Respuesta directa
La volatilidad en la correlación negativa significa que la fuerza y/o el signo de una relación negativa entre dos series de rendimientos no es estable en el tiempo. Por lo tanto, un enfoque de medición se centra en cómo cambia la correlación a lo largo de ventanas de tiempo, no en predecir el movimiento futuro de los precios.
Una forma autónoma de medirla es: (1) definir qué “correlación” está midiendo, (2) calcular esa correlación repetidamente en ventanas de tiempo cortas y consistentes, y (3) resumir cuánto fluctúan (dispersión) o se desvían (tendencia) esas estimaciones de correlación.
Mecánica: definiciones y una receta de medición
Correlación negativa aquí se refiere a una relación entre dos series de tiempo de rendimientos donde rendimientos más altos en una serie tienden a coincidir con rendimientos más bajos en la otra.
-
Convierta precios a rendimientos (se necesita un supuesto). Elija una definición de rendimientos (por ejemplo, rendimientos logarítmicos o rendimientos porcentuales simples). El supuesto clave es que los rendimientos son la cantidad cuya relación desea medir, no los precios brutos.
-
Use una correlación de ventana móvil. Seleccione una longitud de ventana (por ejemplo, N observaciones) y calcule un coeficiente de correlación dentro de cada ventana. Mueva la ventana hacia adelante paso a paso y calcule la correlación nuevamente. Esto produce una serie de tiempo de estimaciones de correlación.
-
Resuma la volatilidad de la estimación de correlación. Puede medir la “volatilidad en la correlación negativa” usando uno o más resúmenes:
- Dispersión: la desviación estándar (o varianza) de la serie de correlación móvil.
- Tasa de inestabilidad: la fracción de ventanas donde la correlación está por debajo de un umbral negativo elegido (por ejemplo, “fuertemente negativa”), capturando la variabilidad de signo-fuerza.
- Saltos: el cambio absoluto promedio entre correlaciones móviles consecutivas, capturando cuán abruptamente cambia la relación.
- Verificación de direccionalidad opcional. Si desea centrarse en el comportamiento “negativo”, realice un seguimiento de métricas separadas como la desviación estándar de las correlaciones móviles condicionadas a ser negativas, mientras sigue informando con qué frecuencia la relación es negativa.
Configuración de ejemplo (supuestos declarados)
Suponga dos series de rendimientos, A y B, y calcule la correlación móvil sobre rendimientos logarítmicos.
- Longitud de la ventana: N observaciones.
- Tamaño del paso: una observación.
- Serie de correlación móvil: ρ₁, ρ₂, …, ρₖ.
- Volatilidad de la correlación: SD(ρ₁…ρₖ).
Esto produce una descripción numérica única de cuán inestable es la correlación negativa bajo sus definiciones elegidas.
Evidencia o razonamiento de ejemplo: qué debería esperar ver
Incluso sin datos en vivo, puede razonar sobre qué significan los diferentes resultados:
- Si SD(ρ) es baja, la relación negativa es relativamente estable bajo su elección de ventana.
- Si SD(ρ) es alta, la correlación negativa es inconsistente: períodos de fuerte dependencia negativa se mezclan con períodos de dependencia débil o positiva.
- Si la correlación cruza con frecuencia de negativa a casi cero, la “correlación negativa” es más una característica temporal de régimen que una propiedad persistente.
Limitaciones y riesgos (modos de falla materiales)
-
La correlación es lineal y puede omitir dependencia no lineal. Dos series pueden tener una relación no lineal que la correlación no captura, por lo que una “baja volatilidad de correlación” no implica independencia ni dependencia negativa estable.
-
Las elecciones de ventana y frecuencia pueden dominar el resultado. Las ventanas cortas reaccionan fuertemente al ruido; las ventanas largas pueden suavizar los cambios de régimen. Cambiar la longitud de la ventana o la frecuencia de observación puede alterar la medición sustancialmente.
-
No estacionariedad y cambios de régimen. La correlación puede variar porque el entorno generador de datos cambia. Esto hace que la “volatilidad de la correlación” sea una descripción de la inestabilidad histórica bajo regímenes pasados, no una garantía de comportamiento futuro.
-
Sensibilidad al signo y al umbral. Las métricas que dependen de un “umbral negativo” pueden comportarse de manera diferente según cómo defina “suficientemente negativo”. Un pequeño cambio en el umbral puede alterar los recuentos de ventanas “fuertemente negativas”.
-
Definición de rendimientos y efectos de microestructura. Diferentes cálculos de rendimientos, manejo de datos faltantes o fricciones relacionadas con la ejecución pueden distorsionar las relaciones. Incluso en un análisis puramente histórico, estas elecciones cambian la co-movimiento medida.
Verificación y siguiente pregunta a realizar
Para verificar de forma independiente la medición, vuelva a ejecutar el flujo de trabajo con supuestos alternativos razonables y verifique si la conclusión sobre la inestabilidad sigue siendo similar:
- Use al menos dos longitudes de ventana móvil.
- Use dos definiciones de rendimientos (si es factible) y confirme si la inestabilidad cualitativa persiste.
- Compare múltiples resúmenes (SD de ρ, frecuencia de cruce de signo y cambio absoluto promedio).
Una pregunta útil a continuación es: ¿La inestabilidad se debe principalmente a cambios de signo (negativo vs. no negativo), o a fluctuaciones en la fuerza mientras se mantiene negativa la mayor parte del tiempo? Esa distinción cambia cómo interpreta la “volatilidad en la correlación negativa”.