擬似相関というものがあります。その間にどんな関係性があるのか不明なものから、関係性がそもそもないものまで、擬似相関はバラエティに富んでいます。
例を一つあげます。
アイスクリームが売れる季節は、決まってプールで溺死する人が多いでしょう。
なぜなら両方とも夏に多くなる現象だからです。
相関には三つのパターンがあります。
AがBを引き起こすもの。
BがAを引き起こすもの。
そしてCがA,B両方を引き起こすもの。
今回のアイスクリームとプールの溺死はCがA,Bを引き起こすものですね。猛暑Cが、アイスクリームの売れ行きAと、溺死Bを引き起こしているのです。
このように、A,Bの二者間には直接関係がなさそうな相関、三番目のパターンを擬似相関といいます。
例えば、小学校の生徒を100人集めて、算数の問題を解かせます。
そうすると、身長の高さが高い子のほうが、算数の正答率が高いという相関データが出るはずです。
これは何故か。
当然ですね。身長が高い子の方が、学年が上である確率が高いのです。
小学校の１～６年生まで集めて同じ算数の問題を解かせた場合、どう考えても６年生に近いほうが算数の問題の正答率が高く、そして同時に、６年生に近いほうが身長も高いのです。
身長と算数の能力には関係はなく、これは両方とも、『年齢』という要素に相関しているだけなのでした。
グレンジャー因果性テストでは、
１）２つの時系列データについて、どちらが原因で、どちらが結果か？ということを見抜くことができる
２）「〇〇ぐらい過去のデータ」と「△△ぐらい過去のデータ」との因果を見抜くことができる
という、非常に優れた手法です。
考案したのはクライヴ・グレンジャーという統計学者。
背後に明確な理論がなくてもデータから分析するだけでいけちゃうというのがグレンジャー因果性テストの強みです。
https://www.imes.boj.or.jp/research/papers/japanese/kk4-4-2.pdf
これはグレンジャー因果性テストのPDFです。一応ながら、ネットからの拾い物です。
どうですか！ 仮想通貨に使えそうではありませんか？
それぞれの通貨に対して、グレンジャー因果性テストをかけることで、資金の流れについてぱっと相関性を見つけることができるわけです。
私が狙っているのはまさにそういうことなのです。
世の中にどんなものがどんな関係をもっているのか、分かったものじゃないじゃないですか。
世界はデータにあふれかえっているんです。
だから、データから相関性を見つけ出したい。
……それが、私の考えている方法なのです。
