Korelácia je zaujímavý termín, ktorý sa často zneužíva

Je veľmi pravdepodobné, že ste sa s výrazom „korelácia“ niekde stretli, malo by ísť o súvislosť medzi dvoma javmi, premennými. Často sa ale stáva, že si autori rôznych teórií mýlia koreláciu s kauzalitou. Niekedy sa jedná o neúmyselnú chybu spôsobenú zlou interpretáciou údajov, ale niekedy aj o úmyselné zavádzanie s cieľom vyvolať senzáciu.

Ako jednoduchý prípad korelácie uveďme aktuálnu teplotu v miestnosti, v ktorej sa nachádzate, a váš komfort, resp. diskomfort. Ak ste oblečený na teplotu 25°C a teplota v miestnosti poklesne na -25°C, budete sa cítiť mimoriadne nepríjemne. Ak teplota stúpne na 50°C, taktiež vám nebude príliš dobre. Teda medzi pocitom komfortu, diskomfortu a aktuálnou teplotou v miestnosti existuje jasne definovaný vzťah. Ak by sme chceli, mohli by sme tento vzťah zobraziť aj v grafickej podobe – určite by sa nejednalo o lineárnu funkciu. Mohli by sme zájsť do krajnosti a uvažovať o dobe, počas ktorej ste konkrétnej teplote vystavený, no pre potreby príkladu stačí takáto úvaha.

Teraz to porovnajme s článkami typu „Vedci prezradili, ako najjednoduchšie a najrýchlejšie schudnúť“, „Lajčák má v druhom kole prezidentských volieb najväčšie šance, ukázal prieskum“ alebo „Slováci reálne zarábajú o štvrtinu viac ako v roku 1989“, „Keď sa naposledy stalo to, čo dnes, trhy spadli“. Názvy článkov boli prebraté z cz.sputniknews.com, sme.sk, pravda.sk a zo silverdoctors.com (tam sú iba články v anglickom jazyku, preto bol titul preložený).

V prvom článku je nám podávaná informácia o tom, ako najjednoduchšie schudneme. Lenže medzi konzumáciou potravín a telesnou váhou neexistuje vzťah, ktorý by definoval prírastok alebo úbytok váhy u každého jedinca rovnako. Ináč sa potrebuje stravovať drevorubač na Sibíri, ináč zamestnanec v sedavom zamestnaní, ináč olympijský plavec a ináč dieťa. Ináč prebieha trávenie a tvorba tukov u človeka, ktorý sa stravuje dvakrát do dňa, ináč u niekoho, kto je päťkrát denne.

V druhom článku sa nám snaží autor podsunúť myšlienku, že voľba prezidenta a prieskum sú tak prepojené, kedy by sme na základe prieskumov mali predpokladať takmer identické výsledky aj vo voľbách. Že to s prieskumami a reálnymi výsledkami nebýva jednoduché vedia aj napríklad tí, ktorí si vsadili na negatívny výsledok referenda o Brexit-e, alebo na víťazstvo Hillary Clinton v prezidentských voľbách v roku 2016.

V treťom článku sa zas autor snaží navodiť dojem, že porovnaním akéhosi imaginárneho nákupného košíka s priemerným príjmom vieme stanoviť, či ľudia zarábajú viac alebo menej ako v minulosti. Zabúda sa na to, že ľudia nenakupujú len potraviny. Preto vzťah medzi priemerným príjmom a priemerným nákupným košíkom vôbec nehovorí nič o tom, či zarábame viac alebo menej. Už len termín priemer by mal odstrašiť kohokoľvek, kto by sa chcel na základe podaných informácií cítiť informovaný.

Vo štvrtom článku autor spojil dva úplne nesúvisiace javy a snaží sa navodiť dojem, že z prvého vyplýva druhé.

Najlepšie by sme urobili, ak by sme podobný odpad ani nečítali. Pri jednoznačnej korelácii má byť totiž výsledkom jasne stanovený stav, ak nastalo niečo, čo má podmieňovať tento výsledný stav.

Prečo vlastne rozoberáme koreláciu

Pretože na koreláciu sa pri investovaní nemôžeme spoliehať. Systém je tak zložitý, že nevieme popísať jeho chovanie a jediné, o čo sa môžeme snažiť, je minimalizovať riziko vysokých strát.

Okrem toho sa venujeme korelácii aj preto, lebo množstvo zdrojov publikuje články, ktoré majú navodiť dojem „pochopenia a popísania javov, a ich vzájomnej korelácie.“ Rôzni ľudia sa snažia argumentovať v prospech svojich názorov takým spôsobom, kedy spájajú dva či viac javov, ktoré sa síce vyskytli v jednom čase, ale nemajú medzi sebou podmienenosť. Teda povedané jednoducho: Z jedného nevyplýva druhé.

Uveďme ešte dva prípady z rôznych sfér:

  • „Naopak, keď máte dostatok pohybu, fyzické a psychické zdravie, používate mozog, trénujete pamäť krížovkami a lúštením sudoku, preferujete zdravý životný štýl a stravu bohatú na vitamíny a bielkoviny, stretávate sa s príjemnými a optimistickými ľuďmi, pomáhate aj svojmu mozgu a pamäti.“ (zdroj: zdravie.pravda.sk, dostupné 18. novembra 2018) – Pomáha mozgu to, čo článok odporúča, alebo lúštite krížovky, jete stravu bohatú na vitamíny a bielkoviny, atď. kvôli tomu, že vám funguje mozog správne?
  • „A New, More Rigorous Study Confirms: The More You Use Facebook, the Worse You Feel“ (zdroj: hbr.org, dostupné 18. novembra 2018) – Cítia sa ľudia zle, pretože trávia veľa času na facebook-u, alebo používajú facebook preto, lebo sa cítia zle? Používa facebook niekto, kto sa cíti dobre? Pripusťme, že článok a štúdia majú pravdu – potom na nám naskytne otázka „ak sa začne cítiť horšie pri používaní facebook-u, prečo s tým neprestane?“

Ak by bolo všetko jednoduché, budúcnosť by bola predpovedateľná

Predovšetkým v ekonomických otázkach a modelovaní prichádzame k toľkým premenným a k takej náhodilosti, že nie je možné systém popísať nejakým vzťahom. Ak existuje Motýlí efekt, potom nemôžeme dôjsť k jasnému záveru. Ak by sme dokonca našli model, ktorý by fungoval dodnes, ani ten by nezaručoval presnosť na zajtrajšok.

Vedieť menej je viac

Ak zabudneme na koreláciu a pozeráme sa na zmeny cien len ako na jednu premennú, oslobodí nás to od množstva informácií, ktoré aj tak nemali vplyv na stanovenie výslednej ceny. A práve preto namiesto modelovania formuly pre budúcu cenu sa radšej sústreďme na minimalizáciu maximálneho rizika tým, že použijeme minulé zmeny cien a „do receptu primiešame“ aj trochu náhodnosti.

Dobrým príkladom pre príliš mnoho informácií je spoločnosť Enel v roku 2018. Spoločnosť hlásala nové investície do infraštruktúry po celom svete, nové kontrakty a rozširovanie, ale aj napriek všetkým pozitívnym správam ceny Enel-u akcií klesali.

Za všetky jediný príklad – BTC

Z retrospektívneho hľadiska sa v novembri 2018 zdá nákup bitcoin-u v decembri 2017 ako vysoko iracionálne rozhodnutie. Ak by ste si ale pomocou metódy Monte Carlo v zime 2017 nechali simulovať možné trajektórie cien, cena 4800 alebo 5000 eur za 1 BTC by nebola zďaleka najnižšia.

Kto sa pokúšal aplikovať lineárne alebo iné metódy na vývoj cien BTC v zime 2017, sa pravdepodobne veľmi zmýlil.

Preto, s pomocou metódy Monte Carlo, sme vedeli dopredu o riziku, ktoré bolo spojené s nákupom BTC v decembri 2017. Rovnako sme vedeli o riziku ohľadom vývoja ceny akcie spoločnosti Enel. V prvom prípade sme dospeli k vysokému riziku, v tom druhom k menšiemu.

Preto platí, že v jednoduchosti je krása. Matematika spojená s metódou Monte Carlo je tak jednoduchá a tak presná, že je zbytočné čítať najnovšie novinky z trhov. Ani metóda Monte Carlo vám negarantuje poznanie cien o rok či dva. No oboznámi vás s pravdepodobnosťami a s rizikom (pretože ak máte niekde reálnu šancu na prepad o 90%, neberte si na takúto investíciu druhú hypotéku).

Ak chcete mať prístup k simuláciám Monte Carlo, stačí si vybrať z produktov, ktorý vám najviac „sadne“.