Errores comunes con la correlación de pares (y cómo verificarlos)

Respuesta directa

Los errores comunes con la correlación de pares suelen provenir de confundir “cómo se mueven juntas dos series de precios/rendimientos” con “una relación comercial fiable”. La correlación de pares es una estadística descriptiva de datos históricos. Cuando las personas la tratan como predictiva, asumen que la relación persistirá o la calculan con entradas inconsistentes (diferentes marcos temporales, definiciones de rendimientos u opciones de limpieza de datos), pueden llegar a conclusiones engañosas.

Mecanismo o definición

La correlación de pares generalmente se refiere a un coeficiente de correlación calculado entre dos series temporales—más a menudo los rendimientos de dos pares de divisas (o dos series de precios derivadas).

Componentes clave:

Las dos series deben definirse de manera consistente. Decide qué correlacionas (precios vs rendimientos) y cómo calculas los rendimientos (por ejemplo, rendimientos simples vs logarítmicos). Correlacionar precios brutos a menudo produce resultados inestables porque los precios tienen tendencia; los rendimientos suelen ser la opción más interpretable.
Se debe elegir una ventana temporal. La correlación refleja el período histórico elegido. Un valor calculado en una ventana puede diferir materialmente de otro.
La correlación es adimensional y simétrica, pero su interpretación es limitada. Una magnitud más alta indica un co-movimiento lineal más fuerte en ese período; no especifica causalidad, dirección futura ni si la relación es estable.

Una forma práctica de pensarlo: la correlación resume si los movimientos en la serie A tienden a coincidir con los movimientos en la serie B dentro de la muestra seleccionada.

Evidencia o ejemplo

Aquí hay malentendidos comunes y qué sale mal.

Error: Tratar la correlación como una señal. Si calculas la correlación de pares y luego concluyes que un par “seguirá” al otro, implícitamente conviertes una medida de similitud histórica en un pronóstico. La correlación no codifica dinámicas prospectivas por sí misma.
Error: Mezclar entradas (definición de rendimientos, frecuencia de muestreo o alineación temporal). Los supuestos de ejemplo importan: supongamos que una serie usa rendimientos logarítmicos por hora mientras que la otra usa rendimientos simples por minuto, o que las marcas de tiempo no están alineadas. El resultado de la correlación puede reflejar estas inconsistencias en lugar de cualquier co-movimiento real.
Error: Usar un enfoque de limpieza de datos incorrecto. Si las observaciones faltantes se manejan de manera diferente entre series—como eliminar marcas de tiempo en una serie pero rellenar huecos en otra—entonces el conjunto de datos emparejado cambia. La correlación puede cambiar simplemente porque modificaste la muestra.
Error: Confiar demasiado en un solo número. Un único coeficiente de correlación puede ocultar un comportamiento cambiante. Por ejemplo, la correlación puede ser moderada en general mientras que es alta solo durante ciertas condiciones de mercado.
Error: Ignorar la cuestión de la estabilidad. Incluso si dos pares estuvieron correlacionados durante un régimen anterior, los cambios estructurales (cambios en la volatilidad, cambios en la liquidez, diferentes sensibilidades macro) pueden debilitar o invertir el co-movimiento.

Limitaciones y riesgos

Limitaciones materiales y modos de fallo a tener en cuenta:

La correlación es descriptiva, no predictiva. Resume el co-movimiento histórico dentro de la ventana elegida; las relaciones futuras pueden diferir.
Sensibilidad solo lineal. La correlación estándar mide la asociación lineal. Dos series podrían tener una dependencia no lineal que la correlación no captura.
Dependencia del régimen. La correlación a menudo cambia cuando cambian la volatilidad, los diferenciales o los patrones de participación en el mercado. Esto es especialmente relevante cuando luego aplicas el número a un entorno diferente.
Sensibilidad a la ventana y a los valores atípicos. Las ventanas cortas pueden producir estimaciones inestables; unas pocas observaciones extremas pueden influir desproporcionadamente en el resultado.
Los costos y la ejecución no están incluidos. La correlación no considera los costos de transacción, el deslizamiento ni el momento de ejecución. Cualquier decisión basada únicamente en la correlación ignora estas fricciones del mundo real.

Verificación o siguiente pregunta

Para verificar neutralmente las afirmaciones sobre la correlación de pares, usa una lista de verificación de “consistencia y estrés”:

Vuelve a calcular con entradas consistentes. Usa la misma definición de rendimientos, frecuencia de muestreo y marcas de tiempo alineadas para ambas series.
Cambia la ventana y compara la estabilidad. Calcula la correlación en múltiples ventanas (por ejemplo, muestras anteriores vs posteriores) para ver si la estimación es persistente o frágil.
Comprueba la robustez a la limpieza. Aplica una regla consistente para datos faltantes en ambas series y observa cuánto cambia la correlación.
Separa los regímenes conceptualmente. Si la correlación cambia cuando cambia la volatilidad, trátalo como información sobre la dependencia del régimen en lugar de una relación estable.
Pregunta qué no responde el número. La correlación no establece causalidad, no garantiza continuidad y no confirma la dirección futura.

Una buena siguiente pregunta: “¿Qué series exactas, transformaciones y definición de ventana produjeron este valor de correlación?” Si no puedes enunciar esas opciones con precisión, no puedes verificar el resultado de manera independiente.