ఒక వేరియబుల్ మారినప్పుడల్లా కోవియారిన్స్ రెండు వేరియబుల్స్ యొక్క సంబంధాన్ని సూచిస్తుంది. ఒక వేరియబుల్లో పెరుగుదల ఇతర వేరియబుల్లో పెరుగుదలకు దారితీస్తే, రెండు వేరియబుల్స్ సానుకూల కోవియారిన్స్ కలిగి ఉంటాయి. ఒక వేరియబుల్లో తగ్గుదల మరొకటి తగ్గుతుంది. రెండు వేరియబుల్స్ మారినప్పుడు ఒకే దిశలో కలిసిపోతాయి. ఒక వేరియబుల్లో తగ్గుదల ఫలితంగా ఇతర వేరియబుల్లో వ్యతిరేక మార్పు వస్తుంది, దీనిని నెగటివ్ కోవియారిన్స్ అంటారు. ఈ వేరియబుల్స్ విలోమ సంబంధం కలిగి ఉంటాయి మరియు ఎల్లప్పుడూ వేర్వేరు దిశల్లో కదులుతాయి. కోవియారిన్స్ యొక్క పరిమాణాన్ని సూచించడానికి సానుకూల సంఖ్యను ఉపయోగించినప్పుడు, కోవియారిన్స్ సానుకూలంగా ఉంటుంది. ప్రతికూల సంఖ్య విలోమ సంబంధాన్ని సూచిస్తుంది. రెండు ఆర్థిక సూచికలు లేదా పదాల మధ్య సంబంధాలను చర్చించేటప్పుడు కోవియారిన్స్ అనే భావన సాధారణంగా ఉపయోగించబడుతుంది. ఉదాహరణకు, బహిరంగంగా వర్తకం చేసే కంపెనీల మార్కెట్ విలువలు సాధారణంగా నివేదించబడిన ఆదాయాలతో సానుకూల కోవియరెన్స్ కలిగి ఉంటాయి. అదేవిధంగా, ఒక భద్రత విలువ మరొకటి పెరిగినప్పుడు పెరగవచ్చు. ఆధునిక పోర్ట్ఫోలియో సిద్ధాంతంలో (MPT) కోవిరాన్స్ లెక్కలు ఉపయోగించబడతాయి.
రెండు స్టాక్లు సానుకూల ధరలతో వాటా ధరలను కలిగి ఉంటే, మార్కెట్ పరిస్థితులకు ప్రతిస్పందించేటప్పుడు అవి రెండూ ఒకే దిశలో వెళ్ళే అవకాశం ఉంది. రెండు స్టాక్లు నమోదు చేయబడిన ప్రతి కాలానికి రాబడి రేటుతో కొంత కాలానికి ట్రాక్ చేయబడతాయి. రెండు వేరియబుల్స్ యొక్క కోవియారిన్స్ను నిర్ణయించడం కోవియారిన్స్ అనాలిసిస్ అంటారు. ఉదాహరణకు, స్టాక్స్ A మరియు B యొక్క కోవియారిన్స్ విశ్లేషణను నిర్వహించడం మూడు రోజుల రాబడి రేటును నమోదు చేస్తుంది. స్టాక్ ఎ, ఒకటి, రెండు మరియు మూడు రోజులలో వరుసగా 1.8%, 2.2% మరియు 0.8% రాబడిని కలిగి ఉంది. స్టాక్ బి 1.25%, 1.9% మరియు 0.5% తిరిగి ఇస్తుంది. రెండు స్టాక్లు ఒకే రోజులలో పెరిగాయి మరియు తగ్గాయి, కాబట్టి అవి సానుకూల కోవియరెన్స్ కలిగి ఉంటాయి. X / Y అక్షం మీద గ్రాఫ్ చేసినప్పుడు, రెండు వేరియబుల్స్ మధ్య కోవియారిన్స్ దృశ్యమానంగా ప్రదర్శిస్తుంది, ఎందుకంటే రెండు వేరియబుల్స్ ఒకే సమయంలో ఒకే విధమైన మార్పులను ప్రతిబింబిస్తాయి. కోవియారిన్స్ లెక్కలు వేరియబుల్స్ సానుకూల లేదా ప్రతికూల సంబంధాన్ని కలిగి ఉన్నాయా అనే దానిపై సమాచారాన్ని అందిస్తాయి కాని కనెక్షన్ యొక్క బలాన్ని వెల్లడించలేవు. డేటా సమితిలో చాలా భిన్నమైన విలువలు ఉన్నప్పుడల్లా కోవియారిన్స్ యొక్క పరిమాణం వక్రంగా ఉంటుంది. డేటాలోని ఒక lier ట్లియర్ గణనను నాటకీయంగా మార్చగలదు మరియు సంబంధాన్ని అతిగా అంచనా వేయవచ్చు లేదా తక్కువగా చెప్పవచ్చు. మార్పులు సంభవించినప్పుడు వేరియబుల్స్ ఎలా స్పందిస్తాయో అంచనా వేయడానికి కోవియారిన్స్ ఆర్థికవేత్తలకు సహాయపడుతుంది కాని ప్రతి వేరియబుల్ ఎంత మారుతుందో సమర్థవంతంగా cannot హించలేము.
కోవిరియన్స్ MPT లో తరచుగా ఉపయోగించబడుతుంది. సమర్థవంతమైన ఆర్థిక దస్త్రాలను నిర్మించేటప్పుడు, ఆర్థిక నిర్వాహకులు సరైన రాబడిని అందించే మరియు నష్టాలను తగ్గించే పెట్టుబడి మిశ్రమాలను కోరుకుంటారు. రిస్క్ / రిటర్న్ ట్రేడ్ఆఫ్ భావన పెట్టుబడిలో పెరుగుతున్న నష్టాలకు తరచుగా రాబడి పెరుగుదల అవసరమని చూపిస్తుంది. నష్టాలను తగ్గించడానికి మరియు రాబడిని పెంచడానికి పెట్టుబడిదారుల కోరిక యొక్క ఫలితం ఇది. అధిక-రిస్క్ రుణాలు అందించినప్పుడు, రుణదాత అధిక రేట్లు వసూలు చేయడం ద్వారా పెట్టుబడిని రక్షించాలి. వేర్వేరు ఆస్తి తరగతులు, వేర్వేరు కంపెనీలు మరియు వేర్వేరు రుణగ్రహీత క్రెడిట్ చరిత్రలు వేర్వేరు రేట్లు అడుగుతాయి. పోర్ట్ఫోలియో మేనేజ్మెంట్ సిద్ధాంతంలో కోవియారిన్స్ ఉత్తమమైన పెట్టుబడులను గుర్తించడానికి ఉత్తమమైన రాబడి మరియు రిస్క్ స్థాయిలతో సమర్థవంతమైన పెట్టుబడులను గుర్తించడానికి ఉపయోగించబడుతుంది. రోజూ, ఫలితాలను మెరుగుపరచడానికి లేదా నిర్దిష్ట రాబడిని ట్రాక్ చేయడానికి పోర్ట్ఫోలియో మేనేజర్ చేత గణన సవరించబడుతుంది.
