1703529648
相关系数一般用r表示（有时也用ρ表示）。r描述的是两个变量间线性相关强弱的程度。r取值在－1与＋1之间，若r＞0，表明两个变量是正相关，即一个变量的值越大，另一个变量的值也会越大；若r＜0，表明两个变量是负相关，即一个变量的值越大，另一个变量的值反而会越小。相关系数的绝对值越大，相关性越强，相关系数越接近于＋1或－1，相关度越强，相关系数越接近于0，相关度越弱。
1703529649
1703529650
知识链接：相关系数的计算公式
1703529651
1703529652
1703529653
1703529654
1703529655
有一种常用的、无需复杂计算的方法，可以对于两个变量之间相关关系进行分析，这种方法就是相关图法。所谓相关图法就是将具有相关关系的两列成对的变量值，在直角坐标图上标出每对变量值的散布点（坐标点），以其散布点的分布状况来判别相关形式、相关方向和密切程度的方法。例如，两变量之间的几种相关图形及差别方法如图4-15至图4-19所示。
1703529656
1703529657
1703529658
1703529659
1703529660
1703529661
1703529662
1703529663
图4-15 正相关关系（0＜r ＜＋1） 图4-16 完全正相关（r ＝1）
1703529664
1703529665
1703529666
1703529667
1703529668
图4-17 负相关关系（－1＜r ＜0） 图4-18 完全负相关（r ＝－1）
1703529669
1703529670
图4-19 完全不相关（r＝0）
1703529671
1703529672
只要获得两个商品的价格数据，用散点图的方法立即可以直观地告诉我们它们之间的关系程度。以下就是我们用超过30年的价格数据绘制成的“美豆与美豆粕价格的散点图”以及“美豆与美玉米价格的散点图”，从这两张图可以看出大豆和豆粕、大豆和玉米呈现出高度的正相关关系。见图4-20，图4-21。
1703529673
1703529674
1703529675
1703529676
1703529677
图4-20 美豆与美豆粕价格的散点图（1979年10月9日—2012年4月18日）
1703529678
1703529679
1703529680
1703529681
1703529682
图4-21 美豆与美玉米价格的散点图（1980年3月31日—2012年4月18日）
1703529683
1703529684
假如某些人一定要自作聪明，试图寻找两个无经济联系的商品之间的变化规则（这也是常有的事，人类天生就喜欢寻找规律，这是天性），我们也可以利用相关分析的方法来验证这种努力是否值得考虑。我们用大连商品期货交易所的豆粕和塑料这两个商品来举例，将它们从2007年7月31日至2013年8月2日的价格数据绘制成散点图，如图4-22。很明显，从统计方法来看，要说两者之间有依存关系是非常牵强的。
1703529685
1703529686
1703529687
1703529688
1703529689
图4-22 豆粕和塑料价格的散点图（2007年7月31日—2013年8月2日）
1703529690
1703529691
有一点必须牢记，相关性并不是因果关系，两个变量之间存在统计学关系，并不代表两者之间互为因果。就像我们在第一章中所提到的，大象和老虎的数量并不是犯罪的主要原因。在选择套利商品时，两种商品之间存在相关性是必要条件而非完全条件。
1703529692
1703529693
只有当两种商品既存在常识上的互为因果的关系，又呈现出统计学上的相关性时，它们才是合格的跨品种套利的选项。这是选择套利品种的重要规则。不然，胡乱选择套利商品，哪怕侥幸获得一两次成功，也仅仅是巧合而已。
1703529694
1703529695
1703529696
1703529697