Смысл в том, что связь достаточно сильная. Гораздо сильнее, чем подразумевает ценообразование нефти "за счет баланса спроса и предложения" или курса доллара "за счет потоков капитала".
Соответственно, оценивая потенциал движения курса либо прогнозируя решения монетарных властей, мы можем прогнозировать движение цены на нефть. Почему не в обратную сторону? Потому что, по сравнению с "материальным" балансом спроса на нефть и предложения, курсы являются более волатильными.
И с точки зрения таких прогнозов важно понимать, что может вызвать раскорреляцию. Как видно из графиков, эти раскорреляции краткосрочны. Значит, они вызваны финансовыми факторами, а не динамикой нефтедобычи и спроса.
я ведь правильно понимаю что вы считаете корреляцию между двумя временными рядами как есть. (по крайней мере по виду последних графиков это так и есть). то это очень плохая идея, потому что для двух случайных блужданий I(1) процессов, корреляцию всегда можно обнаружить. вы можете просто сгенерить несколько независимых случайных блужданий, и все равно у них будет высокая степень скоррелированость. Корректный способ для обнаружения зависимости, это либо считать корреляцию приращений, либо более сложны - коинтеграцию.
Таки уж и "очень плохая" :) То есть два последних графика очень похожи на независимые ряды со случайным блужданием. Без проверки на коинтеграцию абсолютно не обойтись! :)
По существу возразить мне нечего :). В том числе и по поводу "более сложно" (т.е. долго). Поэтому, с вашего позволения, vector error correction model я делать не буду. Расширенный тест Дикки-Фуллера по остаткам регрессии с предпоследнего графика дает t-statistics минус 3,18. Это сильно меньше 1%-го доверительного интервала. Если быть точным, вероятность ошибки 0,15%.
По сериям "индекс ПВТП" - "Brent" 02.11.2015-14.03.2015. t-statistics минус 2,92, опять меньше 1%-го доверительного интервала (0,4%).
Но вообще я специально приводил динамику краткосрочной корреляции. Т.е. ИМХО проблема не в том, что простая линейная зависимость неточно/неадекватно характеризует связь. А в том, что существуют краткосрочные факторы, ослабляющие или перекрывающие эту связь.
Нет, поскольку подумал, что WTI - это более локальный рынок, соответственно больше подвержен влиянию таких факторов, как логистика и местные дисбалансы спроса/предложения. Но посчитать сложностей не вижу (через некоторое время опубликую).
Comments 9
Reply
Спасибо за исследование, но я так и не понял смысл поиска корреляции цены нефти и доллара. Можете прокомментировать пжста.
Reply
Соответственно, оценивая потенциал движения курса либо прогнозируя решения монетарных властей, мы можем прогнозировать движение цены на нефть. Почему не в обратную сторону? Потому что, по сравнению с "материальным" балансом спроса на нефть и предложения, курсы являются более волатильными.
И с точки зрения таких прогнозов важно понимать, что может вызвать раскорреляцию. Как видно из графиков, эти раскорреляции краткосрочны. Значит, они вызваны финансовыми факторами, а не динамикой нефтедобычи и спроса.
Reply
Reply
Reply
То есть два последних графика очень похожи на независимые ряды со случайным блужданием. Без проверки на коинтеграцию абсолютно не обойтись! :)
По существу возразить мне нечего :). В том числе и по поводу "более сложно" (т.е. долго). Поэтому, с вашего позволения, vector error correction model я делать не буду. Расширенный тест Дикки-Фуллера по остаткам регрессии с предпоследнего графика дает t-statistics минус 3,18. Это сильно меньше 1%-го доверительного интервала. Если быть точным, вероятность ошибки 0,15%.
По сериям "индекс ПВТП" - "Brent" 02.11.2015-14.03.2015. t-statistics минус 2,92, опять меньше 1%-го доверительного интервала (0,4%).
Но вообще я специально приводил динамику краткосрочной корреляции. Т.е. ИМХО проблема не в том, что простая линейная зависимость неточно/неадекватно характеризует связь. А в том, что существуют краткосрочные факторы, ослабляющие или перекрывающие эту связь.
Reply
Reply
Reply
Корреляция 02.09.14-14.03.16:
( ... )
Reply
Leave a comment