Respuesta directa
La correlación de pares es una medida estadística que describe cómo dos series tienden a moverse juntas. Sus limitaciones provienen principalmente del hecho de que la correlación depende de cómo se calcula y de si la relación es estable a lo largo del tiempo. A medida que los mercados cambian, lo que parecía un co-movimiento útil en los datos históricos puede dejar de ser válido.
Mecanismo y definición
La correlación de pares se calcula típicamente a partir de observaciones históricas de dos variables (por ejemplo, dos series de precios o de rendimientos de pares de divisas). El resultado es un número que refleja la fuerza y la dirección del co-movimiento durante el período de muestra.
Para interpretarla correctamente, se necesitan supuestos claros sobre los insumos:
- Qué variable se utiliza: niveles de precios versus rendimientos (los rendimientos suelen importar más porque son consistentes en escala).
- La ventana temporal: el período sobre el cual se calcula la correlación.
- Muestreo y alineación: si las observaciones están igualmente espaciadas y si ambas series se miden en los mismos momentos.
- Preprocesamiento: manejo de datos faltantes, valores atípicos y si se utilizan rendimientos logarítmicos o rendimientos aritméticos.
Una limitación clave es que la correlación no es una propiedad de los “pares” en sí mismos. Es una propiedad de las dos series temporales específicas tal como se construyen.
Evidencia y ejemplos de modos de fallo
Incluso sin datos en tiempo real, se puede razonar sobre las formas comunes en que la correlación de pares falla:
-
Cambio de régimen dentro de la ventana de muestra Si una relación solo existe durante un cierto régimen de mercado (por ejemplo, comportamiento de “apetito por el riesgo” versus “aversión al riesgo”), calcular la correlación sobre un período mixto largo puede producir un resultado diluido o inestable. Puede verse una correlación moderada que desaparece después de un cambio.
-
Sensibilidad al tamaño de la ventana Calcule la correlación con un período de retroceso y obtendrá una respuesta; cambie la ventana y obtendrá una respuesta diferente. Esto ocurre porque las estimaciones de correlación varían cuando el patrón de co-movimiento subyacente cambia o cuando hay menos observaciones disponibles.
-
Correlación con la volatilidad y valores atípicos La correlación puede verse fuertemente afectada por períodos con shocks inusuales. Unos pocos movimientos grandes pueden dominar la estadística, especialmente si la serie incluye picos o irregularidades en los datos.
-
No estacionariedad y “lo histórico no predice” Los mercados y el comportamiento de los participantes no son sistemas fijos. Cuando las propiedades estadísticas de los rendimientos cambian, la correlación pasada puede dejar de describir el co-movimiento futuro.
Limitaciones y riesgos
Las limitaciones más relevantes son las siguientes:
- La correlación no implica causalidad. Dos series pueden moverse juntas debido a factores compartidos, cambios estructurales o casualidad.
- Incertidumbre de estimación. La correlación calculada es una estimación, no una relación garantizada. Con muestras finitas, hay ruido estadístico.
- Inestabilidad a lo largo del tiempo. Incluso si la correlación fue alta en el pasado, puede caer, subir o cambiar de signo a medida que cambian las condiciones.
- Las diferencias operativas a menudo se ignoran. Los resultados del mundo real dependen de factores fuera del cálculo de correlación, como diferencias de sincronización, costos y cómo se ejecutarían las operaciones. Estos elementos prácticos no se capturan en un número de correlación histórica.
Debido a estos problemas, la correlación de pares a menudo se trata mejor como una estadística descriptiva para un período definido en lugar de una regla estable para el futuro.
Verificación y siguiente pregunta
Para verificar de forma independiente cuán útil es un resultado de correlación de pares, puede probar la estabilidad en lugar de confiar en un solo número:
- Recalcule la correlación en múltiples ventanas temporales.
- Compruebe si el signo y la magnitud se mantienen ampliamente consistentes.
- Utilice las mismas reglas de preprocesamiento (tipo de rendimientos, alineación de muestreo) para cada cálculo.
Una pregunta útil a continuación es: ¿Qué factores o condiciones es probable que cambien la relación? Centrarse en la sensibilidad al régimen ayuda a aclarar cuándo la correlación de pares es probablemente informativa y cuándo se vuelve poco confiable.