Correlation, dalam industri keuangan dan investasi, adalah statistik yang mengukur sejauh mana dua sekuritas bergerak dalam hubungannya satu sama lain. Correlation digunakan dalam manajemen portofolio tingkat lanjut, dihitung sebagai koefisien Correlation, yang memiliki nilai antara -1,0 dan +1,0.
Apa yang Dapat Diberitahukan Correlation kepada Anda
Correlation menunjukkan kekuatan hubungan antara dua variabel dan dinyatakan secara numerik dengan koefisien Correlation. Nilai koefisien Correlation berkisar antara -1,0 dan 1,0.
Correlation positif sempurna berarti koefisien Correlationnya tepat 1. Hal ini mengimplikasikan bahwa ketika satu sekuritas bergerak, baik naik maupun turun, sekuritas lainnya bergerak searah, ke arah yang sama. Correlation negatif sempurna berarti dua aset bergerak berlawanan arah, sedangkan Correlation nol menyiratkan tidak ada hubungan linier sama sekali.
Contohnya, reksa dana berkapitalisasi besar umumnya memiliki Correlation positif yang tinggi terhadap Indeks Standard and Poor’s (S&P) 500 atau hampir satu. Saham-saham berkapitalisasi kecil cenderung memiliki Correlation positif terhadap S&P, tetapi tidak setinggi itu, sekitar 0,8.
Namun, harga opsi jual dan harga saham yang mendasarinya cenderung memiliki Correlation negatif. Put option memberikan hak kepada pemiliknya, tetapi bukan kewajiban untuk menjual sejumlah tertentu dari sekuritas yang mendasarinya pada harga yang telah ditentukan sebelumnya dalam jangka waktu tertentu.
Kontrak opsi jual menjadi lebih menguntungkan ketika harga saham yang mendasarinya menurun. Dengan kata lain, ketika harga saham naik, harga opsi put turun, yang merupakan Correlation negatif yang langsung dan berCorrelation tinggi.
Cara Menghitung Correlation
Ada beberapa metode untuk menghitung Correlation. Metode yang paling umum, Correlation product-moment Pearson, dibahas lebih lanjut dalam artikel ini. Correlation product-moment Pearson mengukur hubungan linier antara dua variabel. Correlation ini dapat digunakan untuk semua kumpulan data yang memiliki matriks kovarian yang terbatas. Berikut adalah langkah-langkah untuk menghitung Correlation.
– Kumpulkan data untuk “variabel x” dan “variabel y” Anda.
– Temukan rata-rata untuk variabel x dan temukan rata-rata untuk variabel y.
– Kurangi rata-rata variabel x dari setiap nilai variabel x. Ulangi langkah ini untuk variabel y.
– Kalikan setiap selisih antara rata-rata variabel x dan nilai variabel x dengan selisih yang terkait dengan variabel y.
– Kuadratkan setiap selisih ini dan tambahkan hasilnya.
– Tentukan akar kuadrat dari nilai yang diperoleh pada Langkah 5.
– Bagilah nilai pada Langkah 4 dengan nilai yang diperoleh pada Langkah 6.
Rumus untuk Correlation
Dengan menggunakan metode Correlation product-moment Pearson, rumus berikut dapat digunakan untuk mencari koefisien Correlation, r:
Correlation dan Diversifikasi Portofolio
Dalam berinvestasi, Correlation sangat penting dalam kaitannya dengan diversifikasi portofolio. Investor yang ingin mengurangi risiko dapat melakukannya dengan berinvestasi pada aset-aset yang tidak berCorrelation. Sebagai contoh, pertimbangkan seorang investor yang memiliki saham maskapai penerbangan. Jika industri maskapai penerbangan ternyata memiliki Correlation rendah dengan industri media sosial, investor dapat memilih untuk berinvestasi pada saham media sosial dengan pemahaman bahwa dampak negatif pada satu industri mungkin tidak berdampak pada industri lainnya.
Ini sering kali menjadi pendekatan yang digunakan saat mempertimbangkan investasi di berbagai kelas aset. Saham, obligasi, logam mulia, real estat, mata uang kripto, komoditas, dan jenis investasi lainnya memiliki hubungan yang berbeda satu sama lain. Beberapa mungkin sangat berCorrelation, namun yang lain dapat bertindak sebagai lindung nilai untuk mendiversifikasi risiko jika tidak berCorrelation.
Pertimbangan Khusus
Correlation sering kali ditentukan dan terkait dengan pertimbangan statistik lainnya. Correlation sering kali digunakan ketika statistik digunakan untuk menganalisis variabel.
Nilai-P
Dalam statistik, nilai-p digunakan untuk menunjukkan apakah temuan tersebut signifikan secara statistik. Ada kemungkinan untuk menentukan bahwa dua variabel berCorrelation, tetapi mungkin tidak ada cukup bukti pendukung untuk menyatakan hal ini sebagai klaim yang kuat. Nilai p-value yang tinggi menunjukkan bahwa ada cukup bukti untuk menyimpulkan bahwa koefisien Correlation populasi berbeda dari nol.
Diagram Pencar
Cara termudah untuk memvisualisasikan apakah dua variabel berCorrelation adalah dengan menggambarkannya secara grafis menggunakan diagram pencar. Setiap titik pada diagram pencar mewakili satu item sampel. Sumbu x pada scatterplot mewakili salah satu variabel yang sedang diuji, sedangkan sumbu y pada scatterplot mewakili variabel lainnya.
Koefisien Correlation dari dua variabel digambarkan secara grafis sering kali sebagai garis linier yang dipetakan untuk menunjukkan hubungan kedua variabel. Jika dua variabel berCorrelation positif, garis linier yang meningkat dapat digambar pada scatterplot. Jika dua variabel berCorrelation negatif, garis linier yang menurun dapat ditarik. Semakin kuat hubungan titik-titik data, semakin dekat setiap titik data ke garis ini.
Scatterplot mungkin lebih berguna ketika menganalisis data yang lebih kompleks yang mungkin memiliki hubungan yang berubah-ubah. Sebagai contoh, dua variabel mungkin berCorrelation positif pada titik tertentu, kemudian hubungan mereka menjadi berCorrelation negatif. Hubungan non-linear ini mungkin lebih sulit diidentifikasi dengan menggunakan rumus, namun akan lebih mudah dikenali ketika digambarkan pada scatterplot.
Terakhir, scatterplot dapat dengan mudah menggambarkan Correlation ketika mereka menggabungkan bayangan kepadatan. Bayangan kepadatan atau elips kepadatan adalah area yang diarsir pada diagram pencar yang secara visual menunjukkan wilayah terpadat dari titik-titik data pada diagram pencar. Elips kepadatan sering kali akan mencerminkan arah garis Correlation linier jika variabel-variabelnya berhubungan. Sebaliknya, elips kepadatan yang lebih melingkar tanpa arah yang jelas menunjukkan Correlation yang lebih rendah.
Sebab-Akibat
Kesulitan lain yang melekat dalam statistik adalah menentukan apakah hubungan antara dua variabel disebabkan oleh variabel-variabel tersebut. Pertimbangkan pernyataan berikut ini:
“Sebagian besar pemain basket bertubuh tinggi. Oleh karena itu, jika Anda bermain basket, Anda akan menjadi tinggi.”
Jelas bahwa pernyataan di atas tidak benar. Individu yang bertubuh tinggi dan memahami keuntungan ini mungkin tertarik pada bola basket karena kemampuan fisik alami mereka paling cocok untuk olahraga ini. Namun, karena tinggi badan dan aktivitas dalam bola basket mungkin berCorrelation positif, para ahli statistik dan ilmuwan data harus menyadari bahwa hubungan yang kuat antara dua variabel dapat disebabkan oleh salah satu variabel.
Keterbatasan Correlation
Seperti aspek-aspek lain dari analisis statistik, Correlation dapat disalahartikan. Ukuran sampel yang kecil dapat memberikan hasil yang tidak dapat diandalkan, bahkan jika terlihat seolah-olah Correlation antara dua variabel kuat. Atau, ukuran sampel yang kecil dapat menghasilkan temuan yang tidak berCorrelation ketika dua variabel sebenarnya saling terkait.
Correlation sering kali menjadi miring ketika ada pencilan. Correlation hanya menunjukkan bagaimana satu variabel terhubung dengan variabel lainnya dan mungkin tidak secara jelas mengidentifikasi bagaimana satu kejadian atau hasil dapat memengaruhi koefisien Correlation.
Correlation juga dapat disalahartikan jika hubungan antara dua variabel tidak linier. Akan lebih mudah untuk mengidentifikasi dua variabel dengan Correlation positif atau negatif. Namun, dua variabel mungkin masih berCorrelation dengan hubungan yang lebih kompleks.
