کاربرد همبستگی در بازارهای مالی

• مفهومی کلی از ضریب همبستگی در ذهن داشته باشند.
• وقتی جایی در گزارشی می‌خوانند که دو متغیر با هم ضریب همبستگی مثبت یا منفی دارند، منظور کلی نویسنده یا محقق را درک کنند.
• مراقب باشند که ضریب همبستگی را با رابطه‌ی بین علت و معلول اشتباه نگیرند.
• در موارد ساده، با استفاده از نرم افزار اکسل، بتوانند ضریب همبستگی را محاسبه کنند.

مفهوم ضریب همبستگی چیست و چه کاربردی دارد؟

• مفهومی کلی از ضریب همبستگی در ذهن داشته باشند.
• وقتی جایی در گزارشی می‌خوانند که دو متغیر با هم ضریب همبستگی مثبت یا منفی دارند، منظور کلی نویسنده یا محقق را درک کنند.
• مراقب باشند که ضریب همبستگی را با رابطه‌ی بین علت و معلول اشتباه نگیرند.
• در موارد ساده، با استفاده از نرم افزار اکسل، بتوانند ضریب همبستگی را محاسبه کنند.

بحث ضریب همبستگی بحث بسیار گسترده‌ای است کاربرد همبستگی در بازارهای مالی که دامنه‌ی آن از فلسفه تا آمار و از نیوتون تا هایزنبرگ گسترده است.

طبیعتاً قصد ما در این درس، این نیست که شما را درگیر پیچیدگی‌های این موضوع کنیم.

اما می‌خواهیم چند نکته‌ی ساده درباره‌ی همبستگی را مطرح کنیم تا در درس‌های دیگر بتوانیم به آن ارجاع دهیم.

در کاربرد همبستگی در بازارهای مالی ابتدای این درس، یک توضیح غیردقیق و ساده‌شده از ضریب همبستگی ارائه می‌کنیم که برای بسیاری از درس‌های متمم کافی است. در ادامه (بخش پایانی) توضیحات کامل‌تری درباره‌ی ضریب همبستگی ارائه شده است.

اگر قرار نیست کارهای مطالعاتی و تحقیقاتی پیچیده انجام دهید و فقط می‌خواهید در هنگام مطالعه‌ی متن‌های عمومی مدیریتی، درک درستی از ضریب همبستگی داشته باشید، احتمالاً توضیحات زیر برای شما کافی خواهد بود:

• اگر ضریب همبستگی دو پارامتر با یکدیگر مثبت باشد، به این معناست که در فضایی که مطالعه و بررسی انجام شده، افزایش یک پارامتر با افزایش پارامتر دیگر و نیز کاهش آن پارامتر با کاهش پارامتر دیگر همراه است.
• اگر ضریب همبستگی دو پارامتر با یکدیگر منفی باشد، به این معناست که در فضایی که مطالعه و بررسی انجام شده، افزایش یک پارامتربا کاهش پارامتر دیگر و کاهش آن پارامتربا افزایش پارامتر دیگر همراه است.
• صفر بودن ضریب همبستگی به این معناست که دو پارامتر – در فضایی که مورد بررسی قرار گرفته – مستقل از یکدیگر بوده‌اند و بر اساس اطلاعات موجود ازکاهش یا افزایش یکی، نمی‌توان در مورد کاهش یا افزایش دیگری اظهار نظر کرد.
• ضریب همبستگی بین منفی یک و مثبت یک است. هر چه این ضریب از صفر دورتر شود (و به مثبت یا منفی یک نزدیک‌تر شود) می‌توان نتیجه گرفت که روند هم جهت بودن یا مخالف بودن دو پارامتر مورد بررسی، جدی‌تر است.
• ضریب همبستگی هیچ ارتباطی با رابطه‌ی علت و معلول ندارد. احتمال دارد در یک جامعه‌ی آماری، بین حجم موتور ماشین و درآمد مالک ماشین، ضریب همبستگی مثبت وجود داشته باشد. اما این بدان معنی نیست که اگر ماشینی بخرید که حجم موتور بالاتری دارد، ثروت‌مندتر می‌شوید یا اگر سپرده‌ی بانکی شما افزایش یابد، حجم موتور ماشین شما رشد خواهد کرد. این بحث را می‌توانید به شکل دقیق‌تر در درس نظریه علمی یا واقعیت آماری مطالعه کنید.

بعضی از بحث‌های متمم که به نوعی با ضریب همبستگی رابطه دارند:

بسته به هدفی که دارید و جامعه‌ی آماری که مد نظر شماست، شیوه‌های متعددی برای محاسبه‌ی ضریب همبستگی یا Correlation Coefficient وجود دارد.

برای اینکه با یکی از شیوه‌های محاسبه‌ی ضریب همبستگی آشنا شویم، ما در اینجا ضریب همبستگی پیرسون را به عنوان نمونه انتخاب کرده‌ایم. این ضریب در مقالات تحقیقاتی معمولاً با نماد r نمایش داده می‌شود.

همانطور که در درس نظریه علمی یا واقعیت آماری اشاره شد، مهم‌ترین نکته‌ای که باید در مورد ضریب همبستگی به خاطر داشته باشیم این است که ضریب همبستگی، به رابطه‌ی علت با معلول اشاره نمی‌کند و صرفاً مشخص می‌کند که بین دو متغیر رابطه خطی وجود دارد.

به عنوان مثال، تحقیقات نشان می‌دهند که ضریب همبستگی بین تعداد سیگارهایی که یک نفر در طول زندگی کشیده و عمر او، منفی است.

اما از این تحقیق نمی‌توان نتیجه گرفت که سیگار کشیدن، عمر را کوتاه می‌کند.

ممکن است این دو متغیر، تابع متغیر سومی به نام سختی‌های زندگی باشند.

به این معنی که با افزایش سختی‌های زندگی، تنش افزایش یافته و با افزایش تنش، ضمن اینکه تعداد سیگارهای مصرفی افزایش می‌یابد، عمر نیز کاهش یابد.

اگر چه در این مثال خاص، تحقیقات متعدد دیگر نشان داده‌اند که مصرف سیگار می‌تواند علت مستقیم کاهش عمر باشد، اما این نتیجه را نمی‌توان صرفاً‌ از منفی بودن ضریب همبستگی استخراج کرد.

برخی از دوستان متممی که به این درس علاقه مندند: آذین شریفی ، شیرین ، فرزانه همدانچی ، پیام پدرام ، پری

رابطه بین شاخص دلار و شاخص های بازار سهام آمریکا چیست؟

همبستگی بین دو یا چند چیز فارغ از اینکه در دنیای واقعی باشند یا نه، به صورت خلاصه یک رابطه نامیده می شود.شاید گاهی اوقات دیده باشید که بعضی چیزها از یکدیگر تقلید می کنند و در واقع رابطه هایی با هم دارند.

این ارتباطات و همبستگی ها در دنیای سرمایه گذاری و معامله گری نیز وجود دارد و می تواند به شما در تشخیص روندها کمک بسیاری کند. اینجا مفهومی به نام ضریب همبستگی وجود دارد (از اسم به ظاهر ترسناک آن نترسید چون خیلی هم ساده است).

ضریب همبستگی عددی بین 1+ و 1-می باشد. این دو عدد به عنوان ضرایب کامل همبستگی نامیده می شوند.

به عنوان مثال وقتی که ضریب همبستگی بین دو چیز (دو جفت ارز ٬ دو کالا، دو شاخص سهام و . ) برابر با 1+ باشدمی توان گفت که آن دو متغیر دقیقا در یک جهت حرکت می کنند (اگر یک متغیر افزایش یابد، متغیر دوم نیز افزایش می یابد).

وقتی که این عدد 1-باشد، دقیقا در خلاف جهت یکدیگر به حرکت در می آیند (اگر یکی از آن دو متغیر افزایش یابد ٬ متغیر دوم کاهش خواهد یافت).

البته در بازارها ضریب همبستگی کامل در واقع ایده آل ترین حالت است و وجود خارجی ندارد. اما ضرایب همبستگی بانسبت های کمتر در بازار داریم و هرچه این اعداد که به صورت درصدی یا اعشاری کاربرد همبستگی در بازارهای مالی نوشته می شوند به 1+ یا 1نزدیک تر باشند قدرت بیشتری پیدا می کنند (وقتی ضریب همبستگی به صورت درصدی بیان می شود مسلما بازه ای بین +100 و 100 %مورد نظر می باشند).

اما در این مطلب قصد داریم تا رابطه بین شاخص دلار آمریکا (که ارزش جهانی دلار در مقایسه با 6 ارز بزرگ دیگر را را بررسی کنیم. S&P و 500 Dow Jones٬ Nasdaq نشان می دهد) و شاخص های مشهور سهام این کشور یعنی اگر ما شاخص دلار را با شاخص های سهام آمریکا (که در بالا ذکر شد) در طی یک دوره 20 ساله مقایسه کنیم ملاحظه خواهیم کرد که ضرایب همبستگی مانند جدول زیر خواهد بود.

شاخص های سهام آمریکا	ضریب همبستگی	شاخص دلار آمریکا
Dow Jones	0.35	US Dollar Index
Nasdaq	0.39	US Dollar Index
S&P 500	0.38	US Dollar Index

توجه داشته باشید کاربرد همبستگی در بازارهای مالی که هر سه ضریب همبستگی مثبت هستند و این بدان معناست که اگر شاخص دلار آمریکا رشد کند ٬ این سه شاخص نیز رشد خواهند کرد؛ اما به میزانی معین!

همچنین باید توجه کنید که هر سه این ضرایب زیر 0.4 هستند و می توان اینطور تفسیر کرد که فقط حدود 35 تا 40 % ازحرکات شاخص سهام آمریکا با دلار در ارتباط است.

ارز رایج یک کشور می تواند از دو طریق در سطح جهانی ارزشمندتر شود:

1) هنگامی که مقدار ارز آن کشور در سطح بازارهای جهانی کاهش پیدا می کند. مثلا وقتی که فدرال رزرو نرخ بهره را افزایش می دهد و باعث کاهش در هزینه ها می شود.

2) هنگامی که تقاضا برای ارز آن کشور زیاد می شود. مثلا هنگامی که در سطح جهانی تمایل برای خرید سهام در بازار بورس آمریکا افزایش پیدا می کند، سرمایه گذاران مجبورند تا دلار آمریکا را برای خرید سهام موردنظرشان بدست بیاورند. بنابراین تقاضا برای دلار آمریکا افزایش می یابد و ارزش آن نیز مسلما بالا خواهد رفت.

ارزش سهام آمریکا و مخصوصا آنهایی که در شاخص ها وجود دارند (یا به قول مردم کشور خودمان شاخص ساز هستند) با افزایش ارزش دلار آمریکا تمایل به افزایش پیدا می کنند. به بیانی دیگر همبستگی مثبت بین آنها وجود دارد.

تبیین متغیرهای مالی موثر در پیش بینی درماندگی مالی: کاربرد شبکه عصبی مصنوعی

پیش‌بینی درماندگی مالی شرکت‌ها ،یکی از مهمترین مباحث پیش‌روی مدیران است و می تواند به موفقیت و تداوم حیات شرکت‌ها کمک زیادی بکند؛ زیرا با ارائه سیگنال‌های هشدار بر‌انگیز و به موقع می‌تواند مدیران شرکت‌ها را نسبت به وقوع درماندگی مالی و ورشکستگی آگاه نماید و در نتیجه، با مدیریت صحیح از به هدر رفتن منابع و خسارت‌های ناشی از ورشکستگی جلوگیری شود. هدف اصلی این تحقیق، انتخاب متغییرهای مالی موثر جهت پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و سپس پیش‌بینی درماندگی مالی با روش شبکه عصبی مصنوعی است. بنابراین ابتدا 106 شرکت‌ با روش نمونه گیری تصادفی ساده انتخاب شدند و داده های مالی آنها از سال‌های 1386 تا 1398 استخراج و با آزمون همبستگی پیرسون رابطه بین متغییرها بررسی و از 34 نسبت مالی،24 نسبت که دارای رابطه معنی‌دار بودند، انتخاب گردید و در نهایت با روش شبکه عصبی مصنوعی پیش‌بینی درماندگی مالی شرکت‌ها انجام، که درماندگی یا عدم درماندگی، 103 شرکت بدرستی پیش‌بینی گردید و با مقایسه پیش‌بینی انجام شده توسط روش شبکه عصبی مصنوعی با مقادیر واقعی متغیر وابسته در سال 98، مشخص شد که در بیش از 97 درصد موارد، این روش، درماندگی مالی شرکت‌ها را به درستی پیش‌بینی کرده است.

کلیدواژه‌ها

• پیش‌بینی
• درماندگی مالی
• شبکه عصبی مصنوعی
• آزمون همبستگی پیرسون
• بورس اوراق بهادار

مراجع

1. بادامی، محمدحسین. (1393). پیش‌بینی درماندگی مالی شرکت‌ها با استفاده از روش ELECTRE در بورس اوراق بهادار تهران، دانشگاه تهران. دانشکده مدیریت. تهران، پایان‌نامه کارشناسی ارشد.
2. ودیعی، محمدحسین، میراسماعیلی، سیدحسین. (1391). پیش‌بینی ورشکستگی با استفاده از مدل‌های تحلیل لوجیت اهلسون و تحلیل چندگانه فولمر و مقایسه آن‌ها. فصلنامه تحقیقات حسابداری و حسابرسی، دوره 4 ،شماره 1،صص 146-172.
3. مرادی, محسن., شفیعی سردشت. مرتضی.. ابراهیم پور. ملیحه. (1391). پیش بینی درماندگی مالی شرکت ها به وسیله مدل های ماشین بردار پشتیبان تحلیل ممیزی چندگانه. فصلنامه بورس اوراق بهادار. شماره15، صص 113-136.
4. راعی، رضا؛ فلاح پور، سعید ؛ (1387)، کاربرد ماشین بردار پشتیبان در پیش بینی درماندگی مالی شرکت‌ها با استفاده از نسبت‌های مالی، فصلنامه بررسی های حسابداری و حسابرسی، شماره ۵۳، صص ۱۷
5. ارم، اصغر. (1393). پیش‌بینی پیش‌ینی درماندگی مالی (Financial Distress) شرکت‌ها با استفاده از الگوریتم مورچگان (ACA)، دانشگاه تهران. دانشکده مدیریت. تهران، پایان‌نامه کارشناسی ارشد.
6. راعی، رضا؛ فلاح پور، سعید ؛(1383) پیش بینی درماندگی مالی شرکت ها با استفاده از شبکه های عصبی مصنوعی، نشریه تحقیقات مالی، صفحه:۳۹
7. مهرانی، ساسان، کامیابی، یحیی، غیور، فرزاد (1398). بررسی توانایی شاخص‌های حسابداری و غیرحسابداری مؤثر بر پیش‌بینی درماندگی مالی و مقایسه روش‌های پارامتریک و ناپارامتریک، پژوهش‌های تجربی حسابداری، شماره34، صص49-71
8. روشن قلب. (1386). بررسی و شناخت نسبت‌های موثر بر پیش بینی ورشکستگی در شرکت‌های پذیرفته شده در بورس اوراق بهادار تهران. تهران: دانشگاه تهران- دانشکده مدیریت.
9. طهماسبی، رسول؛ علی اصغر انواری رستمی ، عباس؛ خورشیدی ، سیدجلال؛ صادقی، شریف؛ (1397) پیش بینی ریسک درماندگی مالی شرکت های بورس اوراق بهادار تهران با استفاده از مدل های تحلیل عاملی، درخت تصمیم و رگرسیون لجستیک، فصلنامه دانش سرمایه گذاری، شماره ۲۷، صص۱۸۹ -۲۰۶
10. وقفی، سید حسام؛ ، حیدری، زهره؛ خواجه زاده، سامیران؛ کامران راد، صدیقه؛ (1399) تحلیل درماندگی مالی در بخش کشاورزی و مواد غذایی با تاکید بر نقش متغیرهای کلان اقتصادی و حسابداری، مجله تحقیقات اقتصاد کشاورزی، سال دوازدهم شماره ۳، صص ۲۱۱ -۲۳۶
11. خردیار، سینا؛ قلی زاده، محمدحسن، لطفی، فروغ (1397)، پیش بینی درماندگی مالی با استفاده از روش ترکیبی PCA-ANFIS و الگوریتم فراابتکاری بهینه سازی ازدحام کبوتر، فصلنامه مهندسی مالی و مدیریت اوراق بهادار، شماره ۳۷، صص ۱۳۳ -۱۵۷
12. منصورفر، غلامرضا؛ غیور، فرزاد؛ اسدی، مریم؛ (1395) اثر تعدیل‌گر کیفیت سود در پیش بینی درماندگی مالی شرکت‌های پذیرفته شده بورس اوراق بهادار مجله راهبرد مدیریت مالی، شماره ۱۵، صص۲۵ -۴۴
13. وقفی، سیدحسام؛ مام صالحی ، پرویز، فیاض، علی، خواجه زاده، سامیران؛ (1398)، رویکرد مدیریتی در تحلیل درماندگی مالی بخش صنعت و معدن بازار سرمایه ایران با بکارگیری روش های یادگیری ماشین (NSGA-II,ABC)، دو ماهنامه بررسی های بازرگانی، صص:۳۸ -۵۵
14. رمضان زاده زیدی، عباس؛ فغانی ماکرانی، خسرو؛ جعفری، علی؛ (1398)، بسط مدل سازی درماندگی مالی با استفاده از مدیریت سود شرکت ها در محیط اقتصادی ایران، فصلنامه مدلسازی اقتصادی، شماره ۴۶، صص ۱۰۱ -۱۲۰
15. وقفی، سید حسام؛ دارابی، رویا؛ (1398) اعتبارسنجی الگوریتم های هوش مصنوعی در پیش بینی درماندگی مالی در بخش صنعت و معدن با تاکید بر نقش متغیرهای کلان اقتصادی، مالی، مدیریتی و ریسک، پژوهشنامه بازرگانی، شماره ۹۱، صص ۲۱۳ -۲۴۳
16. محبی هره دشت، بهنام؛ چاوشی، سید کاظم؛ جهانگیرنیا، حسین؛ غلامی جمکرانی، رضا؛ (1399)، بررسی تاثیر شاخص های غیرمالی بر پیش بینی وقوع درماندگی مالی از دیدگاه مدیران شهری (مورد مطالعه: بانک شهر)، فصلنامه اقتصاد و مدیریت شهری، شماره ۳۰، صص ۲۳ -۳۸
17. ابراهیمی سرو علیا، محمدحسن؛ باباجانی، جعفر؛ آخوند، محمدرضا؛ فاخر، اسلام؛ (1397) ارائه الگویی برای پیش بینی پویای درماندگی مالی با استفاده از تحلیل بقاء، فصلنامه اقتصاد مقداری، شماره ۵۹، صص ۱۶۷ -۱۹۸
18. صوفی، منصور؛ همایون فر، مهدی؛ فدایی، مهدی؛ (1399)، تعیین روش بهینه پیش بینی درماندگی مالی شرکت‌ها مطالعه موردی: شرکت های بورس اوراق بهادار تهران، فصلنامه دانش سرمایه گذاری، شماره ۳۵، صص ۸۵ -۱۰۰
19. میرعرب بایگی، علیرضا؛ مکاری، هاشم؛ آذریون، آرش؛ (1399)، پیش بینی پویا در ورشکستگی مالی با استفاده از روش مالم کوئیست (مورد مطالعه: شرکت های پذیرفته شده در بورس اوراق بهادارتهران( نشریه کارافن، شماره ۴۹ صص ۲۰۳ -۲۲۰
20. فلاح پور، سعید؛ ارم. اصغر؛ (1395)؛ پیش بینی درماندگی مالی شرکت ها با استفاده از الگوریتم کلونی مورچگان، نشریه تحقیقات مالی، شماره ۴۲، صص ۳۴۷ -۳۶۸
21. بت شکن، محمدهاشم؛ سلیمی، محمد جواد؛ فلاحتگر متحدجو، سعید (1397)، ارائه یک روش ترکیبی به منظور پیش بینی درماندگی مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران، نشریه تحقیقات مالی، شماره ۵۰ ، صص ۱۷۳ -۱۹۲
22. پیری، پرویز؛ خداکریمی، پری؛ (1396)، پیش بینی درماندگی مالی شرکت ها بر مبنای الگوی ترکیبی از اطلاعات حسابداری و بازار با رویکرد رگرسیون لجستیک، فصلنامه مطالعات تجربی حسابداری مالی، شماره ۵۵ ، ص ۱۴۵
23. Altman, E. I. (1968). Financial ratios, discriminant analysis and the prediction of corporate bankruptcy. The journal of finance, 23(4), 589-609.
24. Chen, J. H. (2012). Developing SFNN models to predict financial distress of construction companies. Expert Systems with Applications, 39(1), 823-827.
25. Li, Z., Crook, J., & Andreeva, G. (2017). Dynamic prediction of financial distress using Malmquist DEA. Expert Systems with Applications, 80, 94-106.
26. Xu, X., & Wang, Y. (2009). Financial failure prediction using efficiency as a predictor. Expert Systems with Applications, 36(1), 366-373.
27. Mousavi, M. M., Ouenniche, J., & Tone, K. (2019). A comparative analysis of two-stage distress prediction models. Expert Systems with Applications, 119, 322-341.
28. Wong, B., & Selvi, Y. (1998). Neural network applications in finance: A review and analysis of literature(1990-1996). Information & Management, 21(2), 129-139.
29. Shah, J., & Murtaza, M. (2000). A neural network based clustering procedure for bankruptcy Prediction. American Business Review, 2(18), 80-86.
30. Alfaro, E., & Garcia, N. (2008). Bankruptcy Forecasting: an Empirical Comparison of Ad Boost and Neural Networks. International Advances in Economic Research, 25(2), 110-122.
31. Gameel, M., & El-Geziry, K. (2016). Predicting financial distress: multi scenarios modeling using neural network. International Journal of Economics and Finance,, 11(8), 159-168.
32. Heydary Farahany, M., ghayour, F., & mansourfar, G. (2019). The effect of management behavioral strains on financial distress. Journal of Financial Accounting Research, 3(11), 117-134.
33. Khajavi, S., & Ghadirian-Arani, M. (2018). The role of managerial ability in financial distress prediction. Journal of Financial Accounting Research, 9(4), 83-102.
34. Megginson, W., Meles, A., Sampagnaro, G., & Verdoliva,, V. (2019). Financial distress risk in initial public offerings: how much do venture capitalists matter? Journal of Corporate Finance, 25(1), 10-30.
35. Li, Z., Crook, J., & Andreeva, G. (2017). Dynamic prediction of financial distress using Malmquist DEA. Expert Systems with Applications, 6(80), 9.
36. Salehi, A., Elhaeisahar, M., & Savari,, A. (2017). Investment decisions of firms under financial distress. Financial Management Perspective, 22(13), 19-34.
37. Tinoco, M., Holmes, P., & Wilson, N. (2018). Polytomous response financial distress models: The role of accounting, market and macroeconomic variables. International Review of Financial Analysis, 24(2), 112-124.
38. Vakilifard, H., Ahmadvand, M., & Sadehvand,, M. (2018). The relationship between financial distress risk and momentum anomaly in Tehran stock exchange. Financial Knowledge of Securities Analysis, 38(11), 43-55.
39. Shilpa, N., & Amulya, M. (2017).
40. Kihooto, E., Omagwa, J., & Ronald, M. (2016). Financial distress in commercial and services companies listed at Nairobi Securities Exchange. Kenya. European Journal of Business and Management, 27(8), 86-89.

اندیکاتور محاسبه تشخیص همبستگی بین جفت ارزها PZ Correlation در متاتریدر 4

یکی از ماشین های پول سازی در فارکس Correlation یا همان همبستگی است که استفاده درست از آن میتواند سود های کلانی را برای ما به همراه داشته باشد.

اما شاید برایتان سوال پیش بیاید که Correlation چیست ؟
Correlation به معنی همبستگی است که این همبستگی در بین جفت ارزها اتفاق می افتد و باعث میشود که حرکت دو جفت ارز بسیار شبیه به یکدیگر و یا خلاف یکدیگر شود.

بصورت کلی 2 نوع همبستگی وجود دارد :

• همبستگی مثبت : حرکت دو جفت ارز شبیه به یکدیگر است
• همبستگی منفی : حرکت دو جفت ارز خلاف جهت یکدیگر است

اما مشکل اینجاست که چگونه میتوانیم از همبستگی بین دو یا چند جفت ارز مطلع شویم؟ آیا باید تمامی جفت ارزها را بررسی کنیم تا که همبستگی کاربرد همبستگی در بازارهای مالی را در دو یا چند جفت ارز مشاهده کنیم ؟
خیر ، راه حل این مشکل اندیکاتور PZ Correlation است ، این اندیکاتور با توجه محاسبات خاصی که در کمترین زمان ممکن انجام میدهد ، همبستگی را در بین جفت ارزهای مختلف می یابد و روی چارت شما به نمایش میگذارد تا به راحتی تمام این ابزار کاربردی را در سیستم معاملاتی خود داشته باشید.

مشخصات PZ Correlation

• وبسایت رسمی : pointzero-trading.com
• پلتفرم : متاتریدر4
• جفت ارز : تمامی جفت ارزها
• زمان معامله : تمامی ساعات
• تایم فریم : تمامی تایم فریم ها
• بازار : فارکس

برخی از مزایای PZ Correlation

• قابل استفاده در تمامی جفت ارزها و تایم فریم ها
• قابل ترکیب با تمامی سیستم های معاملاتی
• مناسب برای معامله گران مبتدی و همچنین معامله گران باتجربه
• استفاده از آن بسیار ساده است
• طرز کار اندیکاتور

برای استفاده از این اندیکاتور ابتدا وارد جفت ارزی که قصد اطلاع از همبستگی آن با سایر جفت ارز ها دارید شوید و اندیکاتور را روی آن اجرا کنید

همانطور که در تصویر بالا مشاهده میکنید پس از اجرای اندیکاتور روی چارت مورد نظر یک اسیلاتور در پایین صفحه به نمایش در می آید که میزان همبستگی بین جفت ارزی که اندیکاتور روی چارت آن اجرا شده کاربرد همبستگی در بازارهای مالی با سایر جفت ارزها را به نمایش میگذارد.

هر جفت ارز روی اسیلاتور با خطی با رنگ خاص مشخص شده است ، برای مثال در تصویر بالا جفت ارز USDCHF با خطی با رنگ زرد مشخص شده است

اما چگونه متوجه وجود همبستگی بین جفت ارز مورد نظر(جفت ارزی که اندیکاتور روی چارت آن اجرا شده است) با سایر جفت ارزها شویم ؟
برای این امر باید به مکان قرار گرفتن خطوطی که روی اسیلاتور نمایش داده شده اند توجه کنیم :

• خطوطی که نزدیک به خط نقطه چین 0 اسیلاتور قرار دارند در واقع فاقد همبستگی با جفت ارز مورد هستند
• خطوطی که نزدیک به خط نقطه چین 0.3 اسیلاتور قرار دارند دارای کمی همبستگی مثبت با جفت ارز مورد نظر هستند
• خطوطی که نزدیک به خط نقطه چین 0.8 اسیلاتور قرار دارند دارای همبستگی مثبت بالایی با جفت ارز مورد نظر هستند
• خطوطی که نزدیک به خط نقطه چین 1 اسیلاتور قرار دارند دارای همبستگی مثبت شدیدی با جفت ارز مورد نظر هستند
• خطوطی که نزدیک به خط نقطه چین 0.3- اسیلاتور قرار دارند دارای کمی همبستگی منفی با جفت ارز مورد نظر هستند
• خطوطی که نزدیک به خط نقطه چین 0.8- اسیلاتور قرار دارند دارای همبستگی منفی بالایی با جفت ارز مورد نظر هستند
• خطوطی که نزدیک به خط نقطه چین 1- اسیلاتور قرار دارند دارای همبستگی منفی شدیدی با جفت ارز مورد نظر هستند

قانون معامله

بصورت کلی با استفاده از Correlation دو استراتژِی معاملاتی را میتوان در نظر گرفت:

1- استفاده از همبستگی مثبت بین دو جفت ارز برای تایید حرکت یکدیگر

2- وارد شدن همزمان به معامله خرید و فروش در دو جفت ارز که همبستگی منفی در آن ها شکل گرفته است

تنظیمات اندیکاتور PZ Correlation

• قسمت Max History Bars : از طریق این قسمت میتوانید تعداد کندلی که در رسم اسیلاتور سهیم هستند را تغییر دهید
• قسمت Correlation Period : بازه محاسبه همبستگی بین جفت ارزها
• قسمت های 1st symbol تا 8th symbol : در این قسمت های میتوانید جفت ارزهایی که در اسیلاتور نمایش داده میشوند را تغییر دهید
• قسمت Font size : سایز فونت نام جفت ارزهایی که در اسیلاتور نمایش داده میشوند.

برای آشنایی بیشتر با این اندیکاتور ویدیو زیر را تماشا کنید:

جهت آشنایی با روش نصب اندیکاتور اندیکاتور PZ Correlation به مقاله اموزشی راهنمای نصب انواع اندیکاتور در متاتریدر 4 و 5 مراجعه کنید

همبستگی بین جفت ارزها در فارکس

آیا تا به حال توجه کرده‌اید که وقتی قیمت یک جفت ارز خاص افزایش می‌یابد، قیمت یک جفت ارز دیگر کاهش می‌یابد؟ یا وقتی همان جفت ارز سقوط می‌کند، یک جفت ارز دیگر رفتار آن را تقلید کرده و قیمت آن نیز کاهش می‌یابد؟ اگر پاسخ مثبت است، شما به تازگی شاهد همبستگی بین یک جفت ارز بوده‌اید. همبستگی بین جفت ارزها نشان می‌دهد که آیا رابطه‌ای بین دو جفت ارز مجزا وجود دارد یا خیر. با ما همراه باشید تا شما را با همبستگی بین جفت ارزها در فارکس آشنا کنیم.

همبستگی بین جفت ارز در فارکس چیست؟

فهرست عناوین مقاله

همبستگی بین جفت ارزها در فارکس یک رابطه مثبت یا منفی بین دو جفت ارز جداگانه است. همبستگی مثبت به این معنی است که دو جفت ارز پشت سر هم حرکت می‌کنند. در مقابل همبستگی منفی به معنای حرکت آنها در جهت مخالف یکدیگر است.

همبستگی‌ها می‌توانند فرصت‌هایی را برای دستیابی به سود بیشتر فراهم کنند. از طرفی می‌توانند برای محافظت از خطر ضرر استفاده شوند. اگر مطمئن باشید که یک جفت ارز در کنار یا در برابر جفت ارز دیگری حرکت می‌کند، می‌توانید موقعیت معاملاتی دیگری را برای به حداکثر رساندن سود خود یا برای محافظت از خطر ضرر باز کنید. با این حال اگر پیش‌بینی‌های شما هنگام معامله با همبستگی بین جفت ارزها اشتباه باشد، یا اگر بازارها به شکل غیرمنتظره‌ای حرکت کنند ممکن است متحمل زیان شدیدتری شوید.

قدرت همبستگی بین جفت ارزها در فارکس به ساعت و حجم معاملات بستگی دارد. برای مثال جفت‌هایی که شامل دلار آمریکا می‌شوند اغلب از ساعت 12 تا 9 شب (به وقت بریتانیا) فعال‌تر خواهند بود و جفت‌هایی که با یورو یا پوند پیوند دارند بین ساعت‌های 8 صبح تا 4 بعد از ظهر (به وقت بریتانیا) فعال‌تر هستند.

ضریب همبستگی بین جفت ارزها در فارکس چیست؟

ضریب همبستگی در معاملات جفتی همبستگی بین دارایی‌های مختلف از جمله جفت ارزها را اندازه‌گیری می‌کند. این ضریب از 1 تا 1- متغیر است. 1 نشان‌دهنده همبستگی مثبت کامل و ۱- نشان‌دهنده همبستگی منفی کامل است. اگر مقدار این ضریب صفر باشد به این معنی است که هیچ ارتباطی بین حرکت قیمت جفت ارز مورد نظر وجود ندارد.

ضریب همبستگی پیرسون پرکاربردترین معیار همبستگی بین جفت ارزها در فارکس است، اما معیارهای دیگر شامل همبستگی درون‌طبقاتی و همبستگی رتبه‌ای نیز وجود دارد. در زمینه همبستگی‌های ارزی ضریب همبستگی پیرسون اندازه‌گیری قدرت یک رابطه خطی بین دو جفت ارز مختلف فارکس است. بسیاری از معامله‌گران از یک برنامه کامپیوتری صفحه گسترده برای محاسبه ضریب همبستگی پیرسون استفاده می‌کنند، زیرا انجام این کار به صورت دستی بسیار پیچیده است.

بیشترین همبستگی بین کدام جفت ارزها وجود دارد؟

بیشترین همبستگی بین جفت ارزها معمولاً بین آنهایی است که روابط اقتصادی نزدیکی به هم دارند. به عنوان مثال EUR/USD و GBP/USD اغلب به دلیل رابطه نزدیک بین یورو و پوند بریتانیا از جمله نزدیکی جغرافیایی و وضعیت آنها به عنوان دو ارز ذخیره‌شده در جهان همبستگی مثبت دارند.

جدول زیر نمونه‌هایی از همبستگی بین برخی از ارزهای مورد معامله در فارکس را نشان می‌دهد. همبستگی‌ها در یک دوره یک روزه در 26 نوامبر 2019 با استفاده از ضریب همبستگی پیرسون محاسبه شده است:

نحوه معامله با توجه به همبستگی بین جفت ارزها در فارکس

شما می‌توانید با شناسایی جفت ارزهایی که رابطه مثبت یا منفی با یکدیگر دارند در فارکس معامله کنید. اگر همبستگی مثبت بود، می‌توانید دو موقعیت مشابه را باز کنید، اگر همبستگی منفی بود می‌توانید دو موقعیت مخالف را باز کنید.

چون اگر یک همبستگی منفی کامل بین USD/CAD و AUD/USD وجود داشته باشد، داشتن موقعیت خرید در هر دو جفت ارز به طور موثر یکدیگر را خنثی می‌کند، زیرا فرض می‌شود جفت‌ها در جهت مخالف حرکت می‌کنند. اما اگر همبستگی کاملاً مثبت بود، موقعیت‌های خرید جداگانه در جفت ارزهای مختلف ممکن است به افزایش سود شما کمک کند. البته اگر پیش‌بینی شما نادرست باشد می‌تواند ضرر شما را افزایش دهد.

معرفی ارزهای اصلی در فارکس

از سری مقالات مشابه این مطلب

معامله‌گران معمولاً به همبستگی بین جفت ارزها توجه می‌کنند. این می‌تواند برای محافظت از خود در برابر خطر حرکت یک جفت ارز در برابر دیگر جفت ارز موثر باشد. زیرا اگر این اتفاق بیفتد آنها همچنان فرصت کسب سود در جفت دیگر را دارند. لازم به ذکر است که جفت ارزهای کاملاً همبسته کاربرد همبستگی در بازارهای مالی بسیار نادر هستند و همیشه در هنگام معامله در بازارهای مالی درجه‌ای از عدم اطمینان وجود دارد.

شما همچنین می‌توانید بر روی همبستگی بین جفت ارزها در فارکس معامله کنید تا از خود در مقابل ریسک ناشی از معاملات ارزهای فعال محافظت نمایید. برای مثال می‌توانید یک موقعیت خرید در USD/CHF باز کنید تا از خود در برابر ضررهایی که ممکن است در موقعیت‌های فعال EUR/USD متحمل شوید محافظت نمایید. به این دلیل که این دو جفت ارز دارای یک همبستگی منفی قوی هستند.

فرض کنید 10 پوند به ازای هر نقطه حرکت بر روی EUR/USD قرار داده‌اید. برای کاربرد همبستگی در بازارهای مالی محافظت از قرار گرفتن در معرض خطر 8.50 پوند به ازای هر نقطه حرکت در USD/CHF قرار می‌دهید و هر دو جفت ارز 10 امتیاز حرکت می‌کنند. EUR/USD ده امتیاز کاهش می‌یابد که منجر به ضرر 100 پوندی می‌شود، اما با توجه به همبستگی منفی USD/CHF ده واحد افزایش می‌یابد تا 85 پوند افزایش یابد.

در حالی که هنوز ضرر خالص 15 پوند وجود دارد، سود 85 پوندی از موقعیت USD/CHF به این معنی است که ضرر 100 پوند نیست، گویی که شما فقط معامله EUR/USD را باز کرده‌اید. از طرف دیگر می‌توانید دو موقعیت متضاد را روی دو جفت همبسته مثبت باز کنید و سود یکی از آن‌ها ضررهای دیگری را جبران می‌کند.

یک مثال از پوشش همبستگی مثبت می‌تواند این باشد که فکر کنید EUR/USD و GBP/USD در شرف شکستن همبستگی مثبت خود هستند. این می‌تواند به این دلیل باشد که انتظار می‌رود بانک انگلستان به طور چشمگیری نرخ بهره را تغییر دهد، یا اینکه انتظار می‌رود کاهش رشد اقتصادی در منطقه یورو وجود داشته باشد. اگر اینطور بود ممکن است برای جبران ضررهای موجود در موقعیت طولانی یورو/دلار آمریکا یک موقعیت کوتاه موقت در GBP/USD ایجاد کنید.

مثال از همبستگی بین دو جفت ارز EUR/USD و GBP/USD

USD و GBP/USD جفت‌های فارکس با همبستگی مثبت هستند. معنی همبستگی بین جفت ارزها در فارکس در این مورد این است که با افزایش یا کاهش در یکی اغلب افزایش یا کاهش برابر در دیگری رخ می‌دهد. دلیل این همبستگی رابطه نزدیک بین دلار آمریکا یورو و پوند است. این سه ارز به واسطه روابط اقتصادی قوی بین هر یک از اقتصادهای مربوط به خود در هم تنیده شده‌اند.

به عنوان نمونه‌ای از همبستگی مثبت بین این دو جفت ارز می‌توانید دو موقعیت خرید در جفت ارز EUR/USD و GBP/USD باز کنید. اگر همبستگی در حال حاضر در بازار وجود داشته باشد و اگر قیمت جفت افزایش یافت به طور بالقوه می‌توانید سود خود را افزایش دهید.

به همین ترتیب اگر باور داشتید که قیمت یکی در شرف سقوط است می‌توانید دو موقعیت فروش در این جفت‌ها باز کنید. اگر همبستگی مثبت در حال حاضر قوی بود، انتظار دارید که قیمت دیگری نیز در کنار آن کاهش یابد.

می‌توانید در مورد همبستگی‌های ارزی با مشتقات مالی مانند CFD و شرط‌بندی اسپرد موضع بگیرید. از آنجایی که هنگام معامله با این محصولات مالی هرگز مالکیت ارزهای اساسی را در اختیار نمی‌گیرید، آنها شما را قادر می‌سازند تا در مورد افزایش و نیز کاهش قیمت‌ها گمانه‌زنی کنید.

مثال از همبستگی بین دو جفت ارز EUR/USD و USD/CHF

همبستگی بین EUR/USD و USD/CHF منفی است و USD/CHF اغلب در جهت مخالف EUR/USD حرکت می‌کند. همبستگی منفی بین این جفت‌ها معمولاً زیر 0.70- است، اما می‌تواند تا 0.97- نیز کاهش یابد. جدول زیر همبستگی منفی بین این دو جفت ارز را بین ساعت 8 صبح تا 9 بعد از ظهر (به وقت بریتانیا) دوشنبه 25 نوامبر 2019 نشان می‌دهد. این زمان‌ها به این دلیل انتخاب شده‌اند که شامل باز و بسته شدن هر دو جلسه معاملاتی لندن و نیویورک هستند که از ساعت 8 صبح باز می‌شود و در ساعت 9 شب (به وقت بریتانیا) بسته می‌شود:

همانطور که داده‌ها نشان می‌دهد همبستگی بین EUR/USD و USD/CHF در این روز معاملاتی تقریباً منفی بوده است. می‌توانید از همبستگی منفی برای پوشش ریسک خود در یکی از جفت ارزهای زیربنایی استفاده کنید.

به عنوان مثال می‌توانید با وجود همبستگی منفی بین EUR/USD و USD/CHF یک موقعیت طولانی باز کنید تا از خود در برابر هرگونه نوسانات کوتاه مدت در این جفت‌های فارکس که ممکن است شاهد کاهش ارزش یکی از آنها باشد محافظت نمایید.

همانطور که قبلا در مورد همبستگی بین جفت ارزها در فارکس ذکر شد اگر قیمت EUR/USD به میزان مشخصی در هر نقطه کاهش یابد، اما USD/CHF برای مقدار مشخصی در هر نقطه افزایش یابد، این امر موثر خواهد بود. در این حالت سود در موقعیت خرید USD/CHF می‌تواند زیان موقعیت EUR/USD را جبران کند.