ما هي البيانات المطلوبة لتقييم تغييرات الارتباط؟
إجابة مباشرة
لتقييم تغييرات الارتباط، تحتاج إلى بيانات تتيح لك (1) قياس العلاقة بين سلسلتين زمنيتين مع مرور الوقت، (2) التحقق من مصدر البيانات، (3) ضمان أن القياسات قابلة للمقارنة عبر الزمن، و(4) التحقق من أن النتيجة ليست نتيجة لتلوث البيانات أو نقص البيانات أو افتراضات غير مستقرة.
في الأقل، جمع السلسلة التي تريد ربطها، timestamps وقيود العينات، التحويل الذي ستطبقه (على سبيل المثال، استخدام العوائد بدلاً من المستويات الخام)، ووثائق جودة البيانات. كما يجب أن تخطط لفحوصات المصدر و“فحوصات modes of failure” (كيف يمكن أن تتعطل النتائج عندما تتغير البيانات أو الشروط).
آلية والتعريف: ما يعنيه “تغييرات الارتباط”
يعني تغيير الارتباط أن العلاقة الإحصائية المقدرة بين متغيرين ليست ثابتة مع مرور الوقت. عملياً، تقدر الارتباط عبر نوافذ متعددة (على سبيل المثال، متدحرجة أو حسب الأنظمة) وتلاحظ كيف تتحرك التقدير.
يوجد clarificationان رئيسيان يساعدانك في تجنب الارتباك:
- استخدام مقياس البيانات المناسب. يتم حساب الارتباط عادةً على السلاسل المحولة (عادةً التغييرات مع مرور الوقت). استخدام السلاسل الخام للأسعار/المستويات يمكن أن ينتج عن اعتماد مضللة.
- يعتمد الارتباط على الطريقة والنافذة. يمكن أن تغير ترددات العينات المختلفة، lengths of windows، واتفاقيات الحساب تقدير الارتباط حتى لو لم يتغير العلاقة الأساسية “أساساً”.
لذلك، قائمة “البيانات المطلوبة” هي في الواقع قائمة بالمكونات لتجربة متسقة: السلاسل الزمنية المزدوجة، كيف تحولها إلى أرقام قابلة للمقارنة، وكيف تختار النوافذ الزمنية.
الأدلة: ما المدخلات التي يجب جمعها (وكيف الحفاظ على مقارنتها)
جمع المدخلات التالية، وسجل الافتراضات التي تقوم بها:
- السلسلتان الزمنيتان المقارنتان
- سلسلة A وسلسلة B التي تريد اختبارها كمتعلقتين.
- لكل منهما، شمل تعريف القياس (ما يمثله)، الوحدات، وما إذا كان سعر وسط، سعر آخر، عرض، أو قيمة مشتقة أخرى.
- محور الوقت وقيود العينات
- timestamps البدائية/النهاية.
- تردد العينات (على سبيل المثال، كل دقيقة، ساعة، يومياً).
- ما إذا كانت timestamps متزامنة مع نفس ساعة السوق ومعالجة الفجوات.
- التحويل للحساب
- الصيغة التي تطبقها قبل حساب الارتباط (على سبيل المثال، استخدام العوائد عبر كل فترة بدلاً من المستويات الخام).
- كيف تتعامل مع القيم المفقودة: استبعاد الفترات، ملء الأمامي، أو حذف نقاط محددة. يمكن أن تؤثر الخيار بشكل كبير على التقديرات.
- إعداد تقدير الارتباط
- Approach of windowing: نافذة متدحرجة أو فترات فرعية ثابتة.
- Length of window وoverlap (يغير overlap النعومة والاعتماد الإحصائي بين التقديرات).
- نوع الارتباط (عادةً Pearson للاعتماد الخطي؛ اختيار مختلف يقيس الاعتماد بشكل مختلف).
- مصدر البيانات ووثائقها
- هوية نظام المصدر/المزود.
- أي إجراءات الشركات المعروفة أو قواعد تدوير العقود (عندما يكون ذلك ذات صلة).
- معرفات الملف/النسخة وطريقة الاسترجاع.
- مقاييس الجودة وسجل التنظيف
- نسبة timestamps المفقودة لكل سلسلة.
- طريقة اكتشاف الشواذ وما إذا كان الشواذ محتفظاً به أو محذوفاً.
- فحوصات sanity البسيطة: هل هناك قفزات مفاجئة بسبب إعادة تعيين البيانات بدلاً من حركة السوق؟
مثال عمل واحد (يجب أن تكون الافتراضات صريحة)
افترض أنك تختار سلسلتين مرصودتين بتردد عينات مماثل، وتحسب الارتباط على التغييرات الفورية. تختار طول نافذة ثابتة، ثم تدحرجها مع مرور الوقت. “تغيير الارتباط” هو ببساطة الفرق بين تقديرات الارتباط في نافذتين متجاورتين.
لتجعله قابلاً للفهام، يجب أن تعلن:
- ما يعتبر تغييراً فورياً.
- كيف تتعامل مع timestamps المفقودة.
- أن السلسلتين استخدمتا نفس جدول العينات والتحويل. إذا لم يتم التحكم في هذه العوامل، يمكن أن يعكس حركة الارتباط الملاحظة اختلافات في معالجة البيانات بدلاً من أي تغيير حقيقي.
القيود والمخاطر: modes of failure الشائعة
تغييرات الارتباط عرضة بشكل خاص للتلوث والعدم الاستقرار. تشمل القيود المادية:
- عدم الاستقرار: لا يتم ضمان استقرار الارتباط؛ حتى مع بيانات مثالية، يمكن أن تتغير العلاقات مع تغير الشروط.
- تأثيرات العينات والنوافذ: يمكن أن تنتج ترددات مختلفة وlengths of windows مختلفة مسارات ارتباط مختلفة.
- مشاكل جودة البيانات: البيانات المفقودة، timestamps غير متزامنة، أو خلط عرضي لأدوات/تعاريف مختلفة يمكن أن تغير الارتباط.
- الشواذ والأذواق الثقيلة: يمكن أن يسيطر عدد صغير من النقاط الشاذة على التقدير.
- سوء فهم السببية: تغيير الارتباط لا يثبت السببية.
- التكاليف والواقعيات التنفيذية (إذا ترجمتها لاحقًا إلى قرارات): يمكن أن تتشوه توقعات الارتباط عندما تتطبق فrictions العالم الحقيقي.