Definición e idea central
La correlación positiva significa que dos variables tienden a moverse en la misma dirección durante el período estudiado. En finanzas, las variables suelen ser los rendimientos (cuánto cambia un tipo de cambio) en lugar del nivel de precio bruto. Una correlación positiva no significa que una variable cause la otra; solo describe el co-movimiento bajo la preparación de datos y la ventana temporal elegidas.
Para “evaluar” la correlación positiva, necesita suficiente información para (1) reproducir la transformación de datos y (2) calcular la estadística de correlación que elija. También debe documentar los supuestos que afectan el resultado.
Datos que necesita: qué recopilar
1) Las dos series temporales (o más)
Necesita valores históricos de las dos variables que planea comparar. En contextos de divisas, esto generalmente significa dos series de tipos de cambio o, más comúnmente, dos series de rendimientos derivadas de ellas.
Elección material: decida si compara:
- Rendimientos calculados a partir de cada tipo de cambio (común), o
- Niveles directamente (menos estables, a menudo más engañosos).
Si su objetivo es la “correlación positiva” tal como se usa comúnmente en la discusión de riesgo, los rendimientos suelen ser el insumo más interpretable porque los niveles de los tipos de cambio pueden derivar incluso cuando el co-movimiento es débil.
2) Frecuencia de muestreo y marcas de tiempo consistentes
Necesita la frecuencia exacta (por ejemplo, horaria, diaria u otro intervalo) y una convención de marcas de tiempo consistente. Un muestreo desigual puede crear correlación artificial o destruir el co-movimiento real.
Registre supuestos como:
- Manejo de la zona horaria (cómo se interpretan las marcas de tiempo)
- Si alinea por hora de reloj o por hora de cierre de la vela
- Cómo se tratan los fines de semana/festivos o los huecos sin negociación
3) La ventana de cálculo
La correlación depende del intervalo de tiempo. Necesita:
- Fechas de inicio y fin
- El tamaño de la ventana móvil o fija (si repite el cálculo)
Documente si utiliza una sola ventana para una estimación o múltiples ventanas para verificaciones de estabilidad.
4) La definición de rendimiento (supuestos para cada cálculo)
Elija una fórmula de rendimiento y declárela. Las opciones comunes incluyen:
- Rendimientos simples (cambio porcentual)
- Rendimientos logarítmicos (logaritmo natural del ratio)
También especifique si utiliza series brutas o ajustadas (por ejemplo, las acciones corporativas generalmente no son relevantes para los tipos de cambio, pero los proveedores de datos pueden aplicar procesamiento).
Procedencia y oportunidad: de dónde deben provenir los datos
5) Fuente de datos y método
Utilice una única fuente documentada para cada serie temporal. La procedencia significa que puede responder:
- ¿Quién produjo los datos?
- ¿Cómo se midieron o agregaron?
- ¿Qué identificadores de serie se utilizaron?
Si las series provienen de diferentes proveedores, confirme que sus definiciones (hora de fijación de precios, convenciones y transformaciones) coinciden; de lo contrario, la correlación puede reflejar un manejo de datos inconsistente.
6) Oportunidad y reproducibilidad
Debido a que el análisis histórico es retrospectivo, la “oportunidad” significa principalmente reproducibilidad: debe conservar la instantánea del conjunto de datos (o al menos la fecha de extracción y el método de recuperación exacto). Para la verificación independiente, otros deberían poder repetir los mismos pasos.
Verificaciones de calidad: validación de los datos antes de calcular la correlación
7) Valores faltantes y decisiones de limpieza de datos
La correlación es sensible a los huecos y al manejo de valores atípicos. Debe registrar:
- Cómo se tratan las observaciones faltantes (eliminadas, completadas o interpoladas)
- Tratamiento de valores atípicos (si recorta, elimina puntos o conserva todo)
Tenga cuidado: cierta limpieza puede aumentar artificialmente la correlación al eliminar períodos donde el co-movimiento se descompone.
8) Estacionariedad y cambios de régimen (limitación material)
No se garantiza que la correlación sea estable. Las relaciones entre divisas pueden cambiar entre regímenes de volatilidad, eventos macroeconómicos o cambios en la estructura del mercado. Un resultado que parece “positivo” en un período puede debilitarse o revertirse en otro.
Este es un modo de falla clave: un solo número de correlación puede ser una instantánea, no una propiedad duradera.
9) Datos no sincrónicos (otra limitación)
Si una serie efectivamente “responde” antes o después que la otra, la correlación simple en marcas de tiempo alineadas puede subestimar o caracterizar erróneamente el co-movimiento. Evalúe si los supuestos de sincronización son razonables para la frecuencia de muestreo elegida.
Evidencia y ejemplo: cómo calcular la correlación a partir de los datos necesarios
Un procedimiento reproducible necesita estos insumos y decisiones:
- Dos series de tipos de cambio para las mismas fechas y la misma frecuencia de muestreo.
- Una definición de rendimiento (simple o logarítmica) aplicada idénticamente a ambas.
- Una ventana (fechas de inicio/fin) y una regla para datos faltantes.
- Un método de correlación.
Los métodos de correlación comúnmente incluyen la correlación de Pearson (co-movimiento lineal) o alternativas basadas en rangos (co-movimiento en orden).