今天，我们来谈谈变量之间的关系（交易者必读）

这么枯燥的题目，您都点开，我有理由相信，您一定是位爱思考的朋友~

变量之间，可分为相关性和因果关系。

相关性，是指两个变量的关联程度。两个变量之间有三种可能：正相关、负相关、不相关。如果一个变量高的值对应于另一个变量高的值，相似地，低的值对应低的值，那么这两个变量正相关。反之，如果一个变量高的值对应于另一个变量低的值，那么这两个变量负相关。如果两个变量间没有关系，即一个变量的变化对另一变量没有明显影响，那么这两个变量不相关。

举例1，市场中成交量大、价格升，成交量小、价格低，可为正相关。

举例2，上市公司基本面弱、估值低，基本面转好、估值高，可为正相关。

举例3，春节期间疫情形势严峻程度高、节后开市指数跌幅大，可为正相关。

因果关系，是指一个事件（变量1、即“因”）和第二个事件（变量2、即“果”）之间的作用关系，其中后一事件（变量2）被认为是前一事件（变量1）的结果。因、果变量之间，具有客观性、特定性、时间序列性。1、客观性——因果关系作为客观现象之间引起与被引起的关系，它是客观存在的，并不以人们主观为转移。2、特定性——事物是普遍联系的，为了了解单个的现象，我们就必须把它们从普遍的联系中抽出来，孤立地考察它们，一个为原因，另一个为结果。3、时间序列性——原因必定在先，结果只能在后，二者的时间顺序不能颠倒。单向的因果关系，称作线性关系，互为因果的关系成为非线性关系。

举例1，某人吃自助餐，吃得太多（因）、肚子已经饱了（果），可为因果关系，即线性关系。

举例2，1+1=2，可为因果关系，即线性关系。若写成2=1+1就不是线性关系了，因为2=0.5+1.5也成立。

举例3，鸡和蛋，互为因果关系，即非线性关系。

大多数时候，因果变量之间，还可以指一系列因素（因）和一个现象（果）之间的关系。对某个结果产生影响的任何事件，都是该结果的一个因素。直接因素，是直接影响结果的因素，也即无需任何介入因素（介入因素有时又称中介因素）。从这个角度来讲，因果之间的关系也可以称为因果关联。

相关性、因果关系之间是什么关系呢？

本人认为，二者之间没有关系，牵强点说，应该是一种包含关系，即因果关系是相关性中，加了好几个冠词的特殊的相关性吧。

搞清楚这些关系的界限，在交易计划和决策很关键。

让我们回头再来看看，“相关性”时候举的例子。

“相关性”举例1，市场中成交量大、价格升，成交量小、价格低。例外现象，一字板涨停，成交量并没有放大，而价格也在上升，所以，成交量的变化并不能决定价格的上升，即非因果关系。

“相关性”举例2，上市公司基本面弱、估值低，基本面转好、估值高。例外现象，董事长跑路的公司、亏损的公司，估值也不低，价格反倒是上升，即非因果关系。

“相关性”举例3，春节期间疫情形势严峻程度高、节后开市指数跌幅大。本质上是，疫情引起了恐慌，恐慌传导、控制了参与者的情绪，情绪决定了参与者一致作出了卖出的行为，这个一致的卖出行为才是决定跌幅大的直接原因。而非疫情直接决定的。疫情只能算作是大跌的大跌众多影响因素之一。从本人的角度看来，仅为相关性，定为因果关系不妥。

（下一篇写本周末复盘预判时候，重点分析一下疫情的相关性。欢迎持续关注~~）

在现实中，变量也是变化的，变量的构成要素也是在变化的。

我们必须把变量的变化因素考虑进去。但是，不管怎么变化，变量之间的只有这些关系，相关性（普遍偏联系的）、因果关系（线性关系）、互为因果关系（非线性关系）。市场参与者，只有综合理清楚变量之间的关系，才能得心应手、游刃有余了。

客官，觉得有用，点个关注、记得转发吧~~

祝，好~

@默依秦岭东原创