因为并购,比如大通曼哈顿银行和摩根大通银行。此外,通过这样做,我们将产生另一个人工制品,即在那些经常不在排行榜上的机构之间产生人工相关性,在最坏的情况下,这些机构永远不会同时出现。事实上,正是由于缺乏数据,才产生了它们之间的关联。再次以高盛(Goldman Sachs)和纽约银行(Bank of New York)为例,这两个机构将出现反相关,而事实上,它们之间没有相关性。因此,以这种方式解决上述缺点将产生不同的缺点。因此,我们将使用成对共现的相关性Eqn。(6) ,但我们通过将相关系数ρaijj乘以等式(2)中定义的权重(lij=1)来补偿不同的归一化,lij=1是共现的相对数量。这意味着排名中很少同时出现的两个机构之间的相关性被缩小。准确地说,在进行校正后,权重将确定相关系数值的边界,这对于每对机构都是不同的,即[-wij,+wij]代替[-1, +1]. 这些加权相关系数的解释应不同于传统的相关系数,因为接近零的系数并不意味着变量不相关,但由于权重较低,因此没有显著的相关性。得到的相关矩阵如图11所示。与非缩放图相比。
|