Respuesta directa
Un ejemplo práctico de una herramienta de correlación muestra, con números y supuestos explícitos, cómo se calcula e interpreta la correlación entre dos series temporales. En la práctica, normalmente se transforman los precios brutos en medidas comparables (con mayor frecuencia rendimientos) y luego se calcula un coeficiente de correlación. El resultado describe si las dos series tienden a moverse juntas durante el período elegido; no implica una señal predecible ni una causa.
Mecanismo o definición
Una herramienta de correlación generalmente estima la correlación estadística entre dos secuencias, a menudo utilizando el coeficiente de correlación de Pearson. En términos sencillos:
- Se eligen dos series temporales, X e Y, medidas en las mismas fechas o marcas de tiempo.
- Se calculan pares de valores (Xₜ, Yₜ) para t = 1…T.
- Se calcula un solo número que resume el movimiento conjunto en esa ventana.
Los supuestos comunes que se deben declarar para un ejemplo práctico:
- Mismas marcas de tiempo: cada Xₜ se alinea con la Yₜ correcta.
- Unidades comparables: los precios no siempre son comparables; se pueden usar rendimientos en lugar de niveles brutos.
- Elección de la ventana: la correlación depende de las fechas de inicio/fin y de la frecuencia de muestreo.
Evidencia o ejemplo (completamente desarrollado, hipotético)
Supongamos que queremos comparar el movimiento conjunto de dos instrumentos hipotéticos, A y B, durante cuatro períodos. Usaremos rendimientos simples y luego calcularemos la correlación de Pearson.
Supuestos (declarar antes de calcular):
- No se utilizan datos en tiempo real; los números son hipotéticos y fijos.
- Los períodos están alineados: el período 1 de A coincide con el período 1 de B, etc.
- Usamos rendimientos simples: rₜ = (Pₜ − Pₜ₋₁) / Pₜ₋₁.
Paso 1: Precios hipotéticos
- Precios del instrumento A: P(A): 100 → 102 → 101 → 105
- Precios del instrumento B: P(B): 200 → 198 → 202 → 204
Paso 2: Calcular los rendimientos simples Para A:
- rA1 = (102−100)/100 = 0.02
- rA2 = (101−102)/102 ≈ −0.0098039
- rA3 = (105−101)/101 ≈ 0.03960396
Para B:
- rB1 = (198−200)/200 = −0.01
- rB2 = (202−198)/198 ≈ 0.02020202
- rB3 = (204−202)/202 ≈ 0.00990099
Entonces tenemos observaciones de rendimientos pareadas:
- X = [0.02, −0.0098039, 0.03960396]
- Y = [−0.01, 0.02020202, 0.00990099]
Paso 3: Calcular la correlación de Pearson (resumen) La correlación de Pearson utiliza valores centrados en relación con la media de cada serie. Con solo tres observaciones pareadas, la estimación es sensible a cada punto. Usando la fórmula estándar de Pearson (implementada en cualquier hoja de cálculo o calculadora), se obtendría algún valor entre −1 y +1 que refleja cuán similarmente se mueven los rendimientos.
Cómo interpretarlo bajo estos supuestos:
- Si la correlación calculada es positiva, A y B tendieron a subir/bajar juntos (en esta ventana).
- Si es negativa, tendieron a moverse en direcciones opuestas.
- Si es cercana a cero, hubo poco movimiento lineal conjunto en esta pequeña muestra.
Importante: la correlación aquí se calcula puramente a partir de los datos supuestos y la definición de rendimiento seleccionada; cambiar los supuestos cambia el número.
Limitaciones y riesgos
- Tamaño de la muestra y estabilidad: Con pocas observaciones (como en el ejemplo), la correlación puede variar mucho. Una ventana diferente puede dar un resultado diferente.
- La relación puede ser no estacionaria: Incluso si dos series estuvieron correlacionadas en el pasado, la relación subyacente puede cambiar cuando las condiciones del mercado cambian.
- Limitación del mecanismo lineal: La correlación de Pearson resume el movimiento lineal conjunto. Si dos series se mueven juntas de forma no lineal, la correlación puede subestimar la relación.
- Las fricciones operativas se ignoran por diseño: La correlación calculada a partir de rendimientos idealizados no incluye costos de transacción, spreads, tiempos de ejecución o problemas de calidad de datos que pueden cambiar materialmente los resultados reales.
Verificación o siguiente pregunta
Para verificar de forma independiente un ejemplo práctico, se deben replicar los pasos:
- Confirmar la definición exacta de rendimiento (rendimientos simples vs. logarítmicos).
- Asegurarse de que las marcas de tiempo estén alineadas y usar el mismo número de períodos para ambas series.
- Recalcular los rendimientos pareados y luego calcular la correlación de Pearson para la misma ventana.
Una siguiente pregunta que se puede hacer es: “¿Cómo cambia la correlación si uso rendimientos logarítmicos, una longitud de ventana diferente o una frecuencia de muestreo diferente?” Esas pruebas evalúan la sensibilidad a los supuestos en lugar de predecir el comportamiento futuro.