Definición y propósito de una herramienta de correlación
Una herramienta de correlación es un método (a menudo implementado en software) que cuantifica cómo dos series temporales se mueven juntas. La medida más común es el coeficiente de correlación, que resume la fuerza y la dirección del co-movimiento entre dos variables durante un período de tiempo elegido.
En un contexto de trading, las “variables” suelen ser rendimientos derivados de los precios. Los rendimientos no son lo mismo que los niveles de precios brutos, porque los niveles de precios tienden a ser no estacionarios, mientras que los rendimientos se utilizan a menudo para satisfacer mejor los supuestos detrás de los cálculos de correlación.
Mecánica central: qué calcula y qué debe elegir
El resultado de una herramienta de correlación no es una verdad fija única. Es el resultado de varias decisiones de modelado:
- Transformación de datos (niveles vs. rendimientos). Si introduce precios brutos, puede obtener un co-movimiento engañoso impulsado por tendencias. Si calcula rendimientos primero, cambia la relación estadística que la herramienta está midiendo.
- Ventanas. La correlación generalmente se calcula sobre una ventana móvil o fija (por ejemplo, las últimas N observaciones). Diferentes longitudes de ventana pueden producir diferentes estimaciones de correlación.
- Frecuencia de muestreo y alineación. Dos series deben estar alineadas en el tiempo. Si una serie se muestrea con más frecuencia que la otra, o si faltan observaciones en diferentes lugares, la correlación puede distorsionarse.
- Tipo de correlación. La correlación de Pearson asume una relación lineal entre variables. Otras medidas (como la correlación basada en rangos) pueden comportarse de manera diferente cuando las relaciones son monótonas pero no lineales.
Una forma sencilla de explicar una herramienta de correlación es: toma observaciones pareadas
a) las convierte en una forma numérica (a menudo rendimientos), y luego
b) calcula el estadístico de correlación elegido sobre un conjunto específico de pares de observaciones.
Dependencias avanzadas que afectan la interpretación
Incluso si el cálculo es sencillo, los resultados de correlación pueden cambiar drásticamente con decisiones aparentemente menores.
-
Definición de rendimiento y escala. Los rendimientos se pueden calcular de diferentes maneras (por ejemplo, aritméticos vs. logarítmicos). Incluso si las diferencias parecen pequeñas, la correlación puede moverse porque el orden relativo de los rendimientos importa para la estimación del co-movimiento.
-
Valores atípicos y comportamiento de cola. La correlación es sensible a cómo las observaciones extremas influyen en la relación, especialmente bajo medidas que dependen de medias y varianzas. Algunos movimientos grandes pueden dominar una estimación.
-
Cambios de régimen y no estacionariedad. Las series temporales financieras a menudo cambian su comportamiento con el tiempo. Una correlación calculada durante un régimen de mercado puede no mantenerse en otro, incluso con los mismos instrumentos.
-
Ruido de microestructura y sincronización de ejecución. Si la herramienta utiliza datos afectados por la microestructura del mercado (efectos de bid/ask, latencia u otros efectos de sincronización), la relación medida puede reflejar cómo se producen los datos en lugar de cómo se relaciona la economía subyacente.
Evidencia y ejemplos: cómo verificar los resultados de correlación
Debido a que la correlación puede ser contraintuitiva, una herramienta de correlación debe validarse mediante comprobaciones independientes.
- Verifique el signo y la estabilidad en diferentes ventanas. Si el signo de la correlación cambia rápidamente al variar ligeramente la longitud de la ventana, eso es evidencia de que la relación puede ser inestable en lugar de estructural.
- Compare la correlación en diferentes transformaciones. Calcule la correlación tanto en niveles de precios como en rendimientos (o en definiciones alternativas de rendimiento) y observe si el resultado se comporta de manera plausible. Una “correlación” fuerte en niveles brutos puede ser una señal de alerta.
- Pruebe la alineación y el manejo de datos faltantes. Verifique que la herramienta empareje las observaciones correctamente y que cualquier valor faltante se maneje de manera consistente (por ejemplo, mediante omisión o imputación). La desalineación puede crear correlaciones espurias.
Un ejemplo educativo práctico para tener en cuenta (sin necesidad de datos en vivo) es este: si dos series están impulsadas por un efecto de calendario común (como cambios programados de rutina), la correlación puede parecer alta durante ese período. Si ese impulsor de calendario cambia más tarde, la correlación puede caer, lo que demuestra por qué la asociación histórica no garantiza la persistencia.
Limitaciones materiales y modos de fallo
Las principales limitaciones de las herramientas de correlación son conceptuales y estadísticas.
- Sin causalidad. La correlación no establece que una serie cause la otra. Solo resume el co-movimiento de los datos observados.
- Riesgo de correlación espuria. La correlación puede parecer significativa incluso cuando no hay una relación significativa, especialmente si elige ventanas o parámetros después de ver los datos (una forma de sobreajuste).
- Dependencia excesiva de un solo número. Un coeficiente de correlación comprime dinámicas complejas en un solo estadístico. Dos series pueden compartir el mismo co-movimiento promedio pero diferir en la sincronización de la volatilidad, la direccionalidad durante shocks o el comportamiento en las colas.
- Incertidumbre de estimación. Las estimaciones de correlación varían debido al tamaño de muestra limitado y al ruido. La herramienta puede mostrar un coeficiente que parece preciso, pero la estimación subyacente puede ser inestable.
- Desajuste entre el horizonte de correlación y el caso de uso. La correlación calculada en una escala de tiempo puede no aplicarse a otra. El co-movimiento a corto plazo puede diferir de los patrones a largo plazo.
Verificación y próximas preguntas que puede responder de forma independiente
Para verificar de forma independiente lo que le dice una herramienta de correlación, pregunte y compruebe lo siguiente:
- ¿Qué entradas exactas se utilizan? Confirme si la herramienta utiliza niveles de precios o rendimientos, la fórmula de rendimiento y si los datos están estandarizados.
- ¿Qué ventana de tiempo y paso se utilizan? Verifique la longitud de la ventana y si es móvil, fija o agrupada por sesión.
- ¿Cómo se manejan las observaciones faltantes? Determine si los pares se eliminan cuando falta una serie, o si la herramienta llena los vacíos.
- ¿Es apropiada la medida de correlación? Si la relación no es lineal, un coeficiente de correlación lineal puede representar mal el co-movimiento.
A continuación, puede decidir qué diagnósticos adicionales desea más allá de la correlación, como verificar el co-movimiento durante extremos, estudiar la estabilidad a lo largo de regímenes y comparar resultados en múltiples transformaciones, sin tratar la correlación como una señal independiente.