ердийн хуулийн дагуу тархсан болно. Үзүүлсэн зурагт бид 250 хос санамсаргүй хэмжигдэхүүний түүврийн хооронд корреляцийн коэффициент Kj(250) хэрхэн өөрчлөгдсөнийг харж байна (j=1,2,3...1000). Стандарт хэлбэлзэл?? санамсаргүй хэмжигдэхүүн K(250) нь 0.062-той ойролцоо байгаа нь тохиолдлын 77%-д 250 хос санамсаргүй хэмжигдэхүүний Kj(250) корреляцийн коэффициентийн эмпирик утга ±2?? дотор байна гэсэн үг юм. (±0.124 мөрийг зурагт үзүүлэв). Тэгээд 3*-аас цаашгүй?? (±0.186) санамсаргүй хэмжигдэхүүн Kj(250) тохиолдлын 1.35%-д л гарч ирнэ. Тиймээс 250 хос тооны багцын хувьд K(250)-ийн утга, модуль 0.2-оос их байх нь санамсаргүй нөхцөл байдалтай холбоотой байж болохгүй бөгөөд K>0.2-тай хугацааны цувааны хувьд бид тэдгээрийн санамсаргүй байдлын санааг үгүйсгэх ёстой. өөрчлөгдөж, тэдгээрийн уялдаа холбоотой зан үйлийн боломжит шалтгааныг хайж олох боломжтой. Kj(N) хэвийн тархалтын хувьд утга ?? түүврийн хэмжээ N-ийн квадрат язгууртай урвуу пропорциональ байна.Тиймээс түүврийн хэмжээ 1000 хос санамсаргүй тоо ?? 250 хос санамсаргүй тооны түүвэртэй харьцуулахад хоёр дахин буурч, дөрөв дахин бага, 62 хос цэгийн хэмжээтэй түүврийн хэмжээ эсрэгээрээ хоёр дахин нэмэгдэх болно. Хэрэв бид хувьцааны үнэ нь өгөгдсөн тодорхойлогч бүрэлдэхүүн хэсэгтэй, санамсаргүй гишүүнтэй гэж үзвэл түүврийн хэмжээг нэмэгдүүлснээр бид санамсаргүй гишүүний улмаас үүссэн корреляцийн коэффициентийн нэмэгдлийг бууруулж чадна. Хугацааны цувааны хувьд санамсаргүй бүрэлдэхүүн хэсгүүдийн хувь нэмрийг багасгахын тулд ашигласан оноог авах хугацааг нэмэгдүүлэх шаардлагатай. Гэсэн хэдий ч урт хугацааны туршид муруйн тууштай байдлын шинж чанар өөрчлөгдөж болох тул судалгааны хугацааг хэт ихэсгэх боломжгүй юм. Корреляцийн коэффициентийг ашиглан зөвхөн тухайн үеийн дундаж корреляцийн утгыг тооцоолох нь тодорхой байна. Тиймээс жилийн интервалыг ихэвчлэн амралтын өдрүүд болон ажлын бус амралтын өдрүүдийг харгалзан өдөр бүр 250 орчим хаалтын үнийг өгдөг судалгааны цонх болгон ашигладаг. Жилийн интервалыг сонгохдоо санамсаргүй үнийн бүрэлдэхүүн хэсгүүд нь үүссэн корреляцийн коэффициент K(250)-д хувь нэмрээ оруулж чадна гэдгийг санах нь зүйтэй бөгөөд түүний утга нь 250 онооны түүвэрт ±0.1, заримд нь (ховор ч гэсэн) байж болно. ) тохиолдол бүр ±0.2 хүрнэ. Тиймээс бодит байдал дээр корреляцийн коэффициентийг жилийн интервалаар тооцоолохдоо аравтын бутархайн дараа зөвхөн нэг чухал цифрийг хадгалах нь утга учиртай бөгөөд бусад бүх зүйл статистикийн алдаатай холбоотой байж болно. Хэрэв корреляцийн коэффициент K(250) нь 10% -иас бага байвал анхны утгуудын хоорондын хамаарлын талаар бодохгүй байх нь дээр. (Санамсаргүй байдал давамгайлж байгаа санамсаргүй бус зүйлийг хайх нь утгагүй юм).
3. Индексийн хамаарал
Дээрх нарийвчлалын үнэлгээг харгалзан RTS индексийн хамгийн чухал хэмжигдэхүүнүүдийн корреляцийн коэффициентийг тооцоолох боломжтой. Доорх зурагт RTS индекс, Америкийн S&P 500 индекс, Японы Nikkei225, Францын CAC40-ын харьцангуй өөрчлөлтийг харуулав. Өнгөрсөн жил RTS индексийн заасан индексүүдтэй корреляцийн коэффициент сөрөг байсан нь харагдаж байна. (Дээрх индекс бүхий RTS-ийн K утгыг зураг дээрх муруйнуудын тайлбарт өгсөн болно). Индексүүдийн олон чиглэлтэй урт хугацааны хөдөлгөөний улмаас хамаарал сөрөг болж хувирдаг. Ийнхүү RTS индекс оны эхний хагаст буурсан бол эдгээр улсын индексүүд өсөлттэй байна. N225 индекс ялангуяа хүчтэй өссөн нь өндөр сөрөг K коэффициентийг өгсөн. Корреляцийн коэффициент (өгөгдсөн муруйгаас) зөвхөн Брент нефтийн үнэд эерэг байсан. Хэдийгээр газрын тос +0.6-тай K коэффициент нь манай эдийн засаг энэ түүхий эдийн үнээс хамааралтай байгааг харгалзан үзэхэд тийм ч өндөр биш юм.
Хос хамаарлын 1-р хүснэгтээс эдгээр хөрөнгийг хоёр бүлэгт хуваасныг бид харж байна. Нэг нь өндөр хөгжилтэй орнуудын индексүүдийг агуулдаг бөгөөд тэдгээр нь хоорондоо харьцангуй өндөр эерэг хос корреляцийн утгатай байдаг. Тиймээс S&P 500 индекс ба CAC 40 индексийн корреляцийн коэффициент маш өндөр бөгөөд +0.9 байна. БРИКС-ийн орнуудын индекстэй корреляцийн коэффициентүүд сөрөг болж байна.
БРИКС-ийн орнуудын индексүүд өөр бүлэгт багтдаг. Индексүүдийн харьцангуй өөрчлөлтийн хамтарсан график нь тэдгээрийн тогтвортой байдлыг тодорхой харуулж байна. RTS-ийн Хятад, Бразилийн индексүүдтэй корреляцийн коэффициент нь газрын тосны үнээс RTS индексийн хамаарлаас арай илүү байна. Энэ нь БРИКС-ийн орнуудын индексүүдийн үйл ажиллагааны уялдаа холбоо нэлээд өндөр байгааг харуулж байна. Хоёр зурагт үзүүлсэн муруйнууд болон эдгээр муруйнуудын RTS индекстэй корреляцийн коэффициентүүдээс харахад бид жилийн хугацаанд Орос, Бразил, Хятад улсын хөрөнгийн зах зээлд хөрөнгө оруулах шийдвэр гаргасан гол хөрөнгө оруулагчдын багц гэж таамаглаж болно. ижил төстэй үзэл баримтлалын дагуу индексийн динамикийг тодорхойлсон. АНУ, Япон, Францын зах зээлд хөрөнгө оруулах шийдвэрт мөн адил хамаарна.
4. Үнийн өсөлтийн хамаарал
Өөр нэг чухал шинж чанарыг анхаарч үзэх нь чухал юм. Дамын наймаачдын хувьд хувьцааны үнийн хамаарал биш, харин өдөр тутмын үнийн өөрчлөлтийн хамаарал нь илүү чухал юм. Мөн энэ нь огт ижил зүйл биш юм. Зураг 9-т гурван загварын графикийг үзүүлэв. Тэд тус бүр нь урт хугацааны синусоид (жилийн өөрчлөлт) -ийн нийлбэрийг зохих нэмэлтээр илэрхийлдэг. Гэхдээ гурван графикийн нэмэлт нь өөр юм. А хуваарийн хувьд энэ нь 5 хоногийн хугацаатай "долоо хоног тутмын" синусоид юм. В ба С графикийн хувьд долоо хоног тутмын синусоид нь сөрөг тэмдэгтэй тул А график дээр В ба С график дээр нэмэх нь эсрэг фазын үед байна. С график дээр үүнээс гадна санамсаргүй нэмэгдэл байдаг. Бүх нэмэлтүүдийн далайцыг үндсэн чичиргээний далайцын тавны нэгтэй тэнцүү байхаар сонгоно. Нэмэлтүүдийг үл харгалзан муруйн хос корреляцийн коэффициентүүд нь нэгдмэл байдалд ойр, KA-B=+0.92; KA-S=+0.9; KB-C= + 0.9.
Харин хоёр дахь графикт үзүүлсэн "өдөр тутмын үнийн өсөлт"-ийн хувьд зураг огт өөр байна. Зураг дээрх A, B, C муруй дээрх цэгүүд. 9-р зураг дээрх муруй дээрх цаг хугацааны дараалсан утгын зөрүүг тооцоолсны үр дүнд 10-ыг олж авсан: Зураг 10 = Зураг 9(t)-A Зураг 9(t-?t). Бидний харж байгаагаар өдөр тутмын үнийн өсөлт нь жилийн чиг хандлагаас хамаагүй бага хамааралтай боловч хэд хоногийн хугацаатай богино хэлбэлзлээс ихээхэн хамаардаг. Заасан ялгаатай муруйнуудын хувьд (Зураг 10) корреляцийн коэффициентүүд нь огт өөр утгатай KA-B = -1.0; KA-C= -0.7; KB-C= + 0.7. Корреляцийн коэффициентийг 250 хосын дээж ашиглан тооцоолсон. (Өмнөх цэгийг харгалзан бид санамсаргүй бүрэлдэхүүнийг агуулсан муруйг аравтын нэг оронгоор хязгаарладаг).
Та дээр дурдсан индексүүдтэй ижил зүйлийг хийж, тэдгээрээс өдөр тутмын өсөлтийн багц үүсгэж болно. Харьцангуй өсөлтийн цувралын хувьд корреляцийн коэффициентүүдийн утгыг тооцоолсон. Доорх Хүснэгт 2-оос харахад корреляцийн коэффициентүүдийн утгууд нь 1-р хүснэгтэд өгөгдсөн харгалзах утгуудаас үндсэндээ ялгаатай байна.
Гол ялгаа нь ийм коэффициентүүдийн илүү тогтвортой байдал юм. Үүнээс гадна өсөлтийн хамаарал нь ихэвчлэн эерэг байдаг. Үл хамаарах зүйл нь газрын тосны үнийн өсөлт ба Японы Nikkei 225 индексийн өсөлтийн хоорондох сөрөг хамаарал байв. Гэсэн хэдий ч өсөлтийн корреляцийн коэффициентүүдийн үнэмлэхүй утга нь дүрмийн дагуу утгуудаас мэдэгдэхүйц бага байна. өөрсдөө бөгөөд ихэнх тохиолдолд цэвэр санамсаргүй хэмжигдэхүүний багцын боломжит утгуудаас бага зэрэг давдаг.
Корреляцийн коэффициентийн тогтвортой байдлын зэргийг тэдгээрийн цаг хугацааны хамаарлаар харуулж болно. Өмнө дурьдсанчлан корреляцийн коэффициент нь цаг хугацаанаас хамаарна. Тиймээс, Оросын зах зээлийн хамгийн хөрвөх чадвартай хоёр үнэт цаас болох Сбербанк ба Газпромын хувьцааны үнэ, корреляцийн коэффициент (өмнөх 250 хоногт тооцсон - жилийн ойролцоогоор интервал) цаг хугацааны явцад ихээхэн өөрчлөгддөг. Жишээлбэл, 2008 оны эцэст корреляцийн коэффициент +1-тэй ойролцоо байсан. Энэ нь 2008 онд хувьцааны үнийн динамик дахь зохицуулалтын бүрэлдэхүүн хэсэг давамгайлсан гэсэн үг юм. Гэсэн хэдий ч корреляцийн коэффициент сөрөг бүс рүү буурсан үе бий. Энэ нь ийм бүтэлгүйтлийн өмнөх жилийн хугацаанд Газпром, Сбербанкны хамаарлын үнэ цэнэ, хувьцааны үнэ өөр өөр чиглэлд өөрчлөгдсөн гэсэн үг юм. Энэ төрлийн олон чиглэлтэй байдал нь манай зах зээлд нэлээд түгээмэл тохиолддог үзэгдэл юм. Сургутнефтегаз, Норильск никель эсвэл бусад хувьцааны хувьцаа зах зээлд эсрэг хөдөлгөөнийг харуулсан. Энэ нь корпорацийн тодорхой шалтгааны улмаас эсвэл зах зээлд хөрөнгө оруулагчид зарим хувьцааг хамгаалалтын хөрөнгө болгон сонгосон үед тохиолдсон. Гэсэн хэдий ч хувьцааны үнийн богино хугацааны өөрчлөлт нь дунджаар тийм ч тогтвортой биш боловч өөр өөр хугацаанд корреляцийн коэффициент илүү тогтвортой байгааг харуулж байна. Энэ ялгааг Сбербанк болон Газпром (Зураг 12) болон тэдгээрийн өөрчлөлт (Зураг 13) хоёрын аль алиных нь хувьцааны ханшийн хамаарлын зан үйлийг харьцуулж харж болно. Зураг 14 Өндөр харилцан хамаарал бүхий үед ч зарим хувьцааны үнийн өсөлт бусад хувьцааны үнийн өсөлтөөс "хамааралтай" нь динамик муруй огт харагдахгүй байгааг тэмдэглэх нь зүйтэй. Гэсэн хэдий ч том K дээр шугаман регрессийн хамаарал нь нэлээд өндөр магадлалтайгаар ажиллах болно. Үүний үр дүнд, жишээлбэл, Газпромын хувьцааны үнийн өсөлтийг Сбербанкны хувьцааны өсөлтөөр (мөн эсрэгээр) тооцоолох боломжтой. Гэсэн хэдий ч энэ хамаарлын асуудал нь эдгээр хувьцааны үнийн өсөлт нь нэг хугацааны интервалд тохиолддог явдал юм. Сбербанкны хувьцааны үнэ тодорхой өдөр өсөх магадлалыг үнэлэх нь зөвхөн тухайн өдрийн эцэст Газпромын хувьцааны хувьд боломжтой юм.
Янз бүрийн өгөгдлийн цуваа хоорондын хамаарлын коэффициентийг тодорхойлох нь хамгийн энгийн хамаарлыг хурдан тодорхойлж, судалж буй зүйлтэй хамааралтай хөрөнгийг олох боломжийг олгодог. Тиймээс гадаад зах зээлийн индекс эсвэл бүтээгдэхүүний бүлгийн үнийн өөрчлөлтөд үндэслэн манай зах зээл дээрх индексүүдийн одоогийн өөрчлөлтийн магадлалыг тооцоолж болно. Гэхдээ хамгийн чухал зүйл бол аль хэдийн болсон үйл явдлын талаар магадлалын урьдчилсан таамаглал гаргах чадвар - бүх зүйл арай дорддог. Гэхдээ яг ийм төрлийн урьдчилсан мэдээ нь хамгийн их үнэ цэнэтэй зүйл юм. Үүнийг хийхийн тулд та өнөөдрийн индексийн өсөлт нь бусад зах зээлийн индексүүдийн өмнөх өсөлт эсвэл бүтээгдэхүүний бүлгийн үнийн өсөлттэй уялдаа холбоог судлах хэрэгтэй. Гэвч үнэн хэрэгтээ өнгөрсөн үеийн талаарх мэдээлэл цаг хугацааны явцад маш хурдан үнэ цэнээ алддаг нь харагдаж байна. Техникийн шинжилгээний "Үнийн түүх зах зээлийн талаархи бүх мэдээллийг агуулдаг" гэсэн алдартай "максим" нь маш их нөөцтэй бөгөөд онлайнаар болж буй үйл явдлыг харгалзан үздэг. Бодит байдал дээр өнгөрсөн үнэ нь зөвхөн хязгаарлагдмал хэмжээгээр ирээдүйн динамикийг тодорхойлдог. Өнгөрсөн үеийн аль нь өнөөгийн байдалд хамгийн их нөлөөлж байгааг тодорхойлохын тулд эхний дүн шинжилгээ хийхдээ өмнөх үеийн индексийн үнэ цэнэ, хувьцааны үнийн өөрчлөлттэй одоогийн өсөлтийн хамаарлыг тогтоохыг оролдож болно. Үнэн хэрэгтээ янз бүрийн хугацааны интервалын өсөлтийн корреляцийн түвшин нь дүрмээр бол харьцангуй бага утгатай болох нь харагдаж байна.
Үүнийг MICEX индексийн өсөлтийн автокорреляцийн функцын жишээг ашиглан дүрсэлж болно. Корреляцийг MICEX индекс дэх өдөр тутмын өөрчлөлтүүдийн дараалсан хоёр цувралын хувьд авсан. Хэрэв тухайн өдрийн MICEX индексийн өдөр тутмын өсөлтийг Си утгуудаар авсан бол өмнөх өдрийн индексийн өсөлтийг Yi утга болгон авна. 15-р зурагт үзүүлсэн графикаас харахад нэгдүгээрт, автокорреляцийн утга нь цэвэр санамсаргүй тооны хосуудын корреляцийн коэффициентийн утгаас тийм ч их хэтрэхгүй байна. Хоёрдугаарт, K нь тэмдгийг өөрчилж болно. Гэсэн хэдий ч корреляцийн коэффициентийн баталгааны шинж тэмдэг удаан хугацааны туршид үүнийг ашигласнаар та зах зээл дээр мөнгө олох боломжтой. Үүнийг хийхийн тулд эерэг K байвал индексийг эерэг өсөлттэй хаах өдрүүдийн арилжааны төгсгөлд худалдан авч, сөрөг өсөлттэй өдрүүдэд зарахад хангалттай. Үүний үр дүнд эерэг K-ийн хугацаанд тооллогын статистик ач холбогдолтой эерэг өсөлтийг олж авах боломжтой. Сөрөг K үед өнгөрсөн өдрийн өөрчлөлтийн эсрэг чиг хандлагын техник ажиллах боломжтой болно.
Дүгнэж хэлэхэд, судалж буй хөрөнгөтэй хамгийн их хамааралтай өгөгдлийн цувралуудаас хамгийн том корреляцийн коэффициент бүхий багцуудыг сонгох боломжтой гэдгийг бид тэмдэглэж байна. Дараа нь (жишээлбэл, K-ийн утгатай пропорциональ жинтэй) бид сонирхож буй хөрөнгөтэй илүү гүнзгий холбоотой байж болох ба корреляцийн коэффициент өндөртэй синтетик хөрөнгийг бий болгож чадна. Зураг дээр. Зураг 16-д RTS индексийн өсөлтийг Бовеспа индекс, Шанхайн ком., Брент нефтийн үнийн өсөлтөд өмнөх онд тооцсон корреляцийн коэффициентийг харуулав. Өнгөрсөн жилийн хугацаанд эдгээр гурван коэффициент бүгд 0.3 орчим өөрчлөгдсөнийг бид харж байна. Өөрчлөлт нь заасан гурван утгын өөрчлөлтийн дундаж утгатай тэнцүү байгаа таамаглалын хөрөнгийг бий болгосны дараа үүссэн хөрөнгийн өдөр тутмын өсөлтийн корреляцийн коэффициентийг тооцох боломжтой. Ижил дүрмийн дагуу тооцсон RTS индекс ба тодорхойлсон синтетик хөрөнгийн корреляцийн коэффициентийн утгыг Зураг дээр үзүүлэв. 16 зузаан шугам. Шинээр бий болсон хөрөнгийн корреляцийн түвшин түүнд багтсан бүрэлдэхүүн хэсгүүдээс системтэйгээр өндөр байгааг бид харж байна. Энэ зам дээр та корреляцийн коэффициентийн өндөр утгыг олж авах замаар бусад хөрөнгийг бий болгож чадна. Хамгийн ойлгомжтой практик үнэ цэнэ бол аль хэдийн түүх болсон өгөгдлийн цувралаас ийм синтетик хөрөнгийг нэгтгэх явдал юм. Тиймээс, Xi - RTS индексийн өөрчлөлттэй хослуулан та жишээлбэл, нефтийн үнийн өөрчлөлт, өмнөх өдрийн Бовеспа индекс, Шанхайн индексийн үнэ гэсэн гурван утгаас Yi активыг бүрдүүлж болно. гэхдээ Хятад Москва дахь арилжаа хаагдахаас хамаагүй эрт дуусдаг одоогийн арилжааны өдөр. Өмнөх тохиолдлын нэгэн адил ийм синтетик хувьсагчтай RTS индексийн өсөлтийн корреляцийн коэффициент нь эдгээр утгууд тус бүртэй хос корреляциас өндөр байна. Тиймээс корреляцийн коэффициент нь RTS индексийн өөрчлөлттэй илүү нягт холбоотой хувьсагчийг олоход тусалдаг бөгөөд утгууд нь RTS индексийн хаалтын хугацаанаас эрт гарч ирдэг. Үүнтэй адил зүйлийг хийснээр та ийм хувьсагчдын багцыг сонгож, тэдгээрээс сонирхсон хөрөнгөтэй хамгийн холбоотой хосыг сонгож болно.
(Брент газрын тостой адил урьдчилсан мэдээлэл цэвэрлэх, амралтын өдрүүдийг бүртгэх, амралтын өдрүүдээр худалдаа хийх гэх мэт шаргуу ажилд бэлэн байх хэрэгтэй). Бас нэг зүйл: оролтын хэмжигдэхүүний дундаж утгыг бус харин корреляцийн коэффициентийн дундаж утгын дагуу жинлэсэн утгыг нь авах нь илүү зөв юм. Өөрчлөгдөж болох параметрүүдийг нэвтрүүлэх нь илүү дээр юм, аль нь илүү сайн үр дүнд хүрч чадна гэдгийг сонгох. Гэсэн хэдий ч корреляцийн коэффициентийн утгаар бус, харин нэг буюу өөр арилжааны техник ашиглан олж болох боломжит ашгийн дагуу оновчтой болгох нь дээр. Сургалтын үе шатанд оновчлох систем өөрөө хамгийн тохиромжтой коэффициентийг сонгох үед мэдрэлийн сүлжээг ашиглах боломжтой. Гэхдээ энэ бүхэн арилжааны системийг бий болгохтой холбоотой байх магадлалтай. Энэ текст нь корреляцийн коэффициентийг хэрхэн ашиглаж болохыг харуулж байна.
Валютын хөрөнгө оруулагчид бэлэн мөнгөний хөрөнгө оруулалтаас илүү их өгөөж хүлээж байгаа тул санхүү өндөр хүү рүү шилжиж байна. Мөн дэлхийн хүн ам мөнгөө хэрхэн зарцуулж байгаагаас валютын урсгал хамаарна.
Хувьцааны эрэлт, түүнчлэн алт, газрын тос зэрэг түүхий эдийн эрэлт нь валютын ханшийг өөрчлөхөд хүргэдэг. Яагаад? Алт худалдаж авахын тулд тухайн улсын мөнгөн тэмдэгт хэрэгтэй. Тиймээс та үндэсний мөнгөн тэмдэгтийг худалдаж авах хэрэгтэй болно.
Хэрэв бид Өмнөд Африкийн тухай ярьж байгаа бол та эхлээд Өмнөд Африкийн ранд (ZAR) худалдаж аваад дараа нь алтны уурхайн эздэд төлбөр төлөхөд ашиглах хэрэгтэй болно. Алтны төлөө яарч, гүйлгээ өргөн цар хүрээтэй болох үед эрэлтийг дагаад Өмнөд Африкийн мөнгөн тэмдэгт, алтны үнэ өсдөг.
Энэ хамаарал нь бүх бараанд хамаарна. Та Германы хөрөнгийн зах зээл дээр арилжаалагдсан хувьцааг худалдаж авахаар төлөвлөж байна уу? Эхлээд та евро худалдаж авах хэрэгтэй. Үүнд логик бий. Гэхдээ түүхий эдийн үнийн өсөлт, бууралтыг ажиглаж байхдаа яг юу худалдаж авах, юу зарах ёстойг тодорхой ойлгох хэрэгтэй. Түүхий эдийн үнэ болон мөнгөн тэмдэгтийн үнэ цэнийн хамаарлын судалгааг хийх нь үүнд тусална. Янз бүрийн ангиллын санхүүгийн хэрэгслүүдийн бие биендээ үзүүлэх нөлөөллийн шинжилгээг зах зээлийн шинжилгээ гэж нэрлэдэг. Дараа нь та газрын тос, алт, хөрөнгийн зах зээл дээр ноцтой хөдөлгөөн гарсан тохиолдолд ямар валюттай ажиллах шаардлагатайг олж мэдэх болно.
Корреляци(Латин correlatio "корреляци, хамаарал" гэсэн үгнээс) эсвэл корреляцийн хамаарал нь хоёр ба түүнээс дээш санамсаргүй хэмжигдэхүүний (эсвэл зарим зөвшөөрөгдөх нарийвчлалтай гэж үзэж болох утгуудын) хоорондын статистик хамаарал юм. Энэ тохиолдолд эдгээр хэмжигдэхүүний нэг буюу хэд хэдэн утгын өөрчлөлт нь өөр эсвэл өөр хэмжигдэхүүний утгын системчилсэн өөрчлөлт дагалддаг.
Газрын тосны хамаарал
Орчин үеийн ертөнцөд дэлхийн эдийн засгийг хөдөлгөх гол механизм нь шингэн нүүрсустөрөгч ба хүхэр, азотын органик нэгдлүүдийн байгалийн холимог юм. Энэ хольцыг мөн түүхий тос гэж нэрлэдэг. Үйлдвэрлэсэн газрын тосны ихэнх нь бензиний үйлдвэрлэлд ордог. Газрын тосыг асфальт, хуванцар, нэхмэл эдлэл үйлдвэрлэх, байшинг халаах гэх мэт ажилд ашигладаг гэдгийг цөөхөн хүн мэддэг.
Түүхий эд болох газрын тосны олон талт байдал, түүний хэрэглээний олон талбар нь өсөн нэмэгдэж буй эдийн засагтай орнуудын эрэлт их байгаагийн гол шалтгаан юм. Энэтхэг, Хятадын аж үйлдвэрийн хурдацтай хөгжил нь дэлхийн хар алтны эрэлтийн тэнцвэрт байдалд огцом өөрчлөлт оруулахад хүргэсэн.
Форекс арилжаачин газрын тосны зах зээлийн хөдөлгөөнийг ажиглаж, газрын тостой холбоотой валютын хос арилжаа хийснээр ашиг олох боломжтой.
Энэ нь зарим хүмүүсийн хувьд гэнэтийн зүйл байж болох ч газрын тостой хамгийн их хамааралтай валют бол Канад доллар юм. Статистикийн хувьд USDCAD валютын хосын хөдөлгөөний 84% нь газрын тосны үнийн өөрчлөлтөөс хамаардаг. Газрын тосны зах зээл өсөхөд USDCAD хос буурах хандлагатай байгаа нь Канад доллар ам.доллартай харьцах ханш өснө гэсэн үг.
Энэхүү хараат байдал нь газрын тосны асар их нөөц дээр шууд утгаараа Канадын газрын тосны олборлолтоор дэлхийд өндөр байр суурь эзэлдэгтэй холбон тайлбарлаж байна. Үндэсний мөнгөн тэмдэгт газрын тосны ханшаас мөн адил хамааралтай байгааг хар алтны үйлдвэрлэлээрээ тэргүүлэгч бусад орны жишээнээс харж болно. Тухайлбал, Оросын оршин суугчид 2014-2016 онд нефтийн үнэ буурах үед рублийн ханш ам.доллартай харьцах ханш хэрхэн унасныг анзаарахгүй байж чадсангүй.
Газрын тосны зах зээл нь Канад доллар гэх мэт хамааралтай валютуудын үнэ өөрчлөгдөх цорын ганц шалтгаан биш гэдгийг анхаарна уу, гэхдээ чухал зүйл бол эдгээр хоёр хувьсагч зэрэгцэн хөдөлж байгаа явдал юм.
Доорх зурагт USDCAD болон газрын тосны ханшийг бие биенээсээ давхцуулж харуулав. Хаана хамаарал байгаа, хаана нь байхгүй хувь заяаг тэмдэглэв. Хэсгийн нийт уртын харьцаа нь ойролцоогоор 50-50 байдаг бөгөөд энэ нь цэвэр корреляцийн арилжаа нь ариун нандин зүйл биш, харин одоо байгаа арилжааны стратегид сайн нэмэлт болж, эсвэл арилжаа нээх чиглэлийг тодорхойлоход тусалдаг гэсэн үг юм. маргаантай мөч.
Brent газрын тос болон USDCAD хоорондын хамаарал 
Өгүүллийн доод хэсэгт та нэг санхүүгийн хэрэгслийн диаграммыг нөгөө дээр давхарлах үзүүлэлтийг татаж авах боломжтой. Газрын тосны үнийн санал бүхий графикуудыг брокерын терминалаас харж болно: "Шинэ график" - CFD фьючерс - BRN (Brent) эсвэл WTI. Хэрэв та USDCAD-аас илүү газрын тостой илүү хүчтэй хамааралтай валютын хосыг олсон бол коммент хэсэгт бичээрэй, мөн та Форекс арилжаандаа хамаарлыг ашигладаг уу?
Алттай хамаарал
Дүрмээр бол алтны эрэлт дэлхийн зах зээл дээрх нийлүүлэлтээс хамаагүй давж гардаг. Сүүлийн үед алт олборлогчид хайгуул, шинэ уурхайн бүтээн байгуулалтад хөрөнгө оруулахаас татгалзаж байсан. Гэсэн хэдий ч үнэт эдлэл, хөрөнгө оруулалтын эрэлт хэрэгцээ, ялангуяа Энэтхэг, Хятадын эдийн засгийн өсөлтийн үед нэмэгдэж байна.
Алтны маш сайн цахилгаан дамжуулах чанар, уян хатан чанар, зэврэлтэнд тэсвэртэй байдал нь шар металлыг компьютер, үүрэн холбоо, гэр ахуйн цахилгаан хэрэгсэл зэрэг электроникийн янз бүрийн салбарт ашигладаг эд ангиудын үйлдвэрлэлд зайлшгүй шаардлагатай болгосон. Алт нь биологийн идэвхгүй бодис тул анагаах ухааны судалгаанд зайлшгүй шаардлагатай бөгөөд үе мөчний үрэвсэл болон бусад эдгэршгүй өвчнийг эмчлэхэд хүртэл ашигладаг. Үнэт эдлэлээс гадна шүдний эмч нар алт шаарддаг. Шүдний эмнэлгүүдэд жилд 70 орчим тонн алт хэрэглэдэг.
Түүнчлэн зах зээлд оролцогчид алтыг хөрөнгө оруулалтын найдвартай бүс гэж удаан хугацааны турш ойлгодог бөгөөд энэ нь уг түүхий эдийн зах зээлийн хэтийн төлөвт эерэгээр нөлөөлж байна.
Дэлхийн гурав дахь том алт олборлогч Австрали нь түүний үнэ цэнийг хүртдэг. AUDUSD хос болон алтны үнийн хоорондын хамаарлын коэффициент нь ойролцоогоор 0.78 байгаа нь ханш 78% ижил байна гэсэн үг. Алтны үнийн өсөлтийг ихэвчлэн Австрали долларын ам.доллартай харьцах ханшийн өсөлт дагалддаг. Мөн ихэвчлэн AUD ханшийн уналтаас өмнө шар металлын үнэ буурдаг.
AUDUSD-ийн ханш бага зэрэг хоцрогдолтойгоор алтны үнийн хөдөлгөөнийг бараг бүрэн дагаж мөрддөг 
Хөрөнгийн зах зээлтэй харилцах харилцаа
Хэдийгээр хувьцаа нь өөрөө түүхий эд биш ч валютын зах зээлтэй маш их хамааралтай байдаг.
Гэхдээ энэ тохиолдолд та ямар нэгэн үнэт цаасны мөнгөн тэмдэгтийн хамаарлыг хянах ёсгүй - тэдгээр нь хэтэрхий олон байдаг; үнэт цаасны сагсан дахь үнийн хөдөлгөөнийг тусгасан хамгийн том хувьцааны индексийг хянах нь илүү хялбар байдаг. Британийн FTSE, Америкийн S&P 500, Японы Nikkei, Германы DAX нь валютын зах зээлд маш чухал бөгөөд дэлхийн өнцөг булан бүрт байгаа туршлагатай арилжаачид эдгээр индексийг валюттай хамт хянадаг.
Хөрөнгийн индекс гэдэг нь хөрөнгийн бирж дээр арилжаалагддаг хувьцааны томоохон сагс юм. Зах зээлийн ерөнхий өсөлт нь индекст багтсан хувьцааны худалдан авагчдыг татдаг бөгөөд үнэ нь индексийн үнэ цэнийг дагаж өөрчлөгддөг. Гадаадын мөнгө орж ирэхийн өмнө түүнийг үндэсний мөнгөн тэмдэгтээр солилцдог. Зах зээл унах үед хөрөнгө оруулагчид түүнийг орхиж, "уугуул" мөнгөн тэмдэгтээ буцааж өгдөг. Тиймээс хөрөнгийн зах зээл валютын ханшид шууд нөлөөлдөг.
Энэ нь DAX өсөхөд евро худалдаж авах, Nikkei буурах үед япон иенийг зарах шаардлагатай гэсэн үг үү? Магадгүй, гэхдээ бүх тохиолдолд нэг жортой байх нь дээр биш гэж үү? Энэ жинхэнэ. Бид шууд бус харилцан хамаарлын тухай ярьж байгаа боловч статистик нь техникийн үр нөлөөг харуулж байна.
EURJPY хосыг арилжаалах нь дэлхий даяарх арилжаачдын эрсдэлийг тэсвэрлэх чадварыг үнэлэх үндэс суурь гэж үздэг. Энэхүү кросс ханшийн дагуух хөдөлгөөн нь хамгийн том хувьцааны индексүүдийн үнэ цэнийн өөрчлөлттэй нягт уялдаатай бөгөөд энэ нь валют нь нэг хөрөнгийн зах зээлээс нөгөөд шилжиж байгаатай холбоотой биш, харин арилжаачдын зах зээлд нэвтрэх хүсэл эрмэлзэлтэй холбоотой юм.
Энэ шалтгааны улмаас хөрөнгө оруулагчид дэлхийн зах зээл өсөх хандлагатай байгаа гэдэгт итгэлтэй байвал тэд хөрөнгөө илүү өгөөмөр хандаж, галын шугам руу мөнгө оруулахад бэлэн байгаагаа илэрхийлнэ. Ийм тохиолдолд EURJPY ханш ихэвчлэн өсдөг. Хөрөнгийн зах зээлийн уналт энэ валютын хосод сөргөөр нөлөөлж байна. Үргэлж биш, гэхдээ ихэнх тохиолдолд.
EURJPY-ийн ханш нь S&P 500 индексийн ханшийг бараг бүрэн дагаж мөрддөг 
дүгнэлт
Бид үүнийг сурсан Forex дээрх валютын хосуудын хамааралЭнэ нь алт, газрын тос, хувьцаа болон бусад валютын хос зэрэг бараа байж болох хоёр буюу түүнээс дээш санхүүгийн хэрэгслийн хоорондын харилцаа юм. Хэрэв валютын хос өөр санхүүгийн хэрэгсэлтэй хамааралтай бол энэ хэрэгслийн ханш өөрчлөгдөхөд хамааралтай валютын ханш мөн өөрчлөгддөг.
USDCAD валютын хос нь газрын тосны ханшаас, AUDUSD нь алтны ханшаас хамаардаг. Форекс зах зээл дээрх алтыг АЛТ эсвэл XAUUSD гэж тодорхойлдог. EURJPY хос нь S&P 500 хөрөнгийн биржийн индексийн араас дагалдаж байгаа нь ойрын ирээдүйд энэ хос хэрхэн ажиллахыг харуулж магадгүй юм.
Хэрэв та харилцан хамаарлаар арилжаа хийхээр шийдсэн бол танд энэ хэрэгсэл хэрэгтэй болно.
Forex-ийн валютын хос корреляцийн үзүүлэлтийг татаж аваарай:
Энэ үзүүлэлтийг ашиглан та бие биенээсээ хамгийн их хамааралтай санхүүгийн хэрэгслийг сонгон арилжаалж эхлэх боломжтой, учир нь зөвхөн CAD нь газрын тосоос хамаардаггүй, зөвхөн AUD нь алтнаас хамаардаггүй. Хэд хэдэн харилцан хамааралтай валютын хосууд дээр нэгэн зэрэг арилжаа хийснээр та сайн, тогтвортой ашиг олж чадна.
Корреляци дээр арилжаа хийж байсан туршлагаа сэтгэгдэл дээр бичнэ үү, хүн бүр энэ талаар мэдэхийг маш их сонирхож байх болно. Эсвэл та бие биенээсээ хамааралтай ер бусын эсвэл гэнэтийн санхүүгийн хэрэгслийг олсон уу? - Заавал бичээрэй.
Арилжааны хэрэгслийн үнийн өөрчлөлтийн хоорондын хамаарал, нэг хөрөнгийн үнийн өөрчлөлт нь нөгөө хөрөнгийн үнэ цэнийг өөрчлөхөд хүргэдэг нөхцөл байдал.
Хувьцааны үнийн төлөв байдалд дүн шинжилгээ хийх практикт корреляцийг хэмжихийн тулд дараахь томъёогоор тодорхойлогддог Пирсон корреляцийн коэффициентийг ашигладаг.
- rxy-х ба y хувьцааны үнэ цэнийн корреляцийн коэффициент;
- dx нь x цувралын тодорхой утгын энэ цувралын дундаж утгаас хазайлт;
- dy - y цувралын тодорхой утгын энэ цувралын дундаж утгаас хазайлт.
Түүгээр ч зогсохгүй хэрэв Пирсоны тооцоолсон коэффициентийн утга нь нэмэх нь нэг бол дүн шинжилгээ хийсэн хувьцааны үнийн хоорондын хамаарал нь шууд функциональ шинж чанартай байдаг.
Хэрэв корреляцийн коэффициентийн үнэмлэхүй утга нь 0.7-оос давсан бол хоёр хувьцааны үнийн хоорондын хамаарал тодорхой шинж чанартай байна.
Pearson корреляцийн коэффициентийн модулийн утга 0.4-0.7 хооронд байвал хувьцааны үнийн хоорондын хамаарал дундаж байна. 0.4-ээс бага - хувьцааны үнийн хоорондын хамаарал сул байна.
Хэрэв энэ коэффициентийн утга нь хасах 1 бол хувьцааны үнийн хоорондын хамаарал нь урвуу функциональ шинж чанартай байна.
Түүвэрт хоёр хувьцааны утгын илүү их утгыг оруулах тусам корреляцийн коэффициентийн үнэмлэхүй утга бага байх тусам хамаарал байгаа эсэхийг хэлж болно.
Хувьцааны үнийн хоорондох Pearson корреляцийн коэффициентийг тооцоолох аналитик үнэ цэнэ нь хувьцааны арилжааны явцад бодитой шийдвэр гаргахад шаардлагатай чухал суурь өгөгдлийг олж авах боломжийг олгодог.
Жишээлбэл, хөрөнгийн зах зээл томоохон хөрөнгийн (газрын тос, алт, аж үйлдвэрийн индекс, засгийн газрын бондын өгөөж) үнийн өөрчлөлтийн талаархи мэдээг гаргахад хариу үйлдэл үзүүлдэг. Үүний үр дүнд компанийн хувьцааны үнэ өөрчлөгддөг. Зах зээлийн хэрэгслүүдийн хоорондын харилцааны динамик ба үнийн түвшний өөрчлөлт хоорондын шалтгаан-үр дагаврын хамаарлыг анхааралтай ажигласнаар та хөрөнгө оруулалтын тактик, арилжааны төлөвлөгөөгөө үр дүнтэй, хурдан тохируулах боломжтой. Үүний зэрэгцээ эрсдэлийн удирдлагын үндсэн ойлголтуудын хүрээнд хөрөнгө оруулалтын багцыг бүрдүүлэхдээ корреляцийн шинжилгээг зайлшгүй ашигладаг.
Хоёр хувьцааны хамаарлын түвшинг мэдэх нь хөрөнгө оруулалтын багцыг бүрдүүлэх эрсдлийг бууруулах боломжийг танд олгоно.
Манай багцад хоёр хөрөнгө багтсан гэж бодъё, тэдгээрийн үнийн төлөв байдал нь синусоид хуулийн дагуу цаг хугацаанаас хамаарна. Корреляцийн коэффициент нь нэмэх 1-тэй тэнцүү байх үед синусын долгионы бүрэн суперпозиция гарч ирэх бөгөөд хоёр хувьцааг худалдаж авснаар бид тэдгээрийн байрлалыг хоёр дахин нэмэгдүүлнэ. Пирсон корреляцийн коэффициентийн утгыг хасах 1 нь эсрэгээрээ хувьцааны ашиг, алдагдлыг харилцан нөхөх боломжийг олгоно. Багц дахь үр дүнтэй сонгосон багц хувьцаанууд цаг хугацааны явцад өсдөг. Дараа нь нэг хувьцааны үнэ буурах үед өөр хувьцааны өсөлт нь багцын нийт уналтыг нөхөж, нийт эрсдэлийг багасгах болно. Багцын тэнцвэржүүлэх үйл явц нь багцын бүтцэд байгаа хөрөнгийн хувь хэмжээг хурдан өөрчлөх замаар орлого олох боломжийг олгодог.
Манай А ба В хувьцааны багцын анхны найрлага нь хасах нэгтэй урвуу хамааралтай гэж үзье. Мөн харьцаа нь нэгээс нэг (50/50). Багцын нийт үнэ 1 сая доллар. Зургаан сарын хугацаанд А хувьцааны үнэ 10%-иар буурч, үнэ нь анхны 500 мянган доллараас буурсан байна. 450 мянган доллар хүртэл Харин В актив нь эсрэгээрээ 10%-иар өсч, ханш нь 550 мянган долларт хүрсэн байна. Нийт багцын үнэ өөрчлөгдөөгүй бөгөөд 1 сая доллар болжээ. Одоо бид Б-ийн хувьцааны талыг (550/2 = 275 мянган доллар) А-д шилжүүлэх бөгөөд түүний өртөг нь одоо 725 мянган доллар болно. A хувьцаа B - 275 мянган доллар.
Жилийн дараагийн хагаст урвуу үйл явц явагдана - хувьцаанууд өмнөх үнийн түвшиндээ буцаж ирдэг. Одоо 725 мянган долларын оронд А хувьцааг эзэмшиж байна. 797.5 мянган долларын үнэтэй, 275 мянган долларын оронд В актив. 247.5 мянган доллар Одоо багцын нийт үнэ 797.5 + 247.5 = 1045 мянган доллар болно. Тиймээс дахин тэнцвэржүүлсний дараа ашиг нь жилд 4.5% байна. Тэнцвэржүүлэхгүй бол багцын үнэ цэнэ тэг хувь болно. Практикт бүх зүйл илүү төвөгтэй байдаг, учир нь ихэнх хувьцааны корреляцийн түвшин нэмэх 0.5-аас хасах 0.5 хооронд байдаг.
Тиймээс бид Пирсоны коэффициентийн утга бага байх тусам ижил эрсдэлийн түвшинд багцын өгөөж их байх эсвэл өгөөжийн ижил утгатай эрсдэлийн түвшин бага байна гэж бид дүгнэж болно. Гэсэн хэдий ч корреляцийн коэффициентийг тооцоолохдоо болгоомжтой ашиглах хэрэгтэй.
Тэд нэг чиглэлд хөдөлж байна уу? Жишээлбэл, NZD/USD хос ихэнх тохиолдолд AUD/USD хосын замналыг дагадаг. Энэ үзэгдлийг " хамаарал».
Тэгэхээр, валютын корреляци - хоёр валютын хосын харилцан хамаарлын хэмжүүр . Корреляцийн коэффициентийг аравтын форматаар харуулсан бөгөөд +1.0-ээс -1.0 хооронд хэлбэлздэг.
- Корреляци +1 (эерэг, шууд)Энэ нь хоёр валютын хос нэг чиглэлд 100% хөдөлдөг гэсэн үг юм.
- Корреляци -1 (сөрөг, урвуу), эсрэгээрээ хоёр хос 100% эсрэг чиглэлд хөдөлж байна гэсэн үг юм.
- Тэг хамаарал гэсэн үгЭнэ хоёр хос бие биенээсээ ямар ч хамааралгүй.
Шууд хамааралтай хосуудын хамгийн тод жишээ бол EUR/USD ба GBP/USD, AUD/USD ба NZD/USD, USD/CHF болон USD/JPY юм.
Урвуу хамааралтай хосуудын сайн жишээ бол EUR/USD ба USD/CHF, GBP/USD ба USD/JPY, USD/CAD ба AUD/USD, USD/JPY ба AUD/USD юм.
Арилжааны үед валютын хамаарлыг хэрхэн ашиглах вэ?
Валютын харилцан хамаарлыг ойлгох нь арилжааны шийдвэр гаргахад аюултай алдаанаас зайлсхийх боломжийг танд олгоно. Корреляцийн үнэ цэнэ нь дунд болон урт хугацааны арилжаанд ялангуяа өндөр байдаг.
Жишээлбэл, эерэг хамааралтай хосуудын нэг чиглэлтэй байрлал нь боломжит алдагдлын хэмжээг нэмэгдүүлдэг гэдгийг та ойлгох хэрэгтэй. Жишээлбэл, EUR/USD болон GBP/USD нь уламжлалт байдлаар хүчтэй шууд хамааралтай гэдгийг бид мэднэ. Энэ нь EUR/USD болон GBP/USD-ийг нэгэн зэрэг худалдан авах нь таны эрсдэлийг үр дүнтэйгээр хоёр дахин нэмэгдүүлдэг гэсэн үг юм. Хэрэв таны хүлээлт биелээгүй бөгөөд евро ам.долларын эсрэг хямдрах юм бол фунт еврогийн ханшийг дагаж буурах магадлалтай.
Урвуу хамаарал бүхий хоёр хос дээр олон чиглэлтэй позиц нээх үед ижил төстэй нөхцөл байдал үүсдэг (жишээлбэл, EUR/USD-ийг нэгэн зэрэг худалдан авах, USD/CHF-ийг худалдах).
Нэмж дурдахад, хоёр харилцан хамааралтай хосууд дээр нэгэн зэрэг олон чиглэлтэй арилжаа хийх нь тийм ч утгагүй юм - танд үнэндээ ямар ч байр суурь байхгүй. Жишээлбэл, EUR/USD худалдан авах, GBP/USD зарах зэрэг нь сөрөг үр дагавартай. Зах зээлийн аливаа хөдөлгөөн нь нэг хосын ашгийг нэмэгдүүлж, нөгөө талаас нь бууруулдаг. Пипийн утгын зөрүүгээс болж та алдагдалтай хаагдаж магадгүй. Урвуу хамааралтай хосуудын нэг чиглэлтэй байрлалд мөн адил хамаарна (жишээлбэл, EUR/USD болон USD/CHF-ийг нэгэн зэрэг худалдаж авах).
EUR / USD хос чухал нэгийг туршиж байна гэж төсөөлөөд үз дээ. Еврог ханшийн уналтаар худалдаж авахаасаа өмнө бусад долларын ханш энэ үед хэрхэн ажиллаж байгааг харахыг зөвлөж байна. Хэрэв ам.долларын ханш ихэнх гол валюттай харьцахдаа суларч байгаа бол одоогийн еврогийн ханш худал биш гэж таамаглаж болно.
Валют ба түүхий эдийн үнийн хамаарал
Валютын зах зээл нь бусад санхүүгийн зах зээлтэй нягт холбоотой байдаг. Хэрэв та түүхий эд экспортлогч орнуудын валютыг арилжаалж байгаа бол энэ улсын "үндсэн" баялгийн үнэд нөлөөлж буй хүчин зүйлсийг сайтар судалж, энэ талаар өөрийн таамаглалыг гаргахыг хичээгээрэй.
Австрали долларын (AUD) жишээг харцгаая. Австралийн экспортын гол бүтээгдэхүүн нь төмрийн хүдэр, сүүн бүтээгдэхүүн, алт байдаг тул эдийн засгийн байдал, үндэсний мөнгөн тэмдэгт нь эдгээр барааны зах зээлийн үнээс шууд хамааралтай байдаг. эдгээр барааны үнэ өсөхөд бэхжиж, үнэ буурах үед эсрэгээр буурдаг.
Графикаас харахад алтны үнэ болон AUD/USD хосын хооронд урт хугацааны эерэг хамаарал үнэхээр байгааг харж болно. Гэсэн хэдий ч богино хугацаанд хамаарал буурч магадгүй юм. Жишээлбэл, Америкийн хөрөнгийн зах зээл дээрх огцом борлуулалт нь AUD/USD ханшийн алтны ханшийг сулруулж байна.
Валют ба түүхий эдийн хоорондын хамаарлын өөр нэг сайн жишээ бол канад доллар (CAD) болон газрын тос юм. Канад бол АНУ-д газрын тосны хамгийн том нийлүүлэгч тул дэлхийн зах зээл дээр газрын тосны үнэ өсч байгаа тул Канадын мөнгөн тэмдэгтийг урт хугацааны худалдан авалтын талаар бодох нь зүйтэй.
Валютын ханш ба хөрөнгийн зах зээлийн хамаарал
Хөрөнгийн зах зээлийн өсөлт нь дүрэм ёсоор үндэсний мөнгөн тэмдэгтийн ханшийн өсөлтийг дагалддаг боловч онцгой тохиолдол байдаг. Жишээлбэл, S&P500 болон ам.доллар (USD) хоорондын хамаарал тогтмол биш байна. Нэг талаас хямд доллар нь Америкийн хөрөнгийн зах зээлд эерэг хүчин зүйл болдог: Америкийн барааны дэлхийн зах зээл дээрх өрсөлдөх чадвар нэмэгдэж, энэ нь компаниудын ашиг, үүний дагуу тэдний хувьцааг нэмэгдүүлэхэд хүргэдэг. Тийм ч учраас АНУ-д Quantitative Easing (QE) хөтөлбөр хэрэгжиж эхэлснээр хувьцааны индексүүд дээд амжилтад хүрэв. Гэсэн хэдий ч валютын ханшаас гадна Америкийн хувьцааны динамикад орон нутгийн болон дэлхийн бусад олон хүчин зүйл нөлөөлдөг. Долларын ханш болон АНУ-ын хөрөнгийн биржийн индексүүд нь дүрмээр бол эдийн засгийн үндсэн үйл явцын тусгал юм.
2013 оны 12-р сард АНУ-ын Холбооны нөөцийн банк QE хөтөлбөрөөс аажмаар гарах, түүнчлэн 2015 оны эхээр хүүгийн өсөлтийг хийх боломжтой гэж зарласан. Мөнгөний бодлогыг чангатгах нь хөрөнгийн зах зээлд уналтад хүргэж болзошгүй гэсэн болгоомжлол байдаг, учир нь хямд хөрвөх чадварын хэмжээ. зах зээл дээр буурах болно. Энэ хооронд ам.долларын ханш чангарч магадгүй. Гэсэн хэдий ч олон эдийн засагчид QE-ийн бууралт, хүүгийн өсөлтийг илт сөрөг хүчин зүйл гэж үзэх хандлагатай байдаггүй. Мөнгөний урамшууллын хэмжээ буурсан нь дэлхийн хамгийн том эдийн засаг хямралаас гарч байгааг илтгэж байгаа тул хөрөнгийн зах зээлд эерэг дохио болж байна. Нэмж дурдахад, АНУ-ын эрх баригчид эдийн засгийн үзүүлэлтүүдийн динамик дээр үндэслэн шийдвэр гаргаж, QE-ийг аажмаар зогсоож байна. Ирэх саруудад энэ байдал үргэлжлэх магадлал өндөр байна. доллар болон хувьцааны индекс хоорондын эерэг хамаарал сул байна.
Японы иен болон Nikkei 225 хувьцааны индекс нь харилцан хамаарал өөрчлөгдөж байгаагийн бас нэг сонирхолтой жишээ юм. 2005 он хүртэл иен болон Никкей хоёр эерэг хамаарлыг хадгалж байсан бол дараа нь сөрөг болж өөрчлөгдсөн. Энэ парадоксыг 2005-2007 онтой холбон тайлбарлаж байна. Японд онцгой бага хүүтэй байсан нь иенийг "" гүйлгээний үндсэн валют болгосон (бага хүү тогтоосон улсын мөнгөн тэмдэгтээр зээл авах, өндөр хүү тогтоодог улсын мөнгөн тэмдэгтээр хөрвүүлэх, хөрөнгө оруулалт хийх) ). Ийм олон үйл ажиллагаа явагдаж байгаа үед иен буурч байсан (жишээлбэл, ам.доллар/иенийн ханш чангарч байсан). Хямд үндэсний мөнгөн тэмдэгт Японы экспортлогчдод ашигтай байсан бөгөөд үүний үр дүнд Nikkei индекс ч өссөн.
Энэ байдал 2008 онд дэлхийн эдийн засгийн хямрал эхлэх хүртэл үргэлжилсэн бөгөөд энэ хурцадмал үед хөрөнгө оруулагчид эрсдэлтэй хөрөнгөнөөсөө салж, “найдвартай” иен худалдан авч эхэлсэн. Үүний үр дүнд Йенийн ханш өссөн нь Японы экспортлогчдын ашиг, үүний дагуу Nikkei индекст сөргөөр нөлөөлсөн.
2012 онд Японы Төвбанк үндэсний мөнгөн тэмдэгтийн ханш буурахад үндэслэсэн дефляцитай идэвхтэй тэмцэх стратегийг сонгосон. Иенийн ханш огцом унасан нь Японы хөрөнгийн зах зээлийг өсгөхөд хүргэсэн. Ийнхүү иен болон Никкей хоёрын урвуу хамаарал өнөөг хүртэл үргэлжилж байгааг бид харж байна.
JPY болон Nikkei 225-ын хамаарал
Статистикт корреляцийн коэффициент (Англи Корреляцийн коэффициент) нь хоёр санамсаргүй хэмжигдэхүүний хоорондын хамаарал байгаа тухай таамаглалыг шалгахад хэрэглэгддэг бөгөөд түүний хүчийг үнэлэх боломжийг олгодог. Багцын онолд энэ үзүүлэлтийг үнэт цаас (хөрөнгө) болон багцын өгөөжийн хоорондын хамаарлын мөн чанар, бат бөх чанарыг тодорхойлоход ихэвчлэн ашигладаг. Хэрэв эдгээр хувьсагчийн тархалт хэвийн эсвэл хэвийн ойролцоо байвал та үүнийг ашиглах хэрэгтэй Пирсон корреляцийн коэффициент, үүнийг дараах томъёогоор тооцоолно.
А компанийн хувьцааны өгөөжийн стандарт хазайлт 0.6398, В компанийн хувьцаа 0.5241, багцын 0.5668 байна. ( Стандарт хазайлтыг хэрхэн тооцоолох талаар уншиж болно)
А компанийн хувьцааны өгөөж болон багцын өгөөжийн хоорондын корреляцийн коэффициент -0.864, В компанийн хувьцааны өгөөж 0.816 байна.
R A = -0.313/(0.6389*0.5668) = -0.864
R B = 0.242/(0.5241*0.5668) = 0.816
Багцын өгөөж болон А болон Б компанийн хувьцааны өгөөж хоёрын хооронд нэлээд хүчтэй хамаарал байгаа гэж бид дүгнэж болно. Үүний зэрэгцээ, А компанийн хувьцааны өгөөж нь өгөөжтэй олон талт хөдөлгөөнийг харуулж байна. багц, мөн В компанийн хувьцааны өгөөж нь нэг чиглэлтэй хөдөлгөөнийг харуулж байна.