Stock Correlation

• Вы хотите узнать, какие акции склонны двигаться вместе с интересующим вас тикером — например, «что коррелирует с NVDA» или «sympathy plays для TSLA».
• Вы анализируете конкретную пару, например AMD/NVDA или LITE/COHR, и хотите получить такие метрики, как корреляция Пирсона, бета, R-квадрат и текущий z-score спреда.
• У вас есть корзина тикеров, и вы хотите увидеть полную матрицу корреляций, выявить кластеры тесно связанных акций, а также определить потенциальные инструменты для диверсификации или хеджирования.
• Вы хотите понять, как корреляция пары меняется со временем — включая скользящие окна и то, растёт ли корреляция во время распродаж или в периоды высокой волатильности.

• Вам нужны данные о корреляции в реальном времени или внутридневные данные; этот навык использует исторические дневные цены с периодом ретроспективного анализа в один год по умолчанию.
• Вы ищете торговые рекомендации или финансовые советы — навык предоставляет только данные и явно не даёт рекомендаций по позициям.
• Вам нужны данные о корреляции для классов активов, отличных от акций (например, фьючерсы, форекс, инструменты с фиксированным доходом).

Автоматически классифицирует ваш запрос и направляет его к одному из четырёх специализированных видов анализа: обнаружение совместного движения (один тикер), корреляция доходностей (конкретная пара), кластеризация по секторам (корзина активов) или реализованная корреляция (с учётом временной динамики). При неоднозначных запросах система применяет разумные значения по умолчанию — один тикер направляется к обнаружению зависимостей, два тикера — к попарному анализу.

На основе одного тикера динамически формирует вселенную из 15–30 акций-аналогов, отбирая компании из той же и смежных отраслей с помощью yf.screen() и yf.EquityQuery — без использования жёстко заданных списков. Возвращает ранжированную таблицу наиболее коррелированных аналогов с названиями компаний, значениями корреляции и кратким объяснением причин существования каждой связи.

Вычисляет корреляцию Пирсона, бета-коэффициент, R-квадрат, скользящую 60-дневную корреляцию со статистическими показателями (среднее, минимум, максимум, стандартное отклонение), а также z-оценку текущего спреда логарифмических цен для любых двух тикеров. Z-оценка спреда показывает, когда пара необычно сильно отклонилась от своей исторической зависимости.

Строит полную корреляционную матрицу для группы тикеров и применяет иерархическую кластеризацию (метод Уорда через scipy, с резервным переходом к сортировке по средней корреляции) для переупорядочивания матрицы и выявления естественных группировок. Определяет наиболее сильные пары, наиболее слабые пары, а также тикеры-выбросы, которые могут выступать в роли диверсификаторов.

Вычисляет скользящие корреляции в окнах 20, 60 и 120 дней и разбивает корреляцию по рыночным режимам — дни роста, дни падения, дни высокой волатильности и дни значительных просадок. Выявляет, усиливается ли корреляция в периоды стресса, что является критически важным фактором для управления рисками и хеджирования.

Каждый ответ включает используемый период ретроспективного анализа, количество наблюдений, все тикеры, исключённые из-за недостаточного объёма данных, а также стандартные напоминания о том, что корреляция не означает причинно-следственной связи и что прошлая корреляция не гарантирует будущего совместного движения. Никаких торговых рекомендаций никогда не даётся.

Задайте вопрос «что движется вместе с NVDA?» перед важным событием выхода отчёта о прибылях. Stock Correlation анализирует компании из того же сектора и смежных отраслей, ранжирует их по реализованной корреляции и объясняет вероятную взаимосвязь — помогая вам выявить акции, которые могут отреагировать на результаты NVDA даже без собственной публикации отчёта.

Введите два тикера, например AMD и NVDA. Stock Correlation возвращает корреляцию, бету, R-квадрат, стабильность скользящей корреляции и текущий z-показатель спреда — обеспечивая вас количественной основой для оценки того, имеет ли идея возврата к среднему или парной торговли историческое подтверждение.

Загрузите набор активов и получите кластеризованную корреляционную матрицу, которая показывает, какие позиции движутся синхронно, а какие действительно диверсифицируют портфель. Тикеры-аутсайдеры с низкой средней групповой корреляцией помечаются как потенциальные диверсификаторы.

Задайте вопрос: «Как изменялась корреляция между LITE и COHR с течением времени?» Навык вычисляет скользящие корреляции в нескольких временных окнах и разбивает результаты по рыночным режимам, показывая, усиливается ли взаимосвязь во время распродаж — эффект «корреляции стремятся к 1 в условиях кризиса», который наиболее важен для хеджирования.