Cambios de correlación: la definición que la gente confunde
La correlación describe cómo dos variables se mueven juntas en un conjunto de datos y un período de tiempo elegidos, y normalmente se mide en una escala de -1 a +1. Un “cambio de correlación” significa que la relación medida difiere cuando se calcula la correlación en diferentes ventanas (por ejemplo, períodos tempranos vs posteriores) o bajo diferentes supuestos.
Un error común es tratar el “cambio de correlación” como una señal de trading por sí mismo. La correlación es descriptiva: resume el co-movimiento en la muestra pasada. No explica la causalidad ni implica que la relación vaya a persistir.
Otro malentendido frecuente es mezclar la “correlación de divisas” con la “fortaleza de la divisa” como si fueran la misma idea. La correlación puede cambiar incluso cuando los rendimientos promedio o la volatilidad parecen estables, y las medidas de fortaleza de la divisa generalmente dependen de cálculos diferentes.
Error 1: Usar las correlaciones como si fueran leyes estables
Qué sale mal: Las personas asumen que la correlación es constante. En realidad, la correlación a menudo cambia porque los impulsores del mercado cambian (comportamiento de riesgo vs aversión al riesgo, condiciones de liquidez, regímenes de noticias importantes o cambios en la volatilidad).
Consecuencia: Si esperas que el co-movimiento anterior siga funcionando, puedes sobreestimar la fiabilidad con la que dos instrumentos se comportarán entre sí.
Verificación neutral: Indica claramente que la correlación depende de la ventana. Si la correlación varía materialmente entre ventanas adyacentes, trátalo como evidencia de inestabilidad en lugar de “ruido que puedes ignorar”.
Error 2: Elegir una ventana de tiempo inconsistente
Qué sale mal: Las correlaciones calculadas en diferentes períodos de retrospectiva pueden no coincidir. Una ventana corta puede reaccionar de forma exagerada a movimientos transitorios; una ventana larga puede ocultar cambios recientes.
Ejemplo con supuestos explícitos: Supongamos que calculas la correlación entre dos series de rendimientos utilizando rendimientos diarios. Si usas una ventana de cálculo de 30 días y otra de 180 días, estás midiendo dos “historias” diferentes. Si el régimen de mercado cambió a mitad del período, la ventana más larga promedia entre regímenes.
Consecuencia: Podrías concluir que la correlación “es positiva” o “es negativa” sin darte cuenta de que el signo o la magnitud dependen de la ventana.
Verificación neutral: Prueba múltiples ventanas (con la misma frecuencia de datos y método). Si las conclusiones cambian, la relación no es estable bajo tus opciones de medición.
Error 3: Ignorar el papel de los datos que introduces en la correlación
Qué sale mal: La correlación depende de lo que mides (precios vs rendimientos), de cómo transformas los datos y de cómo manejas los valores faltantes o los huecos sin operaciones.
Errores comunes de datos:
- Usar niveles de precios brutos en lugar de rendimientos (los niveles de precios pueden crear co-movimientos engañosos).
- Mezclar zonas horarias o marcas de tiempo inconsistentes.
- Cambiar la frecuencia de los datos a mitad del análisis (por ejemplo, pasar de 1 hora a diario sin volver a verificar el método).
Consecuencia: Puedes interpretar un artefacto del preprocesamiento como un “cambio de correlación” real.
Verificación neutral: Fija las reglas de preprocesamiento antes de comparar ventanas: misma definición de rendimiento, misma frecuencia y manejo consistente de los huecos.
Error 4: Tratar los cambios de correlación como un indicador independiente
Qué sale mal: Las personas a menudo usan la correlación como si les indicara directamente la dirección o el momento. Los cambios de correlación pueden reflejar muchas cosas, y el mismo cambio medido puede coexistir con diferentes resultados futuros.
Consecuencia: Puedes terminar con decisiones que no están conectadas a un mecanismo claro, lo que dificulta explicar por qué debería ocurrir un resultado particular.
Verificación neutral: Pregunta: “¿Cuál es la regla de decisión y el cambio de correlación la respalda lógicamente?” Si la correlación no está vinculada a un mecanismo que puedas describir, probablemente se esté utilizando como una señal proxy.
Error 5: Olvidar los costos y los límites de ejecución
Qué sale mal: El razonamiento basado en correlaciones puede pasar por alto fricciones prácticas como spreads, comisiones, deslizamiento y diferencias de sincronización.
Consecuencia: Incluso si el co-movimiento existe estadísticamente, la ejecución real puede reducir o anular la relación que esperabas.
Verificación neutral: Al evaluar si las ideas basadas en correlaciones son viables, incluye supuestos sobre los costos de trading y el momento de ejecución. Si el efecto esperado es pequeño en relación con los costos, los cambios de correlación pueden no importar en la práctica.
Limitaciones y modos de fallo a tener en cuenta
- No estacionariedad: Las correlaciones pasadas pueden no mantenerse cuando cambian la volatilidad o el liderazgo del mercado.
- Cambios de régimen: La correlación puede moverse rápidamente cuando cambian la liquidez y el apetito por el riesgo.
- Error de muestreo: Incluso con un comportamiento subyacente estable, las estimaciones varían por azar, especialmente en ventanas cortas.
- Sin causalidad: La correlación no identifica por qué los instrumentos se mueven juntos, por lo que no puede garantizar lo que sucederá después.