корреляция

Более 50% трейдеров торгуют одними и теми же инструментами в течении длительного времени, «не изменяя» своим принципам. Согласна, в чем-то это удобно.Например, фундаментальные показатели редко меняются и остается только технический анализ. Но с другой стороны со временем все больше и больше теряешь интерес, обыденность надоедает, как работа, которая не нравится, и семейные отношения, в которых нет своей «изюминки».

С одной стороны хочешь попробовать что-то новое, а с другой — «а вдруг не получится» постоянно останавливает на полпути к интересной сделке.

В таком случае что-то интересное можно найти и среди валют, которые Вам знакомы. Чтоб у Вас появился новый инструмент среди таких «фаворитов», как: EUR/USD, GBP/USD, USD/JPY, золото и нефть, — предлагаю рассмотреть пару двух долларов – австралийского и американского.

Почему именно они? Потому что именно сейчас эти валюты имеют отрицательную корреляцию, которая равна почти -1. И я имею ввиду не рост американца и снижение австралийца, а наоборот.

AUDUSD и GBPUSD синхронно протестировали динамические поддержки, образованные нисходящими трендовыми линиями от 09 дек и 29 дек, соответственно.

Продолжая наши разговоры о функциональных особенностях портала TradingView (также доступен на cМарт-лабе, при открытии графиков инструментов через функцию G), сегодня я покажу, как наиболее эффективным образом проводить визуальный корреляционный анализ между инструментами.

Стоит заметить, что традиционный корреляционный анализ доступен на многих сайтах в сети и его результаты представляют собой таблицу корреляций между рассматриваемыми инструментами при заданных параметрах.

В своих исследованиях я предпочитаю делать такой анализ визуально – то есть прямо на графике, сравнивая динамику интересных мне инструментов.

Это позволяет не только увидеть  саму корреляцию и оценить ее с точки зрения здравого смысла,  но проанализировать и многие другие аспекты динамики цен, например:

• разворотные точки, в которых инструменты поворачивали синхронно в ту или иную сторону.
• расскореляцию (отклонение) инструментов, что особенно интересно, если вы ищете аномальные ситуации на рынке.
• влияние прошедших новостных событий на несколько рассматриваемых инструментов.
• и так далее.

Интересные соображения по поводу вычисления правильной корреляции изложил в своем блоге Eran Raviv. По моему мнению данный подход можно попробовать использовать в статистическом арбитраже и парном трейдинге. Ниже даю полный перевод статьи с кодом на языке R.

В случае постоянной скорости, время и расстояние полностью коррелированы. Дайте мне одну переменную, я дам вам другую. Когда две переменные не имеют ничего общего между собой, мы говорим, что они не коррелированы.

Вы думаете, что это все, что можно сказать, но это не так. Как правило, ситуация более сложная. В большинстве обычных применений используется корреляция Пирсона. Коэффициент корреляции Пирсона отражает линейную зависимость. Поэтому мы говорим, что это параметрический показатель. На самом деле он может возвращать ноль даже если две переменные полностью зависимы ( наглядно показано здесь).

Bloomberg утверждает, что корреляция между мировыми ценами на нефть и курсом рубля по отношению к другим валютам достигла рекордного показателя с 2003 года. Отмечается, что уровень линейной взаимосвязи между показателями достиг 82% и в ближайшее время останется на предельно высоком уровне. Нефтяные цены остаются главным драйвером, который определяет динамику курса рубля, утверждают американцы.

Интересно, почему они заговорили об этой корреляции именно сейчас?))

Игорь Суздальцев
Редактор видеопортала трейдеров YouTade.TV


  

import numpy as np
# создаем массив чисел, равномерно распределенных от -1 до 1
x = np.random.uniform(-1, 1, 10000000)
# каждое число возводим в квадрат (можно еще вычесть 1/3, если хотим нулевое матожидание)
y = x**2
# y полностью определяется x, значит x и y коррелированы в широком смысле
# но вычисление ЛИНЕЙНОГО коэффициента корреляции дает 0 (+- с учетом случайного разброса)
print(np.corrcoef(x,y))