మార్కెట్ సూచికలు, స్టాక్స్ లేదా సంఖ్యాపరంగా ట్రాక్ చేయగలిగే ఏదైనా ఏదైనా వేరియబుల్స్ మధ్య పరస్పర సంబంధాన్ని కనుగొనడానికి సహసంబంధ గుణకాన్ని లెక్కించండి. గణాంకాలలో, సహసంబంధం అనేది కోవియారిన్స్ యొక్క స్కేల్డ్ వెర్షన్, ఇది వేరియబుల్స్ సానుకూలంగా లేదా విలోమ సంబంధం కలిగి ఉన్నాయో కొలుస్తుంది. సాంకేతిక స్టాక్ మార్కెట్ విశ్లేషణలో సహసంబంధం చాలా ముఖ్యమైన అంశం, ఎందుకంటే ఇది ధరల నమూనాల మెకానిక్స్ వద్ద to హించడం సాధ్యపడుతుంది.
సహసంబంధాన్ని అర్థం చేసుకోవడం
మొత్తం వినియోగదారుల వ్యయం వంటి మార్కెట్ సూచిక అదే సమయంలో పెరుగుతుందని అనుకుందాం. రెండు వేరియబుల్స్ కాలక్రమేణా ఒకే దిశలో కదులుతాయి కాబట్టి, అవి సానుకూలంగా సంబంధం కలిగి ఉంటాయి. మొత్తం వినియోగదారుల వ్యయం పెరిగినప్పుడు స్టాక్ ధర క్షీణించినట్లయితే, రెండు వేరియబుల్స్ విలోమ సంబంధం కలిగి ఉంటాయి. ఏదేమైనా, సహసంబంధం ఎప్పుడూ కారణానికి పర్యాయపదంగా ఉండదు.
సహసంబంధం సహసంబంధ గుణకం ద్వారా కొలుస్తారు. సహసంబంధ గుణకం ఎల్లప్పుడూ +1.0 (సంపూర్ణ సానుకూల సహసంబంధం) మరియు -1.0 (సంపూర్ణ ప్రతికూల సహసంబంధం) మధ్య విలువను అందిస్తుంది; సున్నా యొక్క సహసంబంధ గుణకం అంచనా శక్తిని కలిగి లేదు మరియు సాంకేతిక విశ్లేషకుడికి పెద్దగా ఉపయోగపడదు.
సహసంబంధ గుణకాన్ని లెక్కిస్తోంది
సహసంబంధ గుణకాన్ని కనుగొనడానికి అనేక విభిన్న పద్ధతులు ఉన్నాయి. ప్రతి సహసంబంధ గుణకం సూత్రానికి పరిగణించబడే వేరియబుల్స్ కోసం సమయ శ్రేణి డేటా అవసరం. మార్కెట్ సూచిక మరియు నిర్దిష్ట స్టాక్ ధరల కోసం సరైన డేటాను పొందండి.
సహసంబంధాన్ని లెక్కించడానికి సులభమైన మార్గం ఎక్సెల్ లోని = CORREL () ఫంక్షన్ వంటి కొన్ని రకాల సాఫ్ట్‌వేర్‌లను ఉపయోగించడం. అయితే, మీరు ఈ సాధనాలు లేకుండా గణన చేయవచ్చు. రెండు వేరియబుల్స్ యొక్క కోవియారిన్స్ మరియు ప్రతి వేరియబుల్ యొక్క ప్రామాణిక విచలనాలను కనుగొనడం చాలా గణితశాస్త్ర ధ్వని పద్ధతి, తరువాత ఈ క్రింది సూత్రాన్ని ఉపయోగించండి:
సహసంబంధ గుణకం = SDMI × SDSPCOV ఇక్కడ: COV = మార్కెట్ సూచిక, స్టాక్ ధర SDMI = మార్కెట్ సూచిక కోసం ప్రామాణిక విచలనం
ప్రతి వేరియబుల్ కోసం కోవియారిన్స్ మరియు ప్రామాణిక విచలనాన్ని కనుగొనడం సుదీర్ఘమైన, ప్రమేయం ఉన్న ప్రక్రియ. అయినప్పటికీ, చాలా కాలిక్యులేటర్లు మరియు కొన్ని సాఫ్ట్‌వేర్ ఈ విధులను కూడా చేయగలవు.
