Video: Lập trình hướng đối tượng C++ - Bài 22. Quan hệ giữa mảng và con trỏ | Bui The Tam 2025
Bản đồ tự tương quan cho biết các thuộc tính của một loại dữ liệu được biết đến dưới dạng một chuỗi thời gian. Một loạt thời gian đề cập đến các quan sát của một biến duy nhất trong một khoảng thời gian nhất định. Ví dụ: giá hàng ngày của Microsoft cổ phiếu trong năm 2013 là một loạt thời gian.
Dữ liệu cắt ngang đề cập đến các quan sát về nhiều biến tại một thời điểm duy nhất. Ví dụ: giá đóng cửa của 30 cổ phiếu có trong Chỉ số công nghiệp Dow Jones vào ngày 31 tháng 1 năm 2014 sẽ được coi là dữ liệu mặt cắt ngang.
Một sơ đồ tự tương quan được thiết kế để cho biết các phần tử của một chuỗi thời gian có quan hệ tương quan dương, tương quan không tốt hoặc độc lập với nhau hay không. ( tự động có nghĩa là "tự ngã" - tương quan tự tương ứng với mối tương quan giữa các yếu tố của một loạt thời gian.)
Một mệnh đề tương quan tự tương tự cho thấy giá trị của chức năng tự tương quan (acf) trên trục thẳng đứng. Nó có thể dao động từ -1 đến 1.
Trục ngang của mảng tự tương quan cho thấy kích thước độ trễ giữa các phần tử của chuỗi thời gian. Ví dụ, tương quan tự tương quan với độ trễ 2 là tương quan giữa các yếu tố của chuỗi thời gian và các yếu tố tương ứng được quan sát thấy trong hai khoảng thời gian trước đó.
Con số này cho biết sơ đồ tự tương quan đối với giá hàng ngày của cổ phiếu Apple từ ngày 1 tháng 1 năm 2013 đến ngày 31 tháng 12 năm 2013.
Trên đồ thị, có một đường thẳng đứng (một "spike") tương ứng với mỗi độ trễ. Chiều cao của mỗi cành cho thấy giá trị của chức năng tự tương quan cho độ trễ.
Tương quan tự tương quan với độ trễ 0 luôn bằng 1, bởi vì nó thể hiện mối quan hệ tự tương quan giữa mỗi thuật ngữ và chính nó. Giá cả và giá với độ trễ 0 là cùng một biến.
Mỗi cành tăng lên hoặc nằm dưới đường nét đứt được coi là có ý nghĩa thống kê. (Chương 16 nói về điều này chi tiết) Điều này có nghĩa là tăng đột biến có một giá trị khác biệt đáng kể so với số không. Nếu một cành khác biệt đáng kể so với số không, đó là bằng chứng tự tương quan. Sự tăng đột biến gần bằng 0 là bằng chứng chống lại sự tự tương quan.
Trong ví dụ này, mức tăng đột ngột có ý nghĩa thống kê với độ trễ lên đến 24. Điều này có nghĩa là giá cổ phiếu của Apple có mối tương quan cao với nhau. Nói cách khác, khi giá của cổ phiếu Apple tăng, nó có xu hướng tiếp tục tăng.Khi giá của cổ phiếu Apple giảm, nó có xu hướng tiếp tục giảm. Con số này minh họa điều này.
Mặc dù giá hàng ngày của Apple cổ phiếu có mối tương quan cao, lợi nhuận hàng ngày có thể không được. Bạn tính lợi nhuận hàng ngày từ mức giá hàng ngày như sau:
r t = Thu nhập liên tục liên tục tại thời điểm t
P t = Giá tại thời gian t
Pt -1 = Giá tại thời điểm t - 1 (một khoảng thời gian trước khi t)
ln = logarithm tự nhiên
logarithm tự nhiên là logarit với base e, xấp xỉ 2. 71828 ….
Con số này thể hiện sơ đồ tự tương quan của lợi nhuận hàng ngày đối với cổ phiếu của Apple từ ngày 1 tháng 1 năm 2013 đến ngày 31 tháng 12 năm 2013.
Chu trình tự tương quan đối với lợi nhuận hàng ngày đối với cổ phiếu Apple cho thấy hầu hết các đột biến không có ý nghĩa thống kê. Điều này cho thấy rằng lợi nhuận không có tương quan cao, như được hiển thị ở đây.
Bạn có thể sử dụng sơ đồ tự tương quan để xác định xem các phần tử của một chuỗi thời gian là
ngẫu nhiên(nghĩa là không liên quan đến nhau). Điều này rất quan trọng vì nhiều bài kiểm tra thống kê liên quan đến chuỗi thời gian được dựa trên giả định này. Như bạn thấy, có nhiều cách khác nhau để hình dung dữ liệu của bạn. Một bức tranh trị giá một ngàn chữ, như lời nói đi. Và nó chắc chắn là đúng trong phân tích dữ liệu. Các gói phần mềm thống kê thường được trang bị các công cụ đồ họa dễ sử dụng. Bằng cách tận dụng lợi thế của chúng, bạn có thể nhanh chóng hiểu sâu hơn về dữ liệu của bạn mà không có số lượng crunching có thể cung cấp cho bạn.
