Cтраница 2
Широкое применение находят ЭВМ и для определения различных корреляционных зависимостей. Эта задача решается в определенной последовательности. Сначала подготовляется исходная информация; затем составляется соответствующая система нормальных уравнений; эта система решается и производится определение коэффициента корреляции ( тесноты связи); далее выводятся аналитические результаты и составляется гра-фо-аналитическая характеристика их. [16]
Таким образом, значение г близко к нулю, указывая на то, что корреляция между двумя наборами результатов тестов маловероятна. Это может привести к пересмотру перечня тестов для использования при отборе кандидатов на должности, предлагаемые КТК. Более глубокая интерпретация фактического значения коэффициента корреляции будет рассмотрена далее в тексте этой главы. В частности, для точности определения коэффициента корреляции необходимо учитывать объем выборки. [17]
Одна из проблем, связанных с методом главных компонент, состоит в том, что различные данные обладают разными порядками величины. Читатель, наверное, помнит, что это проблема ко-вариаций вообще. Заключается проблема в том, что величина ковариации является функцией величины данных, так же как и разность X и X. Читатель, возможно, помнит, что предлагаемое решение состояло в определении коэффициента корреляции, который, по сути, представляет собой стандартизованную кова-риацию. [18]
Эти параметры можно получить эмпирически. Инвестор может рассмотреть прошлую историю ценных бумаг и рассчитать прибыли и их дисперсии за определенные периоды. Дисперсия является статистической дисперсией процентных прибылей. Возможно, наилучшим способом нахождения параметров является комбинация обоих подходов. Инвестору следует использовать эмпирический подход ( т.е. использовать исторические данные), затем, если это необходимо, можно учесть прогноз относительно будущих значений ожидаемых прибылей и дисперсий. Следующими параметрами, которые должен знать инвестор для использования данного метода, являются коэффициенты линейной корреляции прибылей. Эти параметры можно получить эмпирически, путем оценки или с помощью комбинации обоих подходов. При определении коэффициентов корреляции важно использовать точки данных того же временного периода, который был использован для определения ожидаемых прибылей и дисперсий. Другими словами, если вы используете годовые данные для определения ожидаемых прибылей и дисперсии прибылей ( т.е. ведете расчеты на годовой основе), следует использовать годовые данные и при определении коэффициентов корреляции. Если вы используете дневные данные для определения ожидаемых прибььтей и дисперсии прибылей ( т.е. ведете расчеты на дневной основе), тогда вам следует использовать дневные данные для определения коэффициентов корреляции. [19]
Эти параметры можно получить эмпирически. Инвестор может рассмотреть прошлую историю ценных бумаг и рассчитать прибыли и их дисперсии за определенные периоды. Дисперсия является статистической дисперсией процентных прибылей. Возможно, наилучшим способом нахождения параметров является комбинация обоих подходов. Инвестору следует использовать эмпирический подход ( т.е. использовать исторические данные), затем, если это необходимо, можно учесть прогноз относительно будущих значений ожидаемых прибылей и дисперсий. Следующими параметрами, которые должен знать инвестор для использования данного метода, являются коэффициенты линейной корреляции прибылей. Эти параметры можно получить эмпирически, путем оценки или с помощью комбинации обоих подходов. При определении коэффициентов корреляции важно использовать точки данных того же временного периода, который был использован для определения ожидаемых прибылей и дисперсий. Другими словами, если вы используете годовые данные для определения ожидаемых прибылей и дисперсии прибылей ( т.е. ведете расчеты на годовой основе), следует использовать годовые данные и при определении коэффициентов корреляции. Если вы используете дневные данные для определения ожидаемых прибььтей и дисперсии прибылей ( т.е. ведете расчеты на дневной основе), тогда вам следует использовать дневные данные для определения коэффициентов корреляции. [20]
Эти параметры можно получить эмпирически. Инвестор может рассмотреть прошлую историю ценных бумаг и рассчитать прибыли и их дисперсии за определенные периоды. Дисперсия является статистической дисперсией процентных прибылей. Возможно, наилучшим способом нахождения параметров является комбинация обоих подходов. Инвестору следует использовать эмпирический подход ( т.е. использовать исторические данные), затем, если это необходимо, можно учесть прогноз относительно будущих значений ожидаемых прибылей и дисперсий. Следующими параметрами, которые должен знать инвестор для использования данного метода, являются коэффициенты линейной корреляции прибылей. Эти параметры можно получить эмпирически, путем оценки или с помощью комбинации обоих подходов. При определении коэффициентов корреляции важно использовать точки данных того же временного периода, который был использован для определения ожидаемых прибылей и дисперсий. Другими словами, если вы используете годовые данные для определения ожидаемых прибылей и дисперсии прибылей ( т.е. ведете расчеты на годовой основе), следует использовать годовые данные и при определении коэффициентов корреляции. Если вы используете дневные данные для определения ожидаемых прибььтей и дисперсии прибылей ( т.е. ведете расчеты на дневной основе), тогда вам следует использовать дневные данные для определения коэффициентов корреляции. [21]