Это важно, чтобы свести его к минимуму. Давайте посмотрим, как это сделать в Python с акциями Boeing и Medtronic.
Если вы занимаетесь финансами и трейдингом или просто хотите защитить свой портфель от риска потерять все, вам нужно знать, как оценивать корреляцию данных по акциям.
Последнее, что вам нужно, это чтобы в вашем портфеле были акции, которые движутся в корреляции друг с другом, особенно если они на самом деле являются акциями с отрицательной корреляцией.
Это именно та корреляция, которую вам нужно знать, как вычислить ее в Python, чтобы вы могли сделать свой выбор соответствующим образом.
Отказ от ответственности. Эта запись в блоге написана только в образовательных целях. Никаких советов по инвестированию или продвижения каких-либо акций нет.
1. Конкретный вариант использования: Boeing и Medtronic
Вы ищете акции для инвестиций, и вас привлекают Boeing и Medtronic. Boeing производит самолеты, а Medtronic производит медицинские устройства и оказывает медицинские услуги. Вы выбрали две отрасли и считаете, что диверсифицировали свой портфель.
Но так ли это? Давайте проверим это.
Сначала вам нужно получить данные о запасах для обеих компаний. Как и в моих предыдущих сообщениях в блоге, давайте импортируем yfinance и другие необходимые библиотеки:
Чтобы получить данные об акциях Boeing и Medtronic, мы будем использовать их тикеры:
2. График изменений и доходности цен на акции
Визуализация данных всегда полезна, поэтому давайте нанесем на график данные по акциям Boeing и Medtronic:
Из графика видно, что между двумя акциями существует визуальная корреляция: кажется, что движение их цены имеет схожие взлеты и падения.
3. Регрессионный анализ
Давайте проведем регрессионный анализ, чтобы продолжить наш анализ корреляции между этими двумя акциями: для этого мы используем метод журнала NumPy для расчета логарифмической доходности для обеих акций и назначаем им переменную доходность:
Мы снова можем наблюдать некоторое сходство в моделях волатильности.
Проведем регрессионный анализ.
Для этого мы будем использовать методы polyfit и polyval.
Наклон линии регрессии положительный, что подтверждает упомянутый выше постулат о положительной корреляции между БА и MDT.
4. Роллинг и статическая корреляция
В статистике мы часто хотим знать, как две переменные связаны друг с другом.
Коэффициент корреляции Пирсона, который является мерой линейной связи между двумя переменными, является одним из наиболее распространенных способов количественной оценки связи между двумя переменными в статистике.
Он имеет значение от -1 до 1 и рассчитывается следующим образом:
- -1 обозначает совершенно отрицательную линейную корреляцию между двумя переменными.
- 0 указывает на отсутствие линейной корреляции между двумя переменными.
- 1 обозначает совершенно положительную линейную корреляцию между двумя переменными.
Давайте посмотрим для нашего случая на статическую корреляцию с использованием метода .corr. Он сказал статический, поскольку анализирует его для всего набора данных:
У нас есть статическая корреляция 0,46. Это считается слабой корреляцией, так как 0,5–0,7 — умеренная, а более 0,7 — сильная.
Теперь давайте сосредоточимся на скользящей корреляции с использованием метода .rolling.
Скользящая корреляция рассматривает фиксированное окно во времени. Мы также построим линию статической корреляции оранжевым цветом, которую рассчитали только что.
Мы можем заметить, что скользящая корреляция в большинстве случаев положительна. Однако бывают периоды, когда он отрицательный. Это согласуется со статической корреляцией 0,46, близкой к среднему уровню.
Основываясь на этих элементах, мы можем сделать вывод, что цены на акции Boeing и Medtronic имеют низкую корреляцию и представляют меньший риск того, что в одно и то же время возникнут аналогичные модели цен на акции.
Заключение
Крайне важно быть осторожным и усердным при выборе акций для своего портфеля. С помощью всего нескольких строк кода Python вы можете определить, существует ли сильная корреляция между различными акциями. Это поможет вашему портфелю в такие времена, как нынешний медвежий рынок, предотвратив одновременное падение всех ваших акций.
Чтобы узнать больше об этом, получите мой бесплатный еженедельный информационный бюллетень «The Mindful Data Path».
Сообщения | Осознанный путь к данным (beehiiv.com)
Каждую неделю я упрощаю тему финансов. Я заставляю вас практиковать науку о данных со мной. Я даю вам один внимательный взгляд на один фрагмент данных.
Использованная литература:
Защита портфелей с помощью корреляционной диверсификации (investopedia.com)
Подпишитесь на DDIntel Здесь.
Посетите наш сайт здесь: https://www.datadriveninvestor.com
Присоединяйтесь к нашей сети здесь: https://datadriveninvestor.com/collaborate