상관 관계는 선형 관계를 측정합니다. 비공식적 인 맥락에서 관계는 안정적인 것을 의미합니다. 고정 변수에 대한 샘플 상관 관계를 계산하고 사용 가능한 데이터 포인트 수를 늘리면이 샘플 상관 관계는 실제 상관 관계가있는 경향이 있습니다.
일반적으로 랜덤 워크 인 가격의 경우 샘플 상관 관계가 랜덤 변수 인 경향이 있음을 알 수 있습니다. 이것은 우리가 가진 데이터의 양에 관계없이 결과는 항상 다름을 의미합니다.
참고 저는 수학없이 수학 직관을 표현하려고했습니다. 수학적 관점에서 설명은 매우 명확합니다. 고정 프로세스의 샘플 모멘트는 상수에 따라 수렴합니다. 랜덤 워크의 샘플 모멘트는 랜덤 변수 인 브라운 운동의 적분으로 수렴합니다. 관계는 일반적으로 임의의 변수가 아닌 숫자로 표현되므로 고정되지 않은 변수의 상관 관계를 계산하지 않는 이유가 분명해집니다.
업데이트 두 변수 간의 상관 관계에 관심이 있기 때문에 고정 변수 에서 온 것으로 가정 합니다. 문구 및 가 의존하지 않음을 의미합니다 . 상관 관계E Z t c o v ( Z t , Z t - h ) t지티= ( X티, Y티)이자형지티c o v ( Z티, Zt - h)티
c o r r ( X티, Y티) = c o v ( X티, Y티)D X티D Y티−−−−−−−√
공식의 모든 양은 의존하지 않는 행렬 에서 때문에 의존하지 않습니다 . 샘플 상관 관계 계산c o v ( Z t ) t티c o v ( Z티)티
ρ=CO, R, R(Xt,Y의t)ρ→ρT→∞√
ρ^= 1티∑티t = 1( X티− X¯) ( Y티− Y¯)1티2∑티t = 1( X티− X¯)2∑티t = 1( Y티− Y¯)2−−−−−−−−−−−−−−−−−−−−−−−−−−−√
는 샘플 상관 관계가 추정 할 것이라는 희망을 가질 수 있기 때문에 의미가 있습니다 . 특정 조건을 만족하는 고정 프로세스의 경우 이므로 확률 은 희망은 근거가 없습니다 . 또한 분포이므로 에 대한 가설을 검정 할 수 있습니다 .
ρ = c o r r ( X티, Y티)ρ^→ ρ티→ ∞ρ티−−√(ρ^−ρ)→N(0,σ2ρ)ρ
이제 가 고정되어 있지 가정하십시오 . 그러면 는 의존 할 수 있습니다 . 따라서 크기 의 표본을 관찰 할 때 잠재적으로 개의 서로 다른 상관 관계 를 추정해야합니다 . 물론 이것은 불가능하기 때문에 최상의 시나리오 에서는 평균 또는 분산과 같은 의 일부 기능 만 추정 할 수 있습니다 . 그러나 결과는 현명한 해석이 아닐 수 있습니다. c o r r ( X t , Y t ) t T T ρ t ρ tZtcorr(Xt,Yt)tTTρtρt
이제 가장 많이 연구 된 비 정적 프로세스 랜덤 워크의 상관 관계에서 발생하는 상황을 살펴 보겠습니다. 인 경우 프로세스 를 임의의 보행이라고합니다 . 여기서 는 고정 프로세스입니다. 간단히하기 위해 이라고 가정하십시오 . 그때Z t = ∑ t s = 1 ( U t , V t ) C t = ( U t , V t ) E C t = 0Zt=(Xt,Yt)Zt=∑ts=1(Ut,Vt)Ct=(Ut,Vt)ECt=0
corr(XtYt)=EXtYtDXtDYt−−−−−−−√=E∑ts=1Ut∑ts=1VtD∑ts=1UtD∑ts=1Vt−−−−−−−−−−−−−−−−√
문제를 더 단순화하기 위해 가 백색 잡음 이라고 가정하십시오 . 이것은 모든 상관 관계 가 대해 0 임을 의미합니다 . 이것은 를 0으로 제한하지 않습니다 .E ( C t C t + h ) h > 0 c o r r ( U t , V t )Ct=(Ut,Vt)E(CtCt+h)h>0corr(Ut,Vt)
그런 다음
corr(Xt,Yt)=tEUtVtt2DUtDVt−−−−−−−−√=corr(U0,V0).
지금까지는 프로세스가 고정적이지 않지만 상관 관계는 의미가 있지만 동일한 제한적 가정을해야했습니다.
이제 샘플 상관 관계가 어떻게되는지 확인하려면 기능 중심 제한 정리라는 랜덤 워크에 대해 다음 사실을 사용해야합니다.
s의∈[0,1]WS=(W(1 개)(S),W(2 개)(S))MS=(M1s,M2s)=(
1T−−√Z[Ts]=1T−−√∑t=1[Ts]Ct→(cov(C0))−1/2Ws,
분포에서 및 는 이변 량입니다.
브라운 운동 (2 차원 Wiener 공정). 편의 도입 정의를 위해 .
s∈[0,1]Ws=(W1s,W2s)Ms=(M1s,M2s)=(cov(C0))−1/2Ws
단순화를 위해 다시 샘플 상관 관계를 정의하자
ρ^=1T∑Tt=1XtYt1T∑Tt=1X2t1T∑Tt=1Y2t−−−−−−−−−−−−−−−−−−√
분산부터 시작하겠습니다. 우리는
E1T∑t=1TX2t=1TE∑t=1T(∑s=1tUt)2=1T∑t=1Ttσ2U= σ유티+ 12.
이것은 증가함에 따라 무한대로 진행 되므로 첫 번째 문제에 부딪치며 표본 분산이 수렴하지 않습니다. 다른 한편 으로 , 기능적 중심 한계 정리와 함께 연속 매핑 정리는 우리에게티
T→∞
1티2∑t = 1티엑스2티= ∑t = 1티1티( 1티−−√∑s = 1티유티)2→ ∫10엠21 초디에스
여기서 수렴은 분포의 수렴 인 .
티→ ∞
마찬가지로 우리는 얻을
1
1티2∑t = 1티와이2티→ ∫10엠22 초디에스
및
1티2∑t = 1티엑스티와이티→ ∫10엠1 초엠2 초디에스
마지막으로 랜덤 보행의 샘플 상관 관계에 대해
T→∞
ρ^→ ∫10엠1 초엠2 초디에스∫10엠21 초디s ∫10엠22 초디에스−−−−−−−−−−−−−−−√
을 로 배포 합니다.
티→ ∞
따라서 상관 관계가 잘 정의되어 있지만 고정 프로세스 사례에서와 같이 샘플 상관 관계가 수렴되지 않습니다. 대신 특정 임의 변수로 수렴합니다.