Definition und Beispiele • BUOM

2. April 2021

Korrelation ist ein statistischer Begriff, der die Beziehung zwischen zwei Variablen oder Datensätzen beschreibt. Die Art der Korrelation zwischen zwei Variablen hängt vollständig von den Variablen selbst ab. Zu verstehen, wie Korrelation funktioniert, ist besonders für Geschäftsinhaber und Portfoliomanager nützlich. Um Korrelationen besser zu verstehen, ist es wichtig, die verschiedenen Typen zu kennen und zu wissen, ob die Beziehungen positiv, null oder negativ sind.

In diesem Artikel konzentrieren wir uns auf die negative Korrelation, ihre Definition, ihre Bedeutung und wie man sie berechnet.

Was ist eine negative Korrelation?

Eine negative Korrelation zwischen zwei Variablen bedeutet, dass der Wert der einen abnimmt, während der Wert der anderen zunimmt, oder umgekehrt. Eine negative Korrelation wird als „-1“ geschrieben. Mit anderen Worten: Während der x-Wert steigt, nimmt der y-Wert ab.

Betrachten Sie die folgenden Beispiele für Variablen, die zu einer negativen Korrelation führen können. Es ist auch wichtig zu beachten, dass sich Korrelationen unter bestimmten Umständen ändern können. Dies gilt insbesondere für Aktien und Anleihen. Obwohl diese beiden Variablen tendenziell negativ korrelieren, können sich die Dinge im Laufe der Zeit ändern. Hier sind einige Beispiele für negativ korrelierte Variablen:

1. Je mehr Sie trainieren, desto weniger wiegen Sie.

2. Je mehr Sie kochen, desto weniger werden Sie auswärts essen.

3. Je niedriger die Temperatur, desto mehr Kleidung werden Sie tragen.

4. Je mehr Geld Sie ausgeben, desto weniger werden Sie haben.

5. Je mehr Sie schlafen, desto weniger müde fühlen Sie sich.

Andere Arten der Datenkorrelation

Negative Korrelation ist nur ein statistischer Begriff, der verwendet wird, um die Beziehung von Daten zwischen zwei Variablen zu definieren. Hier sind andere Möglichkeiten, Datenvariablen basierend auf ihren entsprechenden Werten zu beschreiben:

Positives Verhältnis

Eine positive Korrelation wäre „1“. Dies bedeutet, dass beide Variablen gleichzeitig zu- oder abnahmen.

Positive Korrelationen unter Verwendung ähnlicher Beispielvariablen wie oben würden Folgendes bedeuten:

1. Je mehr Sie trainieren, desto mehr werden Sie essen.

2. Je weniger Sie kochen, desto weniger essen Sie.

3. Je höher die Raumtemperatur, desto höher ist Ihre Körpertemperatur.

4. Je mehr Geld Sie ausgeben, desto mehr Dinge werden Sie haben.

5. Je mehr Schlaf Sie bekommen, desto ausgeruhter werden Sie sein.

Keine oder keine Korrelation

Eine Nullkorrelation bedeutet, dass zwischen zwei Variablen keine Beziehung besteht. Mit anderen Worten: Wenn sich eine Variable in eine Richtung bewegt, bewegt sich eine andere in eine andere, nicht zusammenhängende Richtung.

Eine statistisch ideale negative Korrelation wird durch -1,0 dargestellt. Eine positive Korrelation wäre +1, keine Korrelation würde zu einer 0 führen und eine Korrelation von 1,0 wäre eine perfekte positive Korrelation.
Nullkorrelationen unter Verwendung ähnlicher Beispielvariablen wie oben würden Folgendes bedeuten:

1. Je mehr Sie üben, desto mehr singen Sie.

2. Je mehr Sie kochen, desto schlauer werden Sie.

3. Je höher die Raumtemperatur, desto länger bleiben Sie in diesem Raum.

4. Je mehr Geld Sie ausgeben, desto glücklicher werden Sie sein.

5. Je weniger Schlaf Sie bekommen, desto mehr Limonade trinken Sie.

Was ist ein Korrelationskoeffizient?

Der Korrelationskoeffizient misst die Stärke der Beziehung zwischen zwei Variablen. Wenn jedoch zwei Datensätze einen Korrelationskoeffizienten von -0,8 haben, wird dies als starke negative Korrelation betrachtet. Wenn sie einen Korrelationskoeffizienten von -0,1 hätten, würde dies als schwache negative Korrelation angesehen werden.

Mit diesem Wissen können wir sagen, dass der Korrelationskoeffizient umso näher bei -1 liegt, je höher die negative Korrelation ist. Es gibt drei Arten von Korrelationskoeffizienten: Pearson-Korrelation, Spearman-Korrelation und Kendall-Korrelation. Die Art der Korrelationskoeffizientenmethode, die Sie verwenden, hängt von den Variablen oder Datensätzen ab, die Sie verwenden.

Warum ist eine negative Korrelation wichtig?

Um die Bedeutung der negativen Korrelation zu verstehen, müssen Sie die moderne Portfoliotheorie verstehen. Bei dieser Theorie handelt es sich um eine Strategie, die sich mit dem Risiko und der Rendite eines Vermögensportfolios befasst. Nach dieser Theorie wird davon ausgegangen, dass Sie potenzielle Risiken durch die Diversifizierung Ihrer Finanzanlagen minimieren können.

Nach dieser Überzeugung kann beispielsweise ein Portfolio mit ausschließlich positiven Korrelationen volatil sein, weil das Portfolio nicht ausreichend diversifiziert ist. Auch wenn ein vielfältiges Portfolio nicht alle Risiken ausschließen kann, kann es dennoch hilfreich sein, wenn zufällige Ereignisse auf dem Finanzmarkt eintreten.

Allerdings kann eine negative Korrelation dabei helfen, diversifizierte Portfolios zu schaffen. Dies reduziert dann das Risiko einer Portfoliovolatilität und sorgt langfristig für eine gleichmäßigere Rendite. Im Allgemeinen können negative Korrelationen für Manager bei der Festlegung der Vermögensallokation hilfreich sein, da Portfoliomanager sie nutzen können, um die Portfoliovolatilität zu reduzieren.

So ermitteln Sie die negative Korrelation

Sobald Sie Ihre Datensätze kennen, können Sie mit der Festlegung Ihrer Berechnungsmethode beginnen. Hier sind die einfachen Schritte, die Sie befolgen müssen, um die negative Korrelation zu bestimmen:

1. Definieren Sie zwei Variablen.

2. Bestimmen Sie Ihre Methode zur Ermittlung der Korrelation.

3. Berechnen Sie die Korrelation.

4. Bestimmen Sie die Art der Korrelation.

1. Definieren Sie zwei Variablen

Ihre Variablen sind die beiden Dinge, zwischen denen Sie die Korrelation oder Beziehung messen. Will man eine negative Korrelation ermitteln, müssen sich die beiden Datensätze in entgegengesetzte Richtungen bewegen.

2. Bestimmen Sie Ihre Methode zur Ermittlung der Korrelation

Zur Berechnung der Korrelation stehen Ihnen verschiedene Methoden zur Verfügung. Hier sind einige davon:

Verwenden Sie die Formel. Mit dieser Formel können Sie die Korrelation manuell berechnen:

∑ (x (i) – x̅) (y (i) – ȳ) / √ ∑ (x (i) – x̅) ^ 2 ∑ (y (i) – ȳ) ^ 2

Beachten Sie bei der Berechnung der Korrelation die folgenden Ansichten:

x(i) = x-Wert

y(i) = Wert y

x̅ = Durchschnitt x

ȳ = Durchschnittswert von y

Verwenden Sie den Korrelationskoeffizientenrechner. Viele Korrelationskoeffizientenrechner finden Sie im Internet. Wenn Sie über einen großen Datensatz verfügen, kann die Verwendung eines Taschenrechners möglicherweise viel Zeit sparen.

Lassen Sie uns ein Streudiagramm erstellen. Wenn Sie ein Streudiagramm verwenden, bedeutet eine von links nach rechts abfallende Linie eine negative Korrelation.

3. Berechnen Sie die Korrelation

Sobald Sie festgelegt haben, welche Methode Sie verwenden möchten, verwenden Sie Ihre Datensätze, um deren Korrelation zu berechnen. Wenn Sie eine Formel oder einen Taschenrechner verwenden, erhalten Sie eine direkte Zahl. Das Streudiagramm führt zu einer Linie, die Sie analysieren müssen. Denken Sie daran, dass eine Linie mit negativer Steigung eine negative Korrelation darstellt.

4. Bestimmen Sie die Art der Korrelation

Denken Sie daran, dass die Korrelation positiv, negativ oder null sein kann. Letzteres bedeutet, dass zwischen den beiden Variablen keine Korrelation besteht. Eine negative Zahl bedeutet eine negative Korrelation. In einem Streudiagramm stellt eine Linie mit negativer Steigung eine negative Korrelation dar.