Correlación de pares en forex: qué es
La correlación de pares es una medida estadística de cómo dos series de precios de pares de divisas tienden a moverse juntas durante un período específico. En la práctica, primero eliges qué significa “precio” (por ejemplo, precios medios al contado o rendimientos), luego eliges una ventana de tiempo y un método (comúnmente la correlación de rendimientos). El resultado es típicamente un número en un rango acotado (a menudo de −1 a +1), donde:
- Un valor positivo significa que a menudo suben y bajan juntos.
- Un valor negativo significa que uno a menudo sube mientras el otro baja.
- Cerca de cero significa que no hay una fuerte co-movimiento lineal en esa muestra.
Punto clave: la correlación de pares es descriptiva y dependiente de la ventana. Si cambias la ventana, el tipo de precio o el método de cálculo, la estimación de correlación puede cambiar.
Concepto relacionado 1: “correlación” entre instrumentos vs “correlación de pares”
El término “correlación” es más amplio que “correlación de pares”. La correlación puede describir cualquier par de series temporales que midas—dos pares de forex, un índice y un par, o tipos de cambio de diferentes fuentes. “Correlación de pares” simplemente reduce los objetos que se comparan: es la correlación aplicada a dos pares de divisas.
¿Qué difiere mecánicamente?
- Alcance de datos: la correlación genérica puede involucrar muchos activos; la correlación de pares compara dos pares de divisas.
- Convención de mercado: en el análisis de forex, los operadores a menudo calculan la correlación sobre rendimientos en lugar de niveles brutos porque los tipos de cambio no son estacionarios en niveles.
¿Qué sigue igual?
- Ambos se basan en una relación estadística (a menudo lineal, dependiendo del método).
- Ambos son sensibles a las elecciones de medición y al período seleccionado.
Concepto relacionado 2: correlación vs intuición de “compensación” de cobertura
Un malentendido común es tratar la correlación como un sustituto de la efectividad de la cobertura. La correlación puede indicar co-movimiento, pero la cobertura depende de cómo los cambios en una posición compensan los cambios en otra después de ajustar por tamaños nocionales, efectos de conversión y costos.
Por qué la correlación no es lo mismo que el comportamiento de cobertura:
- La correlación ignora el tamaño de tu posición y no genera directamente ganancias o pérdidas a nivel de cartera.
- La correlación es simétrica en el sentido de co-movimiento; los resultados de cobertura pueden ser asimétricos debido al apalancamiento, las especificaciones del contrato y el momento de ejecución.
- El trading de forex involucra spreads de oferta/demanda, rollovers (en algunos contextos) y otros costos de transacción que pueden romper cualquier “compensación” limpia que podrías esperar del co-movimiento.
Limitación material / modo de fallo: incluso una correlación fuertemente negativa puede no producir una reducción neta confiable del riesgo si la relación cambia en el momento en que la necesitas, o si los costos y el tamaño dominan.
Concepto relacionado 3: correlación vs causalidad y factores compartidos
Otra idea relacionada es “por qué” dos pares se mueven juntos. La correlación puede surgir porque los pares comparten exposiciones a los mismos factores macro (por ejemplo, expectativas de tasas de interés, sentimiento de riesgo o demanda vinculada a materias primas). Sin embargo, la correlación no identifica impulsores causales.
Cómo mantenerlos separados:
- Correlación: una medida empírica de co-movimiento en tu muestra elegida.
- Causalidad: una afirmación sobre mecanismos que producen el co-movimiento observado.
Las relaciones de factores compartidos son especialmente relevantes en forex porque muchos pares contienen divisas superpuestas. Por ejemplo, si ambos pares contienen la misma divisa base o cotizada, los movimientos de esa divisa pueden influir mecánicamente en ambas series. Esto puede crear correlación incluso sin un “vínculo” independiente entre las divisas restantes.
Limitación material / modo de fallo: las divisas superpuestas y los choques de mercado comunes pueden hacer que la correlación parezca estable durante un período, y luego romperse cuando el impulsor dominante cambia.
Concepto relacionado 4: correlación vs regresión, beta y otras medidas de dependencia
La correlación es una medida de dependencia. Los conceptos relacionados a menudo responden preguntas ligeramente diferentes:
- Las relaciones basadas en regresión estiman cómo una variable cambia en promedio con otra (incluyendo una pendiente), lo que la correlación por sí sola no describe completamente.
- Beta es un concepto de pendiente específico utilizado a menudo en finanzas para relacionar los movimientos de un activo con un punto de referencia, típicamente bajo supuestos de linealidad y estacionariedad.
- Las medidas de dependencia no lineal (o correlaciones basadas en rangos) intentan capturar relaciones que no son estrictamente lineales.
Por qué no son intercambiables:
- La correlación captura co-movimiento lineal pero puede pasar por alto patrones no lineales.
- La regresión puede producir estimaciones sensibles a la dirección, pero aún depende de supuestos del modelo.
- Diferentes métodos pueden clasificar la fuerza de la dependencia de manera diferente.
Evidencia o ejemplo: dos formas en que la correlación puede engañar
Considera dos escenarios hipotéticos, ambos calculados a partir de datos históricos, con los mismos pares y ventanas similares:
- Ejemplo de cambio de régimen
- En un período tranquilo, dos pares pueden mostrar una fuerte correlación positiva.
- Más tarde, la volatilidad aumenta debido a un impulsor diferente, y la correlación cae.
- Una suposición de “relación” estática se violaría porque la correlación depende de la ventana y del régimen.
- Ejemplo de ventana y definición de precio
- La correlación calculada sobre niveles brutos de tipos de cambio puede estar dominada por tendencias y crear impresiones engañosas.
- La correlación calculada sobre rendimientos (diferencias en el tiempo o cambios porcentuales) a menudo se comporta más como una medida estadística estable.
- Si mezclas definiciones, podrías concluir que la “relación” cambió cuando en realidad solo cambió porque la medición cambió.
Supuesto declarado: estos ejemplos son demostraciones conceptuales de cómo el método y el régimen afectan la estimación de correlación; no afirman ningún resultado particular del mundo real para pares específicos.
Limitaciones y riesgos que puedes verificar de forma independiente
La correlación de pares es útil para describir co-movimiento, pero tiene limitaciones claras:
- No estacionariedad: las relaciones financieras pueden evolucionar; la correlación pasada puede no mantenerse.
- Tamaño de muestra y ruido: ventanas cortas producen estimaciones inestables.
- Supuesto de linealidad: la correlación estándar a menudo apunta a dependencia lineal; la dependencia compleja puede pasarse por alto.
- Mecánica de divisas superpuestas: las divisas base/cotizadas compartidas pueden inflar el co-movimiento sin implicar un vínculo económico profundo.
- Ejecución y costos: cualquier operación práctica o reducción de riesgo depende de spreads, tamaño y momento, que la correlación no incluye.
Enfoque de verificación independiente:
- Recalcula la correlación usando diferentes ventanas razonables (por ejemplo, períodos más cortos vs más largos) para ver la estabilidad.
- Prueba la sensibilidad a la definición de entrada (rendimientos vs niveles) y la dirección (qué serie es “x” vs “y”, si usas regresión).
- Compara la correlación lineal con una visión de dependencia alternativa (como verificaciones basadas en rangos o no lineales) para ver si la relación es genuinamente lineal.
Verificación o siguiente pregunta: qué deberías preguntar después de calcularla
Después de calcular la correlación de pares, una buena siguiente pregunta no es “¿predecirá mi resultado?” sino “¿qué tan estable es esta relación bajo cambios plausibles en la medición?” Pregunta:
- ¿La correlación sigue siendo similar cuando cambia la ventana de tiempo?
- ¿La relación parece simétrica, o un par “lidera” de manera medible (notando que las pruebas de adelanto-retraso aún no pueden probar causalidad)?
- ¿Estás confundiendo co-movimiento con efectividad de cobertura, dados los costos y el tamaño de la posición?