摘要：Możliwość prognozowania i dokładność prognoz jednej zmiennej fi nansowej
za pomocą innej zmiennej (zmiennych) zależą od stopnia zależności między
nimi.
Dlatego badanie zależności jest bardzo ważne nie tylko z punktu widzenia
badaczy, ale przede wszystkim z punktu widzenia samych uczestnikow rynku [9].
Zależność pomiędzy zmiennymi fi nansowymi na rynkach akcji jest zwykle mierzona
za pomocą takich zmiennych, jak stopy zwrotu, ich zmienność oraz wielkość
obrotow pojedynczych społek lub indeksow grup społek. Ekonomiści najczęściej
badają zależność za pomocą wspołczynnika korelacji liniowej Pearsona, a także
wspołczynnikow korelacji rangowej Spearmana i Kendalla. Te miary zależności
mają liczne wady, powodujące to, że ich wskazania są często – w przypadku analiz
związkow pomiędzy zmiennymi fi nansowymi – wysoce niewiarygodne. Przykładowo
wspołczynnik korelacji liniowej jest zdefi niowany tylko dla zmiennych
o skończonych wariancjach, co jest źrodłem istotnych błędow w przypadku analizy
zależności pomiędzy zmiennymi z tzw. ciężkimi ogonami rozkładow prawdopodobieństwa.
Dobrze znany jest też fakt, że niezależność dwoch zmiennych losowych
implikuje nieskorelowanie, ale implikacja odwrotna na ogoł nie jest prawdziwa(poza przypadkiem wielowymiarowego rozkładu normalnego). W literaturze
przedmiotu podnosi się fakt, że korelacja liniowa nie jest miarą odporną. Oznacza
to, że obserwacje nietypowe (tzw. outliers) mogą istotnie wpływać na wartość
wspołczynnika korelacji. Korelacja nie wykazuje też niezmienniczości względem
transformacji nieliniowych
