Konsep ilmiah selalu populer. Kata kerja "berkorelasi" banyak digunakan oleh jurnalis dan politisi, terkadang tidak pada tempatnya. Biasanya istilah "korelasi" mengacu pada koneksi apa pun.

Orang-orang telah lama memperhatikan bahwa semua fenomena yang terjadi di planet kita, sampai batas tertentu, saling mempengaruhi. Tidak selalu mudah untuk menemukan hubungan di antara mereka, tetapi, bagaimanapun, mereka ada. Berbicara tentang saling ketergantungan peristiwa, kata "korelasi" sering digunakan. Paling sering digunakan oleh para ekonom dan analis.

Mari kita cari tahu apa arti sebenarnya dari konsep ini.

Korelasi: Definisi

Mungkin orang pertama di dunia ilmiah yang berbicara tentang korelasi adalah ahli paleontologi Georges Cuvier. Pada pergantian abad 18 dan 19, ia membuat sejumlah penemuan di bidang anatomi komparatif. Sebagai hasil dari penemuan ini, Cuvier merumuskan hukum rasio bagian, yang menurutnya perubahan struktur salah satu organ hewan menyebabkan perubahan struktur organ lain. Berdasarkan pengetahuan ini, Cuvier belajar untuk mengembalikan penampilan fosil hewan dari fragmen individu yang masih hidup.

Adapun statistik, konsep korelasi ditetapkan dalam ilmu ini kemudian - pada akhir abad ke-19, berkat ahli biologi Inggris Francis Galton.

Korelasi bukan sekedar relasi, melainkan relasi atau korelasi.

Rumus untuk mendapatkan koefisien korelasi diturunkan oleh mahasiswa Galton, matematikawan dan ahli biologi K. Pearson.

Koefisien korelasi

Korelasi adalah hubungan statistik dari setiap kuantitas independen satu sama lain. Diasumsikan bahwa segera setelah nilai salah satu parameter berubah, nilai yang lain juga berubah. Jika perubahan hanya berhubungan dengan karakteristik statistik individu, hubungan semacam ini dianggap statistik. Tidak ada korelasi dalam kasus ini.

Koefisien korelasi digunakan untuk menyatakan derajat saling ketergantungan. Kisaran nilai koefisien adalah dari -1 hingga +1.

• Jika korelasinya mutlak dan positif (+1), maka ketika satu sekuritas naik harga, yang lain akan naik harga pada tingkat yang sama.
• Berbicara tentang korelasi negatif mutlak, yang kami maksudkan adalah jika nilai satu sekuritas meningkat, maka nilai dari sekuritas yang berkorelasi negatif akan turun.
• Jika koefisien korelasinya nol, maka tidak ada saling ketergantungan antara pergerakan sekuritas: mereka acak.

Semakin tinggi nilai koefisiennya, semakin terlihat saling ketergantungan. Jika nilai koefisien lebih besar dari 0,5, maka hubungan tersebut diucapkan.

Harus diklarifikasi bahwa korelasi absolut sekuritas hanya ada di dunia yang ideal. Dalam kehidupan nyata, saham hanya berkorelasi sampai batas tertentu.

Korelasi pasangan

Istilah ini digunakan untuk merujuk pada hubungan antara dua besaran tertentu. Diketahui bahwa belanja iklan di Amerika Serikat berdampak signifikan terhadap volume PDB negara ini. Koefisien korelasi antar nilai tersebut berdasarkan hasil observasi yang berlangsung selama 20 tahun adalah 0,9699.

Contoh yang lebih “sederhana” adalah hubungan antara lalu lintas halaman toko online dan volume penjualannya.

Dan, tentu saja, hampir tidak ada yang akan menyangkal adanya hubungan antara suhu udara dan penjualan bir atau es krim.

Korelasi adalah saling ketergantungan dua kuantitas; koefisien korelasi merupakan indikator objektif yang menentukan derajat saling ketergantungan ini. Koefisien korelasi bisa positif dan negatif. Adapun sekuritas, mereka sangat jarang benar-benar berkorelasi.

Korelasi antara dua besaran adalah hubungan statistik di mana perubahan salah satu besaran menyebabkan perubahan sistematis pada besaran lainnya. Ukuran korelasi kuantitatif adalah koefisien korelasi linier (juga disebut koefisien korelasi Pearson), dihitung dengan rumus:

• r xy adalah koefisien korelasi dari nilai x dan y;
• d x adalah simpangan beberapa nilai deret x dari nilai rata-rata deret ini;
• d y adalah simpangan beberapa nilai deret y dari nilai rata-rata deret ini.

Kisaran kemungkinan nilai koefisien korelasi adalah antara +1 dan -1. Dalam hal ini, opsi berikut dimungkinkan:

• +1 - hubungan langsung antara kuantitas;
• |rxy| > 0,7 – ketergantungan yang nyata antara kuantitas;
• 0.4 < |r xy| >0,7 - ketergantungan yang cukup menonjol antara nilai-nilai;
• |rxy|< 0.4 – слабо выраженная зависимость между величинами;
• -1 - hubungan terbalik antara nilai-nilai.

Penting untuk dicatat bahwa semakin besar sampel nilai, semakin rendah modulus koefisien korelasi, kita dapat mengatakan bahwa ada hubungan antara x dan y. Sayangnya, ada jebakan dalam formula yang, dalam kaitannya dengan instrumen keuangan, dapat memainkan lelucon kejam pada investor. Dalam pembilang, penyimpangan besaran dapat memiliki tanda yang sama dan berbeda, sehingga hasil kali juga bisa positif dan negatif. Dalam penyebut, penyimpangan dikuadratkan, yang menjamin kepositifan penyebut. Untuk saat ini, kami hanya akan memperhatikannya, dan nanti kami akan kembali ke apa yang bisa terjadi.

Arti praktis dari menghitung korelasi antara instrumen keuangan adalah untuk memperoleh data fundamental penting yang diperlukan untuk membuat keputusan perdagangan. Reaksi pasar terhadap rilis berita ekonomi penting dinyatakan dalam fakta bahwa pada awalnya harga aset utama (emas, minyak, berjangka untuk indeks industri) bergerak, terkadang profitabilitas. Akibatnya, nilai tukar dan harga saham berubah. Dengan melacak hubungan masing-masing instrumen, serta hubungan sebab-akibat antara perubahan harga, Anda dapat dengan cepat merevisi rencana perdagangan dan investasi Anda. Selain itu, analisis korelasi digunakan dalam manajemen sebagai bagian wajib.

Anda dapat memvisualisasikan korelasi dua besaran dalam bentuk grafik dalam koordinat amplitudo waktu. Misalnya, dengan korelasi negatif, kami mendapatkan gambaran serupa:

Pengetahuan tentang korelasi aset mengurangi risiko portofolio

Misal ada 2 aset. Untuk mempermudah, mari kita bayangkan bahwa harga mereka bergantung pada waktu menurut hukum sinusoida. Kemudian, dengan korelasi +1, kita akan mendapatkan gelombang yang tumpang tindih dan pembukaan transaksi pada kedua aset akan setara dengan menggandakan posisi pada salah satunya. Korelasi -1, sebaliknya, berarti saling mengkompensasi keuntungan dan kerugian aset. Tentu saja, aset yang cocok umumnya tidak bergerak di sekitar level yang sama, tetapi cenderung meningkat seiring waktu. Selain itu, dengan beberapa aset, pertumbuhan aset lainnya memungkinkan meminimalkan total risiko portofolio:

Proses yang disebut penyeimbangan kembali portofolio memungkinkan Anda menghasilkan pendapatan dengan mengubah proporsi aset dalam portofolio. Ini paling mudah dicapai dengan korelasi negatif yang nyata. Misalkan awalnya portofolio berisi aset A dan B dengan korelasi terbalik dan rasio 1: 1, dengan jumlah total 1 juta rubel. Dalam enam bulan, aset A turun harganya sebesar 20% dan nilainya dari 500 ribu rubel awal menjadi 400 ribu rubel. Aset B, sebaliknya, tumbuh 20% dan nilainya naik menjadi 600 ribu rubel. Nilai total portofolio tidak berubah dan masih berjumlah 1 juta rubel. Sekarang kita transfer 50% aset B (300 ribu) ke A dan nilainya sekarang 700 ribu, dan aset B 300 ribu.

Dalam enam bulan ke depan, proses sebaliknya terjadi: aset kembali ke harga aslinya. Sekarang aset A berharga 840 ribu, bukan 700 ribu, dan aset B berharga 240 ribu, bukan 300 ribu.Oleh karena itu, nilai total portofolio adalah 1 juta 80 ribu rubel, mis. profitabilitasnya karena penyeimbangan kembali adalah 8% per tahun. Tanpa penyeimbangan kembali, pengembalian portofolio akan menjadi 0%. Situasi nyata jauh lebih rumit, karena korelasi sebagian besar instrumen adalah antara +0,5 dan -0,5. Jika kita mempertimbangkan grafik risk-return untuk rasio yang berbeda dari dua instrumen pada nilai korelasi yang berbeda, kita mendapatkan gambar berikut:

Seperti dapat dilihat, semakin rendah nilai koefisien korelasi instrumen, semakin besar kemungkinan pengembalian portofolio untuk nilai risiko yang sama, atau semakin rendah risiko untuk nilai pengembalian yang sama.

Korelasi forex

Strategi umum berdasarkan korelasi pasangan mata uang adalah bahwa jika terjadi penyimpangan tajam dari koefisien korelasi dari nilai saat ini, transaksi dibuka ke arah pemulihan nilai ini. Misalnya, jika pasangan EURUSD dan GBPUSD telah bergerak ke arah yang sama untuk waktu yang lama, maka dengan divergensi yang kuat, konvergensi dapat diharapkan jika divergensi tidak disebabkan oleh yang jangka panjang (misalnya, perubahan Nilai diskon).

Selain itu, korelasi pasangan mata uang digunakan dalam penilaian pasar yang komprehensif. Misalnya, pada malam krisis hipotek 2008-2009, ketika dolar Australia dan Selandia Baru, serta pound Inggris, memiliki tingkat suku bunga yang tinggi, strategi perdagangan yang disebut carry trade sangat berkembang. Ini terdiri dari fakta bahwa selama peristiwa yang menguntungkan untuk pasar saham, pasangan mata uang ini dengan yen, yang secara tradisional memiliki tingkat yang sangat rendah, tumbuh sangat aktif, dan mereka juga secara aktif menurun selama peristiwa buruk.

Terlepas dari kenyataan bahwa tidak ada korelasi yang dapat mempengaruhi secara mutlak semua interval waktu dan pergerakan mata uang multiarah dimungkinkan, tetapi pergerakan searah yang diucapkan, sebagai suatu peraturan, menunjukkan adanya "penggerak" fundamental yang sama. Ini membuatnya lebih mudah untuk merencanakan kesepakatan. Secara khusus, tidak masuk akal untuk mencari rollback dan bekerja dalam satu hari jika semua pasangan yang berkorelasi jelas menuju ke arah yang sama.

Anda dapat melihat tabel korelasi real-time dari pasangan mata uang dan beberapa instrumen lainnya di myfxbook.com/forex-market/correlation. Tabel ini menunjukkan bahwa pasangan EURUSD dan AUDCAD praktis tidak berkorelasi satu sama lain. Dalam kasus pembukaan transaksi simultan pada pasangan ini, Anda tidak perlu takut akan penjumlahan kerugian atau tumpang tindih keuntungan untuk satu pasangan dengan kerugian untuk pasangan lainnya.

Bagan ini menunjukkan bagaimana dolar Australia dan Selandia Baru, yang berkorelasi terbalik dengan mata uang safe-haven yen dan franc Swiss, naik kuat selama periode perbedaan suku bunga utama terbesar. Tren ini berbalik setelah periode penurunan suku bunga dimulai saat krisis hipotek semakin dalam.

Tidak ada akibat tanpa sebab

Korelasi harga aset agak mirip dengan tren: semakin lama interval waktu untuk perhitungannya, semakin lambat perubahannya. Tetapi ada sesuatu yang membedakan korelasi dari banyak metode lainnya. Ini dapat dihitung untuk pasangan aset yang tidak diperdagangkan di bursa mana pun (minyak-gas, minyak-emas), yang memungkinkan Anda untuk melengkapi gudang analis dengan informasi berharga yang memungkinkan Anda untuk "membaca pasar di antara grafik".

Setiap korelasi dari dua atau lebih kuantitas selalu memiliki hubungan sebab akibat. Salah satu kuantitas sangat menentukan, di mana yang lain (atau yang lain) bergantung. Korelasi di pasar saham tidak terkecuali. Misalnya, dalam pasangan minyak-gas, harga minyak sangat menentukan untuk waktu yang lama. Pada grafik di bawah ini, Anda dapat melihat bahwa perluasan penyebaran antara minyak dan gas karena peningkatan relatif tajam pada gas digantikan oleh pengembalian yang sama tajamnya ke keseimbangan relatif:

Pada saat yang sama, di pasangan aset lain, emas-minyak, emas sudah menentukan. Dengan ekspansi yang signifikan (naik atau turun tajam dalam minyak dengan emas yang lebih stabil), minyaklah yang mengembalikan keseimbangan yang terganggu:

Melacak perilaku aset "budak" ini, Anda dapat membuka transaksi untuk memulihkan saldo. Omong-omong, korelasinya sering didasarkan pada pengikatan mata uang tertentu ke aset komoditas. Mereka disebut demikian: "mata uang komoditas". Misalnya, dolar Kanada dan rubel sangat bergantung pada minyak. Dalam kedua kasus, korelasinya langsung: semakin mahal minyak, semakin tinggi nilai mata uang ini terhadap dolar AS.

Dalam kasus rubel, korelasi grafik sangat jelas sehingga dapat digunakan dalam strategi perdagangan. Pertimbangkan awal 2014. Minyak diperdagangkan sekitar $110 per barel, setelah itu naik sedikit lebih tinggi untuk sementara waktu. Rubel saat ini, sebaliknya, dari 33 ke dolar AS sebentar turun menjadi 36. Pada titik tertentu, korelasinya menjadi hampir terbalik, tetapi keseimbangan dengan cepat dipulihkan dan rubel kembali ke tingkat 33 per dolar, dengan patuh minyak berikut. Kita melihat contoh yang lebih mencolok pada akhir tahun 2014, ketika ada pelemahan mata uang rubel yang tajam dengan latar belakang penurunan minyak yang jauh lebih lancar. Dan kali ini, keseimbangan yang terganggu segera dipulihkan berkat penguatan rubel. Seiring waktu, korelasi dapat mengalami perubahan yang kuat dan bahkan berubah dari langsung menjadi terbalik. Ini terutama terlihat dalam kasus korelasi antara Dow Jones Industrial Average dan RTS.

Pada akhir 2007, ketika tanda-tanda pertama krisis hipotek mulai muncul di AS, indeks DJ turun, tetapi indeks RTS, berkat pertumbuhan aktif harga minyak, masih mendekati maksimum historisnya. Namun, di masa depan, kejatuhan tajam di semua indeks saham dunia juga berimbas pada minyak. Hal ini menyebabkan indeks RTS dalam hal tingkat penurunan hampir 2 kali lebih tinggi dari DJ. Selain minyak, arus keluar modal secara keseluruhan dari pasar negara berkembang juga mempengaruhi laju penurunan indeks RTS.

Namun, krisis itu berumur pendek dan sudah pada awal tahun 2009 digantikan oleh pertumbuhan ekonomi. Korelasi yang tinggi antara DJ dan RTS diamati hingga April 2012, yang ditandai dengan habisnya kemungkinan model bahan baku untuk pengembangan ekonomi Rusia. Mulai tahun ini, minyak mahal pun tidak lagi memberikan pertumbuhan ekonomi. Di masa depan, resesi ekonomi di Rusia hanya memburuk dengan latar belakang harga minyak yang lebih murah, sementara ekonomi Amerika menerima stimulus tambahan untuk pertumbuhan. Korelasi antara dan menjadi terbalik.

Dengan sendirinya, adanya korelasi antar aset tidak berarti memungkinkan untuk membangun strategi perdagangan atau investasi di sini. Katakanlah kita tertarik dengan korelasi saham IBM selama 12 bulan terakhir (lihat impactopia.com/correlation). Jadi, di tempat ke-4 dalam hal korelasi adalah Banco Santander (sekitar 0,43). Kemungkinan besar, ini hanya kebetulan atau cacat sistemik dalam metode penghitungan korelasi.

perangkap matematika

Seperti yang saya sebutkan di atas, rumus menghitung koefisien korelasi sangat sensitif terhadap tanda-tanda penyimpangan nilai dari nilai rata-ratanya. Jika penyimpangan ini sering memiliki tanda yang sama, maka diperoleh nilai koefisien korelasi yang tinggi. Tetapi apakah nilai ini masuk akal? Jawabannya sama sekali tidak jelas. Mari kita pertimbangkan contoh praktis. Misalkan, pada grafik dua kuantitas pada saat yang sama ada:

Kemudian nilai-nilai baru dari besaran-besaran ini akan muncul secara sistematis pada sisi yang sama dari nilai rata-ratanya. Ini akan menghasilkan korelasi positif yang tinggi. Sayangnya, informasi ini tidak akan berguna, karena. kecuali adanya celah, tidak ada kesamaan antara grafik. Ini hanyalah contoh nyata dari fakta bahwa ketika menghitung korelasi, hanya diperbolehkan menggunakan rangkaian nilai stasioner, mis. seri yang tidak memiliki komponen tren. Artinya, perhitungan korelasi dalam dunia aset keuangan mau tidak mau mengarah pada penilaian yang berlebihan terhadap signifikansi faktor-faktor yang sebenarnya bersifat acak. Pahami dengan benar: penting untuk tidak mencari faktor-faktor ini dan memperkenalkan koreksi khusus untuk mereka, tetapi untuk menunjukkan esensi dari fenomena tersebut dan tidak mencari Grail lain di tempat yang tidak ada.

Namun, tidak semuanya begitu buruk. Ada cara untuk menghindari pengaruh tren dengan menghitung korelasi bukan dari harga itu sendiri, tetapi dari kenaikannya. Kemudian kesenjangan yang disebutkan di atas akan menjadi outlier statistik, yang praktis tidak mempengaruhi hasil. Tetap hanya menunggu sampai pendekatan seperti itu berlaku. Tidak selalu mungkin untuk menemukan data baru tentang korelasi aset. Dalam kasus seperti itu, mereka dapat dihitung menggunakan Microsoft Excel. Untuk melakukan ini, tanda kutip ditulis sebagai dua rentang sel, dan kemudian fungsi dari formulir berikut ditulis di salah satu sel bebas: =CORREL (array 1; array 2). Array mungkin terlihat seperti ini, misalnya: A1:A100. Untuk menghitung korelasi dengan kenaikan harga, program ini berguna ganda, karena berdasarkan harga penutupan, Anda harus terlebih dahulu menghitung kenaikan itu sendiri.

Ringkasan

Korelasi antara harga aset merupakan alat penting untuk analisis data dan manajemen risiko dalam investasi portofolio. Tetapi, seperti semua pendekatan statistik, ini bukannya tanpa kelemahan serius:

• adanya korelasi yang nyata antara data di masa lalu tidak dapat menjaminnya di masa depan;
• model matematika yang digunakan memiliki kesalahan besar selama periode tren.

Penggunaan pendekatan korelasi akan membawa manfaat yang maksimal di samping metode analisis dan pengelolaan uang lainnya. Dalam komentar, saya mengusulkan untuk membahas bagaimana Anda dapat memperoleh penghasilan dari korelasi aset tertentu. Saya memberikan contoh saya di artikel, saya menunggu Anda untuk berdiskusi.

Semua untung!

Salam untuk semua pembaca portal Pamm-Trade! Nama saya Oleg Zolotarev. Saya seorang pelajar dan pedagang sukses di pasar opsi biner.

Korelasi - apa itu? Nama besar - makna sederhana!

Hari ini saya ingin memberi tahu Anda tentang istilah yang sangat menarik dengan nama "korelasi" yang mengerikan. Sebenarnya, tidak ada yang mengerikan di sini, karena korelasi hanyalah tingkat ketergantungan antara dua fenomena atau objek.

Konsep ini sangat banyak digunakan dalam matematika, biologi, ekonomi, statistika, psikologi, dan hanya dalam kehidupan sehari-hari. Ingat ungkapan dari kartun tentang Winnie the Pooh: "Sepertinya akan turun hujan"? Ini adalah contoh dasar korelasi. Ketika kita melihat ke langit dan melihat awan tebal di sana, kita menyimpulkan bahwa mungkin akan turun hujan. Namun, dia mungkin tidak pergi. Ini adalah poin utama yang membedakan korelasi dari dependensi linier ketat, seperti y = f (x).

Korelasi adalah ketergantungan karena adanya sejumlah faktor acak. Oleh karena itu, disebut juga ketergantungan statistik. Misalnya, seseorang dapat membuat asumsi bahwa kejahatan meningkat dengan pengangguran. Namun, seseorang tidak dapat 100% yakin akan hal ini. Lagi pula, hasil akhir dalam hal ini juga dipengaruhi oleh mentalitas orang, pengasuhan mereka, lingkungan, dll. Dengan demikian, korelasi memberikan hubungan yang mendekati tetapi tidak tepat. Selalu ada faktor eksternal yang dapat mempengaruhi hasil, yang berarti tidak mungkin untuk membuat ramalan yang akurat.

Jadi, kita telah membahas konsep umum, dan sekarang mari kita bicara tentang apa dan bagaimana hubungan ini diungkapkan. Hubungan antar fenomena ditentukan oleh koefisien korelasi. Dia bisa menjadi sangat kuat. Misalnya, masing-masing dari kita tidak diragukan lagi dapat mengatakan bahwa dengan meningkatnya tingkat radiasi, kesehatan kita memburuk. Dalam contoh ini, kita melihat hubungan yang berbanding terbalik: semakin tinggi radiasi, semakin buruk kesehatan manusia. Dalam hal ini koefisien korelasi cenderung bernilai -1 dan mencerminkan korelasi yang negatif.

Kebetulan fenomena atau objek tidak terhubung dengan cara apa pun, misalnya pidato tahun baru presiden sama sekali tidak terpengaruh oleh berapa banyak botol sampanye yang Anda minum sehari sebelumnya. Dalam hal ini, koefisien korelasi adalah nol.

Jika koefisien cenderung ke nilai +1, maka korelasi positif diamati. Misalnya, semakin banyak ambisi yang dimiliki seseorang dan semakin tinggi tingkat kecerdasannya, semakin besar kemungkinan mereka untuk mengambil posisi kepemimpinan.

Terjemahan langsung dari kata "korelasi" terdengar seperti rasio. Bagaimana satu fenomena berhubungan dengan yang lain? Pemanasan global telah menyebabkan serangkaian tornado di Amerika Serikat. Hubungan antara peristiwa-peristiwa ini pasti ada, dan ini memungkinkan untuk mengajukan hipotesis tentang hubungan sebab-akibat mereka. Ini hanya mungkin dengan objek yang berkorelasi. Jika tidak ada hubungan antara fenomena dan objek, maka tidak ada korelasi juga.

Sekarang mari kita lihat bagaimana korelasi dapat membantu seorang investor?

Korelasi aset investasi: bagaimana cara kerjanya?

Berapa banyak investor yang menggunakan prinsip korelasi dalam portofolio investasinya? Saya kira tidak demikian. Namun, perannya sangat diremehkan. Lagi pula, semua orang tahu bahwa tidak mungkin menyimpan telur dalam satu keranjang, dengan kata lain, risiko perlu didiversifikasi. Lalu mengapa tidak meningkatkan hasil dengan bantuan korelasi?

Misalnya, Anda telah memutuskan untuk menggunakan metode diversifikasi dalam aktivitas investasi Anda dan membeli, selain saham satu emiten besar, juga saham perusahaan kecil. Tahukah Anda bahwa saham usaha raksasa dan saham usaha kecil memiliki koefisien korelasi sebesar +0,79? Meskipun ini bukan satu kesatuan, itu juga merupakan nilai yang cukup tinggi. Dan seperti yang telah kita ketahui, korelasi positif menunjukkan hubungan langsung: jika saham perusahaan besar jatuh, maka ada kemungkinan penurunan harga sekuritas dan perusahaan kecil. Dalam hal ini, ketika melakukan diversifikasi, lebih baik memilih aset yang tidak memiliki korelasi.

Misalnya, saham dan obligasi atau saham dan treasury bill. Adapun obligasi, mereka sangat berkorelasi satu sama lain, seperti halnya saham. Koefisien dalam hal ini bisa mencapai 0,9. Jika Anda tidak tahu bagaimana sekuritas ini berbeda satu sama lain, maka saya menyarankan Anda untuk membaca artikel Viktor Samoilov. Di dalamnya Anda tidak hanya dapat menemukan interpretasi yang dapat diakses dari istilah-istilah ini dan fitur-fiturnya masing-masing, tetapi juga kemungkinan menghasilkan dari sekuritas ini.

Selain korelasi antar surat berharga, juga terjadi ketergantungan antar daerah. Lebih sering daripada tidak, semakin dekat jaraknya, semakin tinggi korelasinya. Misalnya, jika kita mengambil AS dan Kanada, maka koefisien korelasinya sekitar 0,9. Seiring bertambahnya jarak, begitu pula hubungan. Di AS dan Jepang, nilai ini sudah kurang dari 0,5. Dengan demikian, dimungkinkan untuk mendiversifikasi risiko dengan bantuan satu aset, misalnya, saham, tetapi dalam kasus membelinya dari penerbit dari berbagai belahan dunia.

Apa aset lain dan bagaimana mereka berkorelasi satu sama lain? Sekuritas dan emas praktis tidak memiliki ketergantungan (korelasinya nol). Tetapi emas dan perak adalah dua aset yang saling bergantung, jadi tidak masuk akal untuk menggunakannya sebagai diversifikasi dalam satu portofolio. Apa yang terjadi pada dolar AS ketika euro terapresiasi? Ini semakin murah. Jadi korelasi antara mata uang ini negatif.

Saat memperdagangkan opsi biner, saya juga menggunakan korelasi. Jika Anda belum berhasil mengetahui apa perbedaan antara opsi biner dan opsi pertukaran biasa, maka saya menyarankan Anda untuk menonton video ini:

Paling sering saya bekerja dengan pasangan mata uang. Setiap pedagang bahkan dengan sedikit pengalaman tahu bahwa pasangan mata uang bergantung satu sama lain (berkorelasi). Misalnya, penurunan EUR/USD dapat menyebabkan penurunan GBP/USD. Demikian pula, pertumbuhan pasangan USD/CHF dapat mempengaruhi pertumbuhan USD/CAD. Jika Anda seorang pemula dan tidak tahu mata uang mana yang terkait dengan dolar atau euro dan bagaimana mereka berinteraksi satu sama lain, itu tidak masalah. Victor Samoilov mengembangkan strategi khusus untuk tujuan ini. Prinsip yang ditetapkan di dalamnya hanya mencerminkan korelasi. Jika sistem memperbaiki kenaikan kurs pasangan EUR/USD, maka sistem akan memberi Anda tip untuk pembelian aktif untuk pasangan lain yang memiliki korelasi positif tinggi dengannya. Jika korelasinya negatif, maka petunjuknya adalah menjual opsi secara aktif. Cara kerjanya dalam praktek, Anda dapat melihat dari video berikut:

Dari semua ini, kita dapat menyimpulkan bahwa tanpa memperhitungkan korelasi, tidak mungkin untuk melakukan diversifikasi yang benar. Dan ini secara langsung akan mempengaruhi efisiensi portofolio investasi. Untuk menambah modal (belum lagi bagaimana cara menyimpannya), faktor ini perlu diperhitungkan. Untuk pedagang opsi biner, juga sangat penting untuk memperhitungkan koefisien korelasi, keakuratan ramalan akan sangat bergantung pada ini.

Hari ini saya memberi tahu Anda tentang satu strategi yang paling relevan dengan masalah kita. Namun, Viktor Samoilov memiliki sejumlah besar strategi lain yang sama efektifnya di gudang senjatanya. Saya tidak memiliki kesempatan untuk mempertimbangkan semuanya dalam kerangka artikel ini. Tetapi jika Anda memiliki keinginan untuk tidak ketinggalan informasi penting (termasuk strategi perdagangan), Anda dapat berlangganan buletin kami menggunakan formulir di bawah ini:

Dapatkan petunjuk langkah demi langkah untuk menghasilkan uang!

Apa itu Korelasi? Arti kata "Korelasi" dalam kamus dan ensiklopedia populer, contoh penggunaan istilah dalam kehidupan sehari-hari.

korelasi - kamus medis

(dalam statistik) sejauh mana satu karakteristik mempengaruhi yang lain, dan karakteristik ini saling berhubungan dan membentuk pasangan. Karakteristik pasangan tersebut dapat direpresentasikan pada grafik sebagai rangkaian titik. Jika semua titik dalam diagram pencar yang dihasilkan cocok pada garis lurus (yang bukan horizontal atau vertikal), maka koefisien korelasi dapat bervariasi dari +1 (jika peningkatan satu variabel disertai dengan peningkatan yang sesuai pada variabel lain) hingga -1 (jika peningkatan dalam satu variabel disertai dengan penurunan konstan pada variabel lain); koefisien korelasi sama dengan 0 menunjukkan bahwa tidak ada ketergantungan antara dua karakteristik yang dipertimbangkan dan mereka cocok pada satu garis lurus. Koefisien regresi adalah ukuran rata-rata sejauh mana peningkatan dalam satu karakteristik mempengaruhi peningkatan/penurunan karakteristik lainnya. Jika perlu untuk mengevaluasi kontribusi beberapa faktor terhadap perkembangan penyakit tertentu, maka kontribusi relatif dari masing-masing faktor dapat dihitung dengan menggunakan metode statistik, misalnya, analisis multivariat.

korelasi - Kamus Psikologi

korelasi - kamus sosiologi

Hubungan yang stabil antara dua besaran ukur atau variabel yang dinyatakan dalam bentuk statistik. Korelasi bisa positif dan negatif.

korelasi - Ensiklopedia Psikologi

Sejauh mana dua atau lebih variabel terkait satu sama lain.

korelasi - kamus ekonomi

Ukuran atau luasnya hubungan statistik antara dua atau lebih variabel.

Korelasi (dalam Statistik Ekonomi) - kamus ekonomi

konsep yang mencerminkan adanya hubungan antara fenomena, proses, dan kuantitas yang mencirikannya.

Korelasi Biserial - kamus sosiologi

Korelasi antara variabel dikotomis dan variabel kuantitatif, menunjukkan bahwa variabel dikotomis dibentuk dengan mengelompokkan variabel kuantitatif menjadi dua interval. Menunjukkan apa korelasi linier antara variabel yang diberikan jika variabel dikotomis adalah kuantitatif. Diukur dengan menggunakan K.B. rbis, yang dihitung menggunakan rumus koefisien korelasi linier Pearson. O.V. Tereshchenko

Korelasi Biserial - Ensiklopedia Psikologi

Korelasi J. - Kamus Penjelasan Efremova

1. Hubungan timbal balik, korelasi objek, fenomena atau konsep.

Korelasi Dan Regresi - Kamus Psikologi

(korelasi dan regresi) Pertimbangan K. dan R. dibangun di sekitar dasar-dasar berikut. pertanyaan: (a) Apakah ada hubungan antara variabel X dan Y sehingga, dengan nilai X yang kita ketahui, kita dapat, setidaknya dengan tingkat akurasi yang wajar, memprediksi nilai Y? b) Berapakah kekuatan (atau keketatan) hubungan antara variabel X dan Y ini? c) Mengingat hubungan antara X dan Y seperti itu, apa aturan optimal (atau, secara matematis, persamaan) untuk memprediksi Y dari X, dan seberapa baik itu dibenarkan? Ketika kita memperhatikan estimasi keketatan atau derajat hubungan (tepatnya, derajat hubungan linier), kita berurusan dengan K. Istilah "R." mengacu pada masalah yang berkaitan dengan memprediksi nilai satu variabel dari nilai-nilai lain Koefisien korelasi Koefisien K dari produk momen Pearson (r), - lebih sering disebut hanya koefisien K. - adalah indikator kekuatan hubungan linier antara dua variabel dan bervariasi dari +1 sampai -1. Nilai koefisien K. Pearson yang nol menunjukkan tidak adanya hubungan linier antara X dan Y; nilai positif dari koefisien ini menunjukkan adanya tren kenaikan Y seiring dengan kenaikan X, sedangkan nilai negatifnya menunjukkan adanya tren yang berlawanan: penurunan Y saat X meningkat. K bujursangkar antara X dan Y akan terjadi jika nilai Y dapat diprediksi secara akurat dari nilai X menggunakan persamaan prediksi bentuk Y = aX + b, di mana a dan b adalah konstanta terpilih yang sesuai. Untuk a > 0, K positif lengkap (+1) akan diamati, dan untuk a, korelasi (-1). Persamaan berbentuk Y \u003d aX + b disebut persamaan linier, karena ketika memplot fungsi Y dari X, semua titik (X, Y) yang memenuhi persamaan ini terletak pada garis lurus. Koefisien K. Pearson merupakan indikator derajat hubungan linier, dan bukan hubungan sama sekali. Misalnya, ini mungkin menunjukkan tidak adanya K. (r = 0) antara dua variabel yang terkait dengan hubungan non-linier fungsional. Karena keterbatasan ini, koefisien Pearson cenderung meremehkan derajat hubungan antar variabel. Terlepas dari kenyataan bahwa ada beberapa berbeda, meskipun rumus yang setara untuk menghitung koefisien K. Pearson, rumus perhitungan yang paling terkenal adalah sebagai berikut: , di mana N adalah jumlah perkiraan berpasangan untuk X dan Y. Perhatian harus dilakukan saat menafsirkan koefisien K.. Fakta K. antara variabel X dan Y saja masih belum cukup untuk secara otomatis menyimpulkan bahwa ada hubungan kausal di antara mereka. X dapat dikorelasikan dengan Y karena: a) perubahan X menyebabkan perubahan Y; b) perubahan Y menyebabkan perubahan X; c) perubahan variabel lain menyebabkan perubahan pada X dan Y. Misalnya, untuk siswa sekolah dasar, volume kosakata berkorelasi positif dengan pertumbuhan mereka, karena kedua variabel ini terkait dengan usia. Selain itu, koefisien K. Pearson dapat menurun karena "keterbatasan luas sampel". Perbandingan studi korelasi dan eksperimen Eksperim. riset melibatkan manipulasi satu atau lebih variabel bebas dan sering kali menghasilkan rumusan pernyataan sebab akibat tentang pengaruh variabel bebas terhadap variabel terikat. Kebenaran pernyataan tersebut, sebagai suatu peraturan, dipastikan oleh tiga kondisi berikut: a) pada tahap awal penelitian. eksperimental kelompok tidak boleh berbeda secara sistematis pada semua variabel terkontrol; b) kelompok-kelompok ini terkena pengaruh yang sama dari semua faktor yang dikendalikan, kecuali untuk pengaruh variabel bebas; c.setelah percobaan dampak yang disebabkan oleh manipulasi variabel independen, kelompok-kelompok tersebut secara andal berbeda di antara mereka sendiri dalam hal tingkat variabel dependen. Penelitian korelasi. tidak melibatkan manipulasi variabel bebas dan dalam bentuknya yang paling sederhana direduksi menjadi mengukur sejumlah variabel dan menentukan kekuatan hubungan di antara mereka. Meskipun studi semacam itu memberikan kami informasi. tentang tingkat koneksi dan bahkan memungkinkan kita untuk memprediksi nilai beberapa variabel dari data yang kita miliki dalam kaitannya dengan variabel lain, mereka, sebagai suatu peraturan, tidak memungkinkan kita untuk menarik kesimpulan tentang hubungan sebab akibat antara variabel. Namun, di zaman kita, metode analisis statistik tersedia bagi para peneliti, sehingga memungkinkan untuk memeriksa bagaimana galaksi korelasi tertentu konsisten dengan model hubungan sebab-akibat tertentu. Faktor parsial K. rXY.W merupakan indikator kekuatan hubungan linier antara variabel X dan Y dengan tidak memasukkan pengaruh variabel W. Ini juga memungkinkan Anda untuk "menghapus" pasangan K. dari campuran pengaruh lebih dari satu variabel. Korelasi Berganda Misalkan kita ingin membuat prediksi terbaik dari variabel Y (kriteria atau variabel dependen) berdasarkan sejumlah variabel lain X1, X2, X3, ..., Xp (prediktor atau variabel independen). Misalnya, kami ingin memprediksi keberhasilan sekolah pascasarjana berdasarkan nilai siswa dan nilai Graduate Writing Examination (GRE). Dengan menggunakan metode membangun regresi berganda, kita dapat memperoleh ekspresi dalam bentuk: b0 + b1X1 + ... + bpXp, di mana b0, b1, ... bp adalah konstanta terpilih yang tepat yang memprediksi Y secara optimal. Koefisien kelipatan K ., r, mewakili adalah koefisien K. dari produk momen Pearson antara prediksi terbaik dan nilai aktual dari variabel yang diprediksi, dan dengan demikian berfungsi sebagai ukuran kebenaran prediksi berdasarkan regresi berganda. Lihat juga Metode Korelasi, Statistik dalam Psikologi A.D. Vell

Korelasi Dan Regresi - Ensiklopedia Psikologi

(korelasi dan regresi) Pertimbangan K. dan R. dibangun di sekitar dasar-dasar berikut. pertanyaan: a) apakah ada hubungan antara variabel X dan Y sehingga, dengan nilai X yang kita ketahui, kita dapat, setidaknya dengan tingkat akurasi yang wajar, memprediksi nilai Y? b) Berapakah kekuatan (atau keketatan) hubungan antara variabel X dan Y ini? c) Mengingat hubungan antara X dan Y seperti itu, apa aturan optimal (atau, secara matematis, persamaan) untuk memprediksi Y dari X, dan seberapa baik itu dibenarkan? Ketika kita memperhatikan estimasi keketatan atau derajat hubungan (tepatnya, derajat hubungan linier), kita berurusan dengan K. Istilah "R." mengacu pada masalah yang berkaitan dengan memprediksi nilai satu variabel dari nilai-nilai lain Koefisien korelasi Koefisien K dari produk momen Pearson (r), - lebih sering disebut hanya koefisien K. - adalah indikator kekuatan hubungan linier antara dua variabel dan bervariasi dari +1 sampai -1. Nilai koefisien K. Pearson yang nol menunjukkan tidak adanya hubungan linier antara X dan Y; nilai positif dari koefisien ini menunjukkan adanya tren kenaikan Y seiring dengan kenaikan X, sedangkan nilai negatifnya menunjukkan adanya tren yang berlawanan: penurunan Y saat X meningkat. K bujursangkar antara X dan Y akan terjadi jika nilai Y dapat diprediksi secara akurat dari nilai X menggunakan persamaan prediksi bentuk Y = aX + b, di mana a dan b adalah konstanta terpilih yang sesuai. Untuk a > 0, K positif lengkap (+1) akan diamati, dan untuk a, korelasi (-1). Persamaan berbentuk Y \u003d aX + b disebut persamaan linier, karena ketika memplot fungsi Y dari X, semua titik (X, Y) yang memenuhi persamaan ini terletak pada garis lurus. Koefisien K. Pearson merupakan indikator derajat hubungan linier, dan bukan hubungan sama sekali. Misalnya, ini mungkin menunjukkan tidak adanya K. (r = 0) antara dua variabel yang terkait dengan hubungan non-linier fungsional. Karena keterbatasan ini, koefisien Pearson cenderung meremehkan derajat hubungan antar variabel. Terlepas dari kenyataan bahwa ada beberapa berbeda, meskipun rumus yang setara untuk menghitung koefisien K. Pearson, rumus perhitungan yang paling terkenal adalah sebagai berikut: , di mana N adalah jumlah perkiraan berpasangan untuk X dan Y. Perhatian harus dilakukan saat menafsirkan koefisien K.. Fakta K. antara variabel X dan Y saja masih belum cukup untuk secara otomatis menyimpulkan bahwa ada hubungan kausal di antara mereka. X dapat dikorelasikan dengan Y karena: a) perubahan X menyebabkan perubahan Y; b) perubahan Y menyebabkan perubahan X; c) perubahan variabel lain menyebabkan perubahan pada X dan Y. Misalnya, untuk siswa sekolah dasar, volume kosakata berkorelasi positif dengan pertumbuhan mereka, karena kedua variabel ini terkait dengan usia. Selain itu, koefisien K. Pearson dapat menurun karena "keterbatasan luas sampel". Perbandingan studi korelasi dan eksperimen Eksperim. riset melibatkan manipulasi satu atau lebih variabel bebas dan sering kali menghasilkan rumusan pernyataan sebab akibat tentang pengaruh variabel bebas terhadap variabel terikat. Kebenaran pernyataan tersebut, sebagai suatu peraturan, dipastikan oleh tiga kondisi berikut: a) pada tahap awal penelitian. eksperimental kelompok tidak boleh berbeda secara sistematis pada semua variabel terkontrol; b) kelompok-kelompok ini terkena pengaruh yang sama dari semua faktor yang dikendalikan, kecuali untuk pengaruh variabel bebas; c.setelah percobaan dampak yang disebabkan oleh manipulasi variabel independen, kelompok-kelompok tersebut secara andal berbeda di antara mereka sendiri dalam hal tingkat variabel dependen. Penelitian korelasi. tidak melibatkan manipulasi variabel bebas dan dalam bentuknya yang paling sederhana direduksi menjadi mengukur sejumlah variabel dan menentukan kekuatan hubungan di antara mereka. Meskipun studi semacam itu memberikan kami informasi. tentang tingkat koneksi dan bahkan memungkinkan kita untuk memprediksi nilai beberapa variabel dari data yang kita miliki dalam kaitannya dengan variabel lain, mereka, sebagai suatu peraturan, tidak memungkinkan kita untuk menarik kesimpulan tentang hubungan sebab akibat antara variabel. Namun, di zaman kita, metode analisis statistik tersedia bagi para peneliti, sehingga memungkinkan untuk memeriksa bagaimana galaksi korelasi tertentu konsisten dengan model hubungan sebab-akibat tertentu. Faktor parsial K. rXY.W merupakan indikator kekuatan hubungan linier antara variabel X dan Y dengan tidak memasukkan pengaruh variabel W. Ini juga memungkinkan Anda untuk "menghapus" pasangan K. dari campuran pengaruh lebih dari satu variabel. Korelasi Berganda Misalkan kita ingin membuat prediksi terbaik dari variabel Y (kriteria atau variabel dependen) berdasarkan sejumlah variabel lain X1, X2, X3, ..., Xp (prediktor atau variabel independen). Misalnya, kami ingin memprediksi keberhasilan sekolah pascasarjana berdasarkan nilai siswa dan nilai Graduate Writing Examination (GRE). Dengan menggunakan metode membangun regresi berganda, kita dapat memperoleh ekspresi dalam bentuk: b0 + b1X1 + ... + bpXp, di mana b0, b1, ... bp adalah konstanta terpilih yang tepat yang memprediksi Y secara optimal. Koefisien kelipatan K ., r, mewakili adalah koefisien K. dari produk momen Pearson antara prediksi terbaik dan nilai aktual dari variabel yang diprediksi, dan dengan demikian berfungsi sebagai ukuran kebenaran prediksi berdasarkan regresi berganda. Lihat juga Metode Korelasi, Statistik dalam Psikologi A.D. Vell

Korelasi Kanonik – kamus sosiologi

Bahasa inggris korelasi, kanonik(al); Jerman Korelasi, kanonische. Sebuah generalisasi dari korelasi pasangan yang digunakan untuk menentukan hubungan antara dua kelompok fitur.

Korelasi Kanonik – kamus sosiologi

Sebuah generalisasi dari korelasi pasangan yang digunakan untuk menentukan hubungan antara dua kelompok fitur. Resmi analisis, yaitu, metode menemukan K.K., didasarkan pada konstruksi kombinasi linier tanda-tanda dari satu dan kelompok lain sedemikian rupa sehingga koefisien korelasi pasangan yang biasa antara kombinasi ini mencapai nilai maksimumnya. Koefisien maksimum seperti itu disebut kanonik pertama. koefisien korelasi, dan kombinasi linier yang sesuai dari dua kelompok tanda disebut. kanonik pertama kuantitas. Lihat Kendall MJ, Stewart A. Analisis statis multivariat dan deret waktu. M., 1976; Wold G. Model perjalanan dengan variabel laten // Matematika dalam sosiologi: pemodelan dan pemrosesan informasi M., 1977; Bolch B., Huan K.J. Metode statistik multidimensi untuk ekonomi. M., 1979; Dubrovsky S.A. Analisis Statistik Multivariat Terapan 1982; Lipovetsky S.S. Beberapa model analisis meriam sebagai bentuk ekstrem kuadrat dan bilinear//Penerapan metode matematis secara komprehensif dalam penelitian sosiologis. M., 1983; Van den Wollenberg A.L. Redundansi: Sebuah alternatif untuk analisis korelasi kanonik//Psychometrica. 1977 Jil. 42, nomor 2. C.C. Lipovetsky, L.G. Badalyan.

Korelasi Linier – kamus sosiologi

Bahasa inggris korelasi, linier; Jerman Korelasi, linier. Korelasi yang rasio derajat perubahan suatu variabel terhadap derajat perubahan variabel lain adalah konstan.

Istilah "korelasi" membuat takut banyak orang dan tampaknya menjadi sesuatu yang rumit dan tidak dapat dipahami. Namun, dalam praktiknya tidak ada yang menakutkan di dalamnya. Korelasi hanyalah indikator yang menunjukkan hubungan antara peristiwa atau objek.

Konsep ini digunakan dalam analisis ekonomi dan statistik, psikologi, biologi, matematika. Misalnya, jika Anda melihat ke langit dan melihat awan tebal dan gelap, Anda dapat menyimpulkan bahwa akan segera turun hujan. Namun, kesimpulan kami tidak memberikan jaminan 100%. Ini adalah ciri pembeda korelasi dari ketergantungan linier.

Apa itu korelasi?

Korelasi adalah saling ketergantungan faktor acak. Ini menampilkan hubungan perkiraan dan tidak memberikan jawaban yang tepat. Misalnya, pengangguran meningkat di negara ini dan jumlah kejahatan meningkat. Dapat diasumsikan bahwa faktor kedua dipengaruhi oleh faktor pertama. Namun tingkat kriminalitas juga dipengaruhi oleh pola asuh, mentalitas masyarakat, tingkat pendidikan. Tidak mungkin membuat ramalan yang akurat, karena selalu ada faktor tambahan.

Hubungan antar peristiwa ditandai dengan koefisien korelasi. Nilai koefisien bervariasi dari -1 hingga +1.

Komunikasi dapat terdiri dari tiga jenis:

• kuat;
• lemah;
• absen.

Misalnya, peningkatan tingkat radiasi berdampak buruk bagi kesehatan manusia. Ada hubungan terbalik antara peristiwa - peningkatan radiasi menyebabkan penurunan kesehatan. Koefisien korelasi dalam hal ini bernilai negatif.

Beberapa peristiwa atau fenomena praktis tidak berhubungan satu sama lain. Di pagi hari telepon Anda kehabisan daya, dan kemarin seorang pria menginjak kaki Anda di minibus. Tidak ada peristiwa yang mempengaruhi yang lain. Dalam hal ini, koefisien korelasi adalah nol.

Jika koefisien lebih besar dari nol dan cenderung ke 1, maka korelasi tersebut disebut positif. Ini menunjukkan hubungan langsung antara peristiwa. Misalnya, semakin tinggi tingkat pengetahuan, semakin tinggi peluang masuk universitas dengan anggaran terbatas.

Analisis korelasi membantu untuk mengajukan hipotesis tentang hubungan sebab akibat.

Korelasi antara harga minyak dan nilai tukar dolar

Harga minyak dan nilai tukar dolar AS berkorelasi terbalik. Dengan peningkatan biaya "emas hitam", nilai tukar dolar menurun dan sebaliknya.

Amerika Serikat memiliki industri paling kuat di dunia dan membutuhkan minyak dalam jumlah besar. Pada saat yang sama, Amerika Serikat termasuk di antara sepuluh negara teratas dalam hal ekstraksi sumber daya alam ini. Pada saat yang sama, Amerika Serikat mengekspor sebagian besar minyak yang diproduksi, yang menyebabkan kekurangan dalam industri. Untuk menutupinya, orang Amerika setiap tahun mengimpor lebih dari 8 miliar barel minyak.

Volume ini cukup untuk mempengaruhi nilai tukar mata uang nasional. Peningkatan permintaan minyak AS menyebabkan kenaikan harga di pasar internasional. Pada gilirannya, pertumbuhan volume impor mempengaruhi harga pokok produksi. Akibatnya, ada kelebihan mata uang Amerika di pasar valuta asing, dan nilainya mulai turun.

Korelasi dalam manajemen aset investasi

Korelasi secara aktif digunakan oleh investor dalam pembentukan dan pengelolaan portofolio investasi mereka. Adalah logis bahwa Anda tidak dapat menyimpan semua aset Anda di satu tempat. Diversifikasi dapat secara signifikan mengurangi risiko.

Misalnya, seorang investor membeli saham dari satu perusahaan besar dan beberapa perusahaan kecil. Koefisien korelasi antara saham raksasa industri dan perusahaan kecil adalah sekitar +0,8. Ini adalah nilai yang cukup besar dan mencirikan hubungan langsung antara objek. Ketika saham perusahaan besar jatuh, kemungkinan besar nilai sekuritas perusahaan kecil juga akan turun secara signifikan. Dalam hal ini, lebih baik memilih aset sedemikian rupa sehingga korelasinya minimal.

Untuk melakukan ini, misalnya, seorang investor dapat membangun portofolio saham dan obligasi atau saham dan treasury bill. Obligasi, seperti halnya saham, juga memiliki hubungan langsung satu sama lain. Tingkat mereka bahkan lebih tinggi. Namun, tidak ada hubungan seperti itu antara obligasi dan saham, yang memungkinkan investor untuk mengurangi risiko.

Ada juga ketergantungan antar negara bahkan antar daerah. Semakin dekat mereka, semakin tinggi koefisien korelasi. Misalnya, untuk Kanada dan Amerika Serikat adalah 0,9. Pada saat yang sama, untuk Jepang dan Amerika Serikat kurang dari 4 persepuluh. Sebenarnya lebih menguntungkan bagi investor untuk membeli aset emiten dari berbagai daerah.

Emas dan sekuritas praktis tidak berkorelasi. Namun, perak dan emas sangat bergantung satu sama lain, seperti halnya euro dan dolar AS. Penggunaannya dalam kerangka satu portofolio investasi tidak tepat.

Korelasi adalah alat yang nyaman dan diperlukan di berbagai bidang kehidupan. Ini bukan obat mujarab, tetapi memungkinkan Anda untuk secara akurat membangun hubungan sebab-akibat antara fenomena.