[PSDS] 상관관계 실습

 

 

 

 

피어슨 상관계수 | 산점도¶

 

 

1단계 : 데이터 로드하기¶

 

In [ ]:

from google.colab import drive
drive.mount('/content/drive')

 

 

Mounted at /content/drive

 

 

2단계: 데이터 확인하기¶

 

In [ ]:

SP500_SECTORS_CSV = '/content/drive/MyDrive/통계공부/PSDS/data/sp500_sectors.csv'
SP500_DATA_CSV='/content/drive/MyDrive/통계공부/PSDS/data/sp500_data.csv.gz'

 

In [ ]:

import pandas as pd

sp500_sym = pd.read_csv(SP500_SECTORS_CSV)
sp500_px = pd.read_csv(SP500_DATA_CSV, index_col=0)

 

 

3단계: 계산하기¶

 

In [ ]:

telecomSymbols = sp500_sym[sp500_sym['sector'] == 'telecommunications_services']['symbol']

 

In [ ]:

#상관행렬
telecom = sp500_px.loc[sp500_px.index >= '2012-07-01', telecomSymbols]
telecom.corr()

 

Out[ ]:

	T	CTL	FTR	VZ	LVLT
T	1.000000	0.474683	0.327767	0.677612	0.278626
CTL	0.474683	1.000000	0.419757	0.416604	0.286665
FTR	0.327767	0.419757	1.000000	0.287386	0.260068
VZ	0.677612	0.416604	0.287386	1.000000	0.242199
LVLT	0.278626	0.286665	0.260068	0.242199	1.000000

 

In [ ]:

#상관관계 시각화
import seaborn as sns
import matplotlib.pylab as plt

etfs = sp500_px.loc[sp500_px.index > '2012-07-01', sp500_sym[sp500_sym['sector'] == 'etf']['symbol']]
fig, ax = plt.subplots(figsize=(5, 4))
ax = sns.heatmap(etfs.corr(), vmin=-1, vmax=1,
                 cmap=sns.diverging_palette(20, 220, as_cmap=True),
                 ax=ax)

plt.tight_layout()
plt.show()

 

 

 

 

• ETF는 S&P 500과 다우 존스 지수와 높은 상관성
• 첨단 기술 회사들인 QQQ와 XLK 양의 상관관계
• 금값, 유가, 시장 변동성 등과 관려된 더 안정적인 ETF상품은 다른 ETF와 약한 혹은 음의 상관관계

 

In [ ]:

#산점도
ax = telecom.plot.scatter(x='T', y='VZ', figsize=(4, 4), marker='$\u25EF$')
ax.set_xlabel('ATT (T)')
ax.set_ylabel('Verizon (VZ)')
ax.axhline(0, color='grey', lw=1)
ax.axvline(0, color='grey', lw=1)

plt.tight_layout()
plt.show()

 

 

 

 

• 두 수익은 0 주변에 모여 있지만 강한 양의 상관성
• 두 주식이 함께 오르거나 떨어짐, 서로 반대되는 경우는 드물었음.