Últimas entradas de Victor A.Rico (ver todo)

Las ventanas de tiempo o muestrales son muy útiles en el análisis de datos ya que nos permiten crear una serie de tiempo y ver como se ha comportado en el pasado la variable o estadístico que estamos estudiando 

La idea es crear una serie siempre con la misma cantidad de periodos de manera que veamos su evolución en el tiempo.

Es útil y muchas veces es casi imprescindible crearla.

Por ejemplo nos sirve como una de las formas más simples para medir la variabilidad y la correlación que ha tenido un activo financiero o cualquier otra variable. Por supuesto no es el concepto más avanzado en este tema, pero es una aproximación, y siempre hay que tener en cuenta que el número de datos que usemos influirá mucho en los resultados.

En el siguiente vídeo tienes un tutorial completo haciendo ejemplos con la correlación y la covarianza entre pares de divisas.

También abajo puedes copiar el código usado en el vídeo.

 

Codigo R

##3 siempre mismos datos

## VIDEO VENTANA DE TIEMPO

#### #######

#install.packages(«quantmod»)
library(quantmod)
#install.packages(«tseries»)
library(tseries)
#install.packages(«fImport»)
library(fImport)

# DESCARGA DE DATOS
# UTILIZAMOS 2 DIVISAS

#getFX(«EUR/USD»)
#getFX(«GBP/USD»)
#getFX(«USD/CHF»)
#getFX(«AUD/USD»)

#DATOS FRED

GBPUSD<-fredSeries(«DEXUSUK»,from=»2010-01-01″,to=»2019-10-23″)
USDCHF<-fredSeries(«DEXSZUS»,from=»2010-01-01″,to=»2019-10-23″)
EURUSD<-fredSeries(«DEXUSEU»,from=»2010-01-01″,to=»2019-10-23″)

## Nuestro estudio será de la correlación y covarianza

### Miramos el número de datos que tenemos
## determinamos la ventana móvil_ QUe luego podremos variar
## creamos un vector,o matriz vacía
# creamos el código con la formula en función de lo anterior

## Correlación EURUSD Y GBPUSD

length(EURUSD)
length(GBPUSD)

cor(EURUSD,GBPUSD)

#diríamos que eso es una correlación de largo plazo con todos nuestros
# datos

#nosotros queremos saber algo más,queremos saber como se ha movido en
#en el tiempo

#╚2456

vent<- 120 #cada 120 dias correlacion 1:120- 2:121 – 3:122 — 2337:2456
vent2<- vent-1

cor(EURUSD,GBPUSD)

cor(EURUSD[1:120],GBPUSD[1:120])
cor(EURUSD[2:121],GBPUSD[2:121])
#.
#.
#.
cor(EURUSD[2337:2456],GBPUSD[2337:2456])

victor<-c()
victor

##3 corelacion

cor(EURUSD[1:120],GBPUSD[1:120])

COR=c()
for(i in vent:2456)
{correlacion=cor(EURUSD[(i-vent2):i],GBPUSD[(i-vent2):i])
COR[i]=correlacion} #3 meter las cantidad
COR
plot(COR,type=»l»,main=»CORRELACION_EURUSD/GBPUSD»,xlab=»VENTANA TIEMPO»)

m<-EURUSD
nm<-GBPUSD

COV=c()
for(i in vent:length(m))
{covarianza=cov(m[(i-vent2):i],nm[(i-vent2):i])
COV[i]=covarianza}
plot(COV,type=»l»)

#### modelo video beta

beta=c()
for(i in vent:length(m))
{f=lm(m[(i-vent2):i]~nm[(i-vent2):i]-1)
beta[i]=coef(f)}
plot(beta,type=»l»)

Por Victor A.Rico

Diplomado en Ciencias Empresariales y Operador del Mercado Español de Futuros y Opciones

4 comentarios en «Correlación y Covarianza con Ventana de Tiempo»

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *