همبستگی منفی یا معکوس

حسابدار

پایان نامه،مقاله،پروژه های کارورزی،ترجمه،تایپ و. (رشته های علوم انسانی و فنی)

انواع ضرایب همبستگی

محاسبه ضرایب همبستگی تا حدود زیادی متاثر از مقیاس اندازه گیری متغیر ها است،.

انواع ضرایب همبستگی

استنباط آمار ی :

استنباط آماری که در واقع یک نوع نتیجه گیری کلی از جزء به کل است، در معرض آزمایش و خطاست. یک جنبه از استنباط آماری محاسبه برآوردهایی (Estimates ) از پارمترهای جامعه مانند میانگین جامعه از طریق آماره های نمونه ها مانند میانگین نمونه است.

فرضیه (hypothesis) :

فرضیه آماری نقطه آغاز آزمون فرض است. فرضیه آماری یک بیان مقداری در باره پارامترهای جامعه است و اصولا بدون داشتن فرضیه آماری امکان انجام یک آزمون دشوار است.فرضیه آماری به دو دسته فرض صفر (H0) و فرض خلاف (H1) بیان می‌شود . اغلب فرضیه بیانگر این مطلب است که یک ارتباط علیتی بین دو متغیر وجود دارد به شکلی که میزان یکی (متغیر مستقل یاIndependent ) تا حدودی تعیین کننده دیگری متغیر وابسته یا (Dependent) است.

انواع داده :

1) داده های کمی (فاصله ای) Interval اعدادی هستند که بیانگر کمیت به صورت واحدهای عددی و بر اساس یک مقیاس مستقل است .قد و وزن مثالهای بارز دادههای کمی هستند.

2) دادههای رتبه ای Ordinal مشتمل بر رتبه ها، تعلق داشتن به گروههای رتبه بندی شده یا اطلاعات ترتیبی است. به عنوان مثال اگر دو داور به یک مجموعه 10 تایی از نقاشی رتبه یک (برای بهترین) تا رتبه 10 (برای بدترین) بدهند. مجموعه داده ها مشتمل بر 10 جفت رتبه خواهد بود. که هر جفت برای یک نقاشی است.

3) دادههای اسمی (nomial ) که مربوط به متغیر یا خواص کیفی مانند جنس یا گروه خونی است و بیانگر عضویت در یک گروه خاص می باشد.

محاسبه ضرایب همبستگی تا حدود زیادی متاثر از مقیاس اندازه گیری متغیر ها است، بعنوان مثال برای متغیر­های اسمی جهت رابطه اصلا معنی ندارد، بین جنس و معدل تنها می­توان گفت که شدت وابستگی چه مقدار است اما افزایش یا کاهش جنس معنی ندارد.

با توجه به نوع متغیر ها ضریب همبستگی می­تواند یکی از حالت­های زیر را داشته باشد.

1- دو متغیر اسمی

2- دو متغیر رتبه­ای

3- دو متغیر فاصله­ای- نسبی

4- متغیر اسمی و متغیر رتبه ای

5- متغیر اسمی و متغیر فاصله­ای - نسبی

6- متغیر رتبه­ای و متغیر فاصله­ای – نسبی

برای هر کدام از حالت­های بالا ضرایب همبستگی متفاوتی وجود دارند و محاسبه آنها در نرم افزار های spss ، lisrel و R امکان پذیراست.

از آنجا که انتخاب ضریب همبستگی مناسب برای بررسی روابط بین متغیرها تحت تاثیر مقیاس اندازه گیری متغیرهای مورد بررسی است لذا تناسب بین سطوح اندازه گیری و ضریب همبستگی سازگار از این جدول برای تصمیم گیری مناسب است

همبستگی منفی یا معکوس

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Khoshhal Dastjerd J, Ghavidel Rahimi Y. An Investigation on the Relationship between the Precipitation Variations in Tabriz with theGlobal Temperature Anomalies and its Numerical Simulation Using the Artificial Neural Network. MJSP. 2008; 12 (2) :29-51
URL: http://hsmsp.modares.ac.ir/article-21-4334-fa.html

خوشحال دستجردی جواد، قویدل رحیمی یوسف. بررسی رابطه تغییرات بارش سالیانه تبریز با ناهنجاریهای دمایی کره زمین و شبیه سازی عددی آن با استفاده از شبکه عصبی مصنوعی. برنامه‌ریزی و آمایش فضا. 1387; 12 (2) :51-29

در این تحقیق داده های مربوط به ناهنجاریهای دمایی کره زمین و بارش متوسط سالیانه ایستگاه تبریز در طی دوره آماری 1951-2005 استفاده شده اند. روشهای اصلی به کار گرفته شده در این مطالعه عبارت است از روش تعیین ضریب همبستگی پیرسون، تحلیل مؤلفه روند سری های زمانی، رگرسیون خطی ساده و رگرسیون پولی نومیال به عنوان یک روش نیمه خطی و شبکه های عصبی مصنوعی. نتایج حاصل از کاربرد و تحلیل همبستگی پیرسون نشانگر همبستگی منفی و معکوس معنا داری بین بارش سالیانه تبریز و ناهنجاریهای دمایی کره زمین است. این به آن معنا است که غالباً با منفی شدن ناهنجاریهای دمایی کره زمین، بارش سالیانه تبریز افزایش پیدا کرده و ترسالی به وقوع می پیوندد و برعکس با مثبت شدن ناهنجاریهای دمایی کره زمین، متوسط بارش سالیانه تبریز کاهش پیدا کرده و خشکسالی به وقوع می پیوندد. تحلیل مؤلفه روند بلندمدت سری های زمانی نشان می دهد که در طول دوره آماری از بارش متوسط سالیانه تبریز کاسته می شود، اما روند ناهنجاریهای دمایی کره زمین روندی افزایشی از خود نشان می دهد. ارتباط بارش متوسط سالیانه تبریز با گرمایش جهانی نیز با استفاده از شبکه های عصبی مصنوعی شبیه سازی شده است. نتایج حاصل از کاربرد روشهای همبستگی منفی یا معکوس مختلف در این مطالعه نشان می دهد که روش شبکه عصبی مصنوعی در مقایسه با روشهای رگرسیون خطی ساده و رگرسیون نیمه خطی پولی نومیال درجه 6، روش شبیه سازی بهتر و دقیقتر است. روشهای مختلف شبکه های عصبی مصنوعی به کار گرفته شده در این مطالعه نشان می دهد که روش پرسپترون چند لایه با 3 لایه مخفی و الگوریتم آموزش پس انتشار قابلیت بسیار عالی در پیش بینی همبستگی بین سری ها دارد.

بازنشر اطلاعات
	این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

• خوانندگان

لطفاً نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه در کادر زیر وارد کنید.

این نشریه ی دارای دسترسی باز، تحت قوانین گواهینامه بین‌المللی Creative Commons Attribution 4.0 International License منتشر می‌شود که اجازه اشتراک (تکثیر و بازآرایی محتوا به هر شکل) و انطباق (بازترکیب، تغییر شکل و بازسازی بر اساس محتوا) را می‌دهد.

ضریب همبستگی پیرسون و اسپیرمن

ضریب همبستگی پیرسون: ضریب همبستگی پیرسون که به نام های ضریب همبستگی گشتاوری و یا ضریب همبستگی مرتبه ی صفر نیز نامیده می شود، توسط سرکارل پیرسون معرفی شده است. این ضریب به منظور تعیین میزان رابطه، نوع و جهت رابطه ی بین دو متغیر فاصله ای یا نسبی و یا یک متغیر فاصله ای و یک متغیر نسبی به کار برده می شود. در واقع این ضریب، متناظر پارامتری ضریب همبستگی اسپیرمن می باشد. چندین روش محاسباتی معادل می توان برای محاسبه ی این ضریب تعریف نمود.

در این تحقیق از فرمول زیر استفاده می گردد:

ضریب همبستگی پیرسون بین 1- و 1 تغییر می کند. اگر 1 r =بیانگر رابطه ی مستقیم کامل بین دو متغیر است؛ رابطه ی مستقیم یا مثبت به این معناست که اگر یکی از متغیرها افزایش (کاهش) یابد، دیگری نیز افزایش (کاهش) می یابد.

اگر ضریب همبستگی برابر با منفی یک باشد ، نیز وجود یک رابطه ی معکوس کامل بین دو متغیر را نشان می دهد. رابطه ی معکوس یا منفی نشان می دهد که اگر یک متغیر افزایش یابد متغیردیگر کاهش می یابد و بالعکس.

ضریب همبستگی پیرسون: ضریب همبستگی پیرسون که به نام های ضریب همبستگی گشتاوری و یا ضریب همبستگی مرتبه ی صفر نیز نامیده می شود، توسط سرکارل پیرسون معرفی شده است. این ضریب به منظور تعیین میزان رابطه، نوع و جهت رابطه ی بین دو متغیر فاصله ای یا نسبی و یا یک متغیر فاصله ای و یک متغیر نسبی به کار برده می شود. در واقع این ضریب، متناظر پارامتری ضریب همبستگی اسپیرمن می باشد. چندین روش محاسباتی معادل می توان برای محاسبه ی این ضریب تعریف نمود.

در این تحقیق از فرمول زیر استفاده می گردد:

ضریب همبستگی پیرسون بین 1- و 1 تغییر می کند. اگر 1 r =بیانگر رابطه ی مستقیم کامل بین دو متغیر است؛ رابطه ی مستقیم یا مثبت به این معناست که اگر یکی از متغیرها افزایش (کاهش) یابد، دیگری نیز افزایش (کاهش) می یابد.

1- r = نیز وجود یک رابطه ی معکوس کامل بین دو متغیر را همبستگی منفی یا معکوس نشان می دهد. رابطه ی معکوس یا منفی نشان می دهد که اگر یک متغیر افزایش یابد متغیردیگر کاهش می یابد و بالعکس.

ضریب همبستگی رتبه ای اسپیرمن

ضریب همبستگی رتبه ای اسپیرمن توسط چارلز اسپیرمن(1945-1863) روانشناس و آماردان انگلیسی در سال 1904 معرفی شد.این ضریب میزان همبستگی رابطه ی میان دو متغیر ترتیبی را نشان می دهد و به عبارت دیگر متناظر ناپارامتری ضریب همبستگی پیرسون می باشد. در این ضریب همبستگی به جای استفاده از خود مقادیر متغیرها از رتبه های آنان استفاده می شود. رابطه ی مربوط به ضریب همبستگی رتبه ای اسپیرمن به صورت زیر تعریف می شود.

پژوهش همبستگی چیست | دسته بندی پژوهش های همبستگی

در این نوع پژوهش همبستگی، هدف آن است که مشخص شود که آیا رابطه معنی داری بین دو یا چند متغییر عمدتا کمی(قابل سنجش) درانجام پایان نامه وجود دارد یا خیرواگر این رابطه وجود دارد«جهت» و «شدت» آن چقدر است.در این نوع پژوهش، تغییرات حاصل از دست کاری یک متغیر،برمتغیز دیگرمورد برسی قرارمیگیرد.

در این نوع مطالعه، هدف بررسی و توضیح ماهیت ارتباط بوده و رابطه علیتی بین آنها مورد توجه نیست.

در بسیاری از موارد مطالعات پژوهش همبستگی، مقدمه وتولید فرضیه را برای انجام مطالعات شبه تجربی و تجربی فراهم می سازد. از آنجاکه در این پژوهش مداخله ای حادث نمی شود، لذا کاربرد متغیر مستقل و وابسته در این نوع مطالعه، بی مورد است.

ضریب همبستگی

پژوهش های همبستگی شامل کلیه پژوهش هایی است که در آنها سعی می شود رابطه بین متغیرهای مختلف با استفاده از ضریب همبستگی، کشف یا تعیین شود. هدف از پژوهش همبستگی مطالعه حدود تغییرات یک یا چند متغیر با حدود تغییرات یک یا چند متغیر دیگر است.

ارتباط: ضریب همبستگی هم بیانگر احتمال وجود رابطه است و هم نشان دهنده جهت ارتباط.

همبستگی مثبت یا مستقیم

زمانی می گویند پژوهش همبستگی مثبت است که با افزایش میزان یک متغیر، میزان متغیر مرتبط افزایش یابد. در چنین شرایط رابطه متغیرها همسو و یا مستقیم است.

به عنوان مثال، بین رقم کیلووات ساعت برق مصرفی و مبلغ فیش برق همبستگی مثبت وجود دارد؛ یعنی با افزایش مصرف برق، هزینه افزایش و در صورت کاهش مصرف نیز کاهش می یابد و یا این که با افزایش سابقه کار، میزان حقوق کارکنان بیمارستان دولتی افزایش یافته و با پایین بودن سابقه انتظار داریم، دریافتی کارکنان پایین باشد؛ که همه این مثال ها نشان دهنده همبستگی مثبت است.

همبستگی منفی یا معکوس

زمانی این همبستگی رخ میدهد که با افزایش میزان یک متغیر، میزان متغیر مرتبط کاهش یابد و یا برعکس. در این همبستگی جهت تغییر متغیرها مخالف یا معکوس یکدیگر است.

به عنوان مثال مطالعات نشان میدهند با افزایش سابقه کار، میزان خطاهای کاری کارکنان کاهش و یا بعد از میان سالی با افزایش سن، بهره هوشی افراد کاهش می یابد.

دسته بندی پژوهش های همبستگی

الف)مطالعه همبستگی دومتغیری

ب) تحلیل رگرسیون

پ) تحلیل ماتریس همبستگی یا کوواریانس

در مطالعات همبستگی دو متغیری، هدف بررسی رابطه بین دو متغیر موجود در پژوهش است. در تحلیل رگرسیون، هدف پیش بینی تغییرات یک یا چند متغی وابسته (ملاک) با توجه به تغییرات متغیرهای مستقل (پیش بینی )است.

در بعضی از بررسی های همبستگی دو متغیری، متغیرهای موردبررسی از جدولی به نام ماتریس همبستگی یا کوواریانس استفاده میشود. در اینجا به شرح بیشتری از پژوهشهای همبستگی مزبور پرداخته می شود:

پژوهش همبستگی دو متغیری

در این گونه پژوهش ها، هدف تعیین میزان هماهنگی تغییرات متغیر است. برای این منظور برحسب مقیاس های اندازه گیری متغیرها، شاخص های مناسبی اختیار می شود.

در پژوهش های همبستگی دو متغیری که مقیاس سنجش آن نسبتی بوده و توزیع صفت نیز نرمال باشد، برای اندازه گیری متغیرها از آزمون پیرسون استفاده میشود.

تحلیل رگرسیون

در پژوهش هایی که از تحلیل رگرسیون استفاده می شود، هدف معمولا پیش بین یک یا چند متغیر ملاک از روی یک یا چند متغیر پیش بین است. چنانچه هدف پیش بینی یک متغیر ملاک از چند متغیر پیش بین باشد، از مدل رگرسیون چندگانها استفاده میشود.

در صورتی که پیش بینی همزمان چند متغير ملاک از متغیرهای پیش بین یا زیرمجموعه ای از آنها هدف باشد، از مدل رگرسیون چند متغیری استفاده میشود.

در پژوهش های رگرسیون چندگانه، هدف پیدا کردن متغیرهای پیش بین است که تغییرات متغير ملاک را چه به تنهایی و چه به صورت مشترک پیش بینی کند. ورود متغیرهای پیش بین در تحلیل رگرسیون به شیوه های گوناگون، به شرح زیر صورت گیرد.

-روش سلسله مراتبی

در روش همزمان، تمام متغیرهای پیش بین باهم تحلیل می شوند. در روش گام به گام اولین متغیر پیش بین بر اساس بالاترین ضریب همبستگی صفر مرتبه با متغير ملاک تحلیل می شود. در روش سلسله مراتبی، ترتیب ورود متغیرها به تحلیل بر اساس یک چارچوب نظری یا تجربی موردنظر پژوهشگر صورت می گیرد. به عبارت دیگر، پژوهشگر شخص درباره ورود متغیرها به تحلیل تصمیم گیری می کند. این تصمیم گیری که قبل از شروع تحليل اتخاذ می شود، میتواند بر اساس سه اصل عمده باشد.

سه اصل عمده برای تحلیل متغیرها

1. رابطه علت و معلول

٢. رابطه متغیرها در پژوهش های قبلی

٣. ساخت طرح پژوهش

تلفن مشاوره 09199631325 و 09353132500 می باشد (پایان نامه و مقاله)

ضریب همبستگی چیست؟

بارها توسط افراد مختلف در حوزه‌های شغلی گوناگون یا در رسانه‌ها به منظور تحلیل آماری و بیان نتایج تحقیقات، واژه ضریب همبستگی یا اصطلاح لاتین آن Correlation را شنیده‌ایم. یکی از مهم ترین کاربردهای این مفهوم در بازارهای مالی است، که در این مطلب به بررسی آن و مباحث پیرامونی در حوزه بازار بورس می‌پردازیم. ضریب همبستگی یک ابزار آماری برای تعیین نوع و درجه رابطه متغیرهای کمی با یکدیگر است. این مفهوم یکی از معیارهای تشخیص میزان همبستگی دو متغیر می‌باشد. در واقع این ضریب نوع رابطه یعنی مستقیم یا معکوس بودن و شدت رابطه یعنی بازه ۱+ تا ۱- را نشان می‌دهد. همچنین اگر میان دو متغیر مذکور رابطه‌ای وجود نداشته باشد، مقدار ضریب همبستگی برابر صفر است.

اصول کاربردی ضریب همبستگی

• ضریب همبستگی مثبت یعنی افزایش یک متغیر با افزایش متغیر دیگر و همچنین کاهش یک متغیر با کاهش متغیر دیگر همراه است.
• ضریب همبستگی منفی یعنی افزایش یک متغیر با کاهش متغیر دیگر و همچنین کاهش آن متغیر با افزایش متغیر دیگر همراه است.
• ضریب همبستگی صفر یعنی افزایش و کاهش دو متغیر مستقل از یکدیگر بوده و هیچ ارتباطی ندارند.
• هرچه مقدار ضریب همبستگی به ۱+ یا ۱- نزدیک‌تر باشد، همبستگی مثبت یا منفی متغیرها قوی‌تر است.

ضریب همبستگی در بازار مالی

یکی از مفاهیم اساسی مورد استفاده معامله‌گران حرفه‌ای در انواع بازارهای مالی شامل سهام، کالا و ارز (فارکس) است؛ اما در این مطلب از ذکر مبانی آماری و جزئیات محاسباتی پرهیز نموده و تمرکز اصلی ما روی نحوه استفاده از این مفهوم در بازار سهام ایران می‌باشد. بررسی‌های آماری ثابت کرده است، که نوسانات دارایی‌ها در بازارهای مالی نسبت به همبستگی منفی یا معکوس یکدیگر بدون ارتباط نیستند. حتی در مقیاس بزرگ‌تر، بازارهای جهانی نیز به یکدیگر وابستگی داشته و کاملاً از یکدیگر تاثیر می‌پذیرند. مثلاً بارها مشاهده نموده‌اید، که سقوط قیمت سهام در بازارهای مالی بزرگ جهان به صورت دومینو وار به سایر بازارهای سهام نیز سرایت کرده است. همسبتگی در میان دارایی‌ها بی‌دلیل نبوده و معمولاً به دلیل وجود وجوه اشتراک یا تضاد بنیادی میان این نمادها ایجاد می‌شود. در واقع یکی از مهم‌ترین مزایای استفاده از مفهوم ضریب همبستگی حین سرمایه‌گذاری در بازارهای مالی، استفاده از فرصت‌های بهینه و کاهش خطای تحلیل تا بیشترین حد ممکن است. از طرف دیگر برخی معامله‌گران عمده نیز از این مفهوم به منظور اتخاذ موقعیت‌های معاملاتی پوشش ریسک بهره می‌برند.

ضریب همبستگی در بازار سهام ایران

اگر تجربه فعالیت در بازار بورس و اوراق بهادار تهران را داشته باشید، حتماً تاکنون وجود ضریب همبستگی مثبت نسبتاً بالا در کل بازار را متوجه شده‌اید. به عبارت دیگر سهام موجود در بازار بورس و فرابورس ایران همبستگی مثبت بالایی نسبت به یکدیگر دارند. برای اثبات این موضوع هم می‌توان، به نمودار سهام مختلف و شاخص کل در دوره‌های زمانی متفاوت مراجعه نمود. در واقع رفتار دمینووار بازارهای مالی در بورس تهران به طور کاملاً عینی و ملموس قابل مشاهده است. دلیل این رفتار بازار سهام نیز ناشی از شرایط بازار سرمایه ایران از لحاظ محدودیت تعداد شرکت‌های پذیرفته شده، کم عمق بودن بازار، تحریم‌ها و عدم اتصال به بازار جهانی یا رفتار هیجانی توده معامله‌گران می‌باشد.

همبستگی با سهام لیدر یا شاخص‌ساز

در بازار سهام ایران گروه‌های صنعتی مختلفی داریم. از طرف دیگر تعدادی سهام مربوط به غول‌های صنعتی و اصطلاحاً شاخص‌ساز وجود دارند، که از نظر اکثر فعالان بورس تعیین‌کننده روند بازار بوده و سهام متوسط یا کوچک در بسیاری از موارد تابع روند این نمادها هستند. با بررسی نمودارهای قیمتی بازار بورس موارد متعددی را مشاهده می‌کنیم، که با ایجاد نوسانات صعودی یا نزولی در سهام نمادهای لیدر بازار شرکت‌های کوچک‌تر هم‌گروه نیز به سرعت تغییر روند داده و با آن‌ها همسو شده‌اند. البته مواردی نیز وجود دارند، که به دلیل وقوع اتفاقات خاص درون شرکت یا مؤلفه‌های بنیادی روند برخی تک‌سهم‌ها نسبت به سهم لیدر یا کل بازار متفاوت بوده است.

همبستگی با سهامداران عمده (شرکت های مادر)

از دیگر همبستگی‌های مهم بازار سهام ایران می‌توان، به ترکیب سهامداران شرکت‌ها اشاره نمود. به طور مثال یک شرکت بورسی نظیر هلدینگ‌های سرمایه‌گذاری (سایر شرکت‌ها در راستای تملک یا جایگزین نمودن سهام ارزشمند بورسی) اقدام به خرید سهام سایر شرکت‌های بورسی از صنایع مختلف نموده و پرتفوی سهام تشکیل داده است. این شرکت‌ها به عنوان سهامدار در ترکیب سهامداران حضور دارند. در چنین شرایطی اگر در وضعیت بنیادی یا قیمتی سهام خریداری شده تحول مثبتی رخ دهد، طبعاً در ارزش ذاتی نماد شرکت سهامدار عمده نیز تعدیل مثبت ایجاد خواهد شده و یا در صورتی که درصد سهامداری بسیار بالا باشد، نوسانات قیمتی نمادها مشابه بوده و تفاوتی ندارند.

همبستگی بر اساس ترکیب پرتفوی

هبستگی سهام بورسی گاهاً بر اساس وضعیت سبد سرمایه‌گذاری آن‌ها ایجاد می‌شود. اگر گزارشات و صورت‌های مالی برخی شرکت‌ها را بررسی کنید، شباهت زیادی در پرتفوی آن‌ها قابل مشاهده است. حال اگر به نمودار قیمت این نمادها نیز مراجعه کنیم، شباهت معناداری در جزئیات نوسانات قیمتی آن‌ها وجود دارد. به طور کلی با استفاده از ضریب همبستگی می‌توانید، فرصت‌های سرمایه‌گذاری مناسبی را شکار کنید. مثلاً اگر سایر شروط تحلیل تکنیکال و بنیادی مورد نظر شما برقرار باشند، خرید سهام یک شرکت سرمایه‌گذاری دارای پرتفوی بورسی مثبت (نمادهای موجود در پرتفوی شرایط بنیادی و قیمتی مثبتی دارند) در قیمت‌های منفی ارزنده است.

تشکیل پرتفوی با توجه به ضریب همبستگی

موارد مذکور شامل بخشی از روابط و همبستگی‌هایی است، که در بازار سهام مشاهده شده و حین سرمایه‌گذاری باید حتماً به این موارد توجه داشت. در واقع برای معامله‌گری موفق صرفاً نیاز به درک مفاهیم تحلیلی متعدد و پیچیده نداشته و بعضاً با توجه به چنین نکات ساده‌ای می‌توان، از ورود به موقعیت‌های معاملاتی اشتباه با ریسک بالا جلوگیری نمود. به طور مثال اگر چند سهم با همبستگی مثبت بالا خریداری کرده و یکی از سهام اصلی دچار روند نزولی شود، احتمالاً روند قیمتی بقیه سهام موجود در پرتفوی نیز معکوس شده و یک ضرر سنگین چند برابری را متحمل می‌شوید!

حال در مورد ضریب همبستگی به دو مثال از بازار سهام تهران توجه کنید.

۱- در تاریخ نگارش مطلب (۲۷/۰۶/۱۳۹۹) و بر اساس اطلاعات سایت TSETMC، شرکت سرمایه‌گذاری خوارزمی مالک ۱/۱ درصد معادل ۱۱۲ میلیون سهم از گروه خودروسازی بهمن است. همان‌طور که اشاره نمودیم، در صورت وقوع اتفاقات بنیادی مثبت در نماد خبهمن در میزان سودسازی نماد وخارزم نیز متناسب با میزان تملک سهام خبهمن تعدیل مثبت ایجاد می‌شود. همچنین اگر در پرتفوی بورسی خود نماد وخارزم دارید، دیگر خرید نماد خبهمن چندان منطقی نیست؛ زیرا به صورت غیرمستقیم و از طریق سرمایه‌گذاری خوارزمی این نماد (خبهمن) را خریداری نموده‌اید! در واقع اگر اصرار به خرید یک نماد خودرویی دارید، حتی‌الامکان باید نماد خودرویی دیگری را خریداری کنید، تا قاعده متنوع سازی رعایت شده و از تحمل ریسک چند برابر پرهیز نمایید.

۲- در مثال بعدی به بررسی دو نماد خساپا و وساپا می‌پردازیم. در ابتدا به ترکیب سهامداران خودروسازی سایپا توجه کنید.

ترکیب سهامداران شرکت سرمایه‌گذاری سایپا نیز جالب است!

در نهایت با توجه به ترکیب سهامداران فوق، قطعاً مشاهده این نمودار قیمتی دور از انتظار نیست.

اگر نمودار این دو سهم را در بلندمدت مورد بررسی قرار دهیم، در بسیاری از مواقع حتی در کوچک‌ترین نوسانات بازار نیز مسیر یکسانی داشته‌اند. بنابر تفاسیر فوق خرید و سهامداری همزمان این دو شرکت با توجه به همبستگی تقریباً کامل آن‌ها، از دیدگاه متنوع سازی و مدیریت ریسک اصلاً منطقی نیست.

کلام پایانی

همواره در بخش‌های پایانی مقالات و حین معرفی تکنیک‌های مختلف معامله‌گری به این موضوع تأکید نموده‌ایم، که هیچ کدام از این ابزار عملکرد قطعی و صد درصدی نداشته و همواره باید با صرف زمان، کسب تجربه و بر اساس تعدادی از روش‌های تحلیل و معامله‌گری، استراتژی یا فلسفه معاملاتی خود را به مرور زمان بسازید. مفهوم ضریب همبستگی در بازار سهام نیز از این قاعده مستثنی نبوده و اگر بیشتر در این زمینه جستجو کنید، مطمئناً به میزان تسلط بالاتری رسیده و شاید همبستگی‌های بیشتری را نیز بیابید.