Jawaban langsung
Volatilitas dalam Korelasi Pasangan berarti bahwa hubungan antara dua deret waktu tidak stabil dari waktu ke waktu. Untuk mengukurnya, pertama hitung Korelasi Pasangan sebagai korelasi yang berubah terhadap waktu (misalnya, menggunakan jendela bergulir). Lalu ukur seberapa besar korelasi bergulir itu sendiri berfluktuasi—menggunakan statistik seperti simpangan baku (atau ukuran sebaran lainnya) dari deret korelasi bergulir.
Pendekatan ini berfokus pada pengukuran perubahan, bukan prediksi arah masa depan.
Mekanisme atau definisi
Mulailah dengan dua deret waktu yang selaras, misalnya imbal hasil dari dua instrumen: xₜ dan yₜ. Korelasi Pasangan biasanya didefinisikan sebagai korelasi antara x dan y selama periode yang dipilih.
Agar korelasi menjadi berubah terhadap waktu, gunakan jendela bergulir dengan panjang W:
- Untuk setiap waktu t, ambil W observasi terakhir {xₜ₋W+1…xₜ} dan {yₜ₋W+1…yₜ}.
- Hitung korelasi di dalam jendela tersebut, menghasilkan urutan rₜ ("korelasi pasangan bergulir"/“rolling Pair Correlation”).
Untuk mengukur volatilitas dalam hubungan tersebut, hitung ukuran lapisan kedua di atas {rₜ} selama periode evaluasi yang lebih panjang:
- Volatilitas-korelasi (sebaran): simpangan baku dari nilai rₜ.
- Ukuran sebaran alternatif: rentang interkuartil (IQR) dari rₜ, atau mean absolute deviation.
- Lensa perubahan rezim (opsional): hitung seberapa sering rₜ melewati ambang batas yang dipilih pengguna (misalnya, menjadi sangat positif/negatif), sebagai cara deskriptif untuk menangkap ketidakstabilan.
Asumsi kunci harus dibuat eksplisit:
- Anda perlu frekuensi pengambilan sampel yang konsisten (langkah waktu yang sama untuk kedua deret).
- Anda perlu timestamp yang selaras (tangani nilai yang hilang secara konsisten).
- Anda harus memilih apa yang dimaksud dengan "imbal hasil" atau perubahan (misalnya, log returns vs simple returns) dan menerapkannya secara konsisten.
Bukti atau contoh
Pertimbangkan contoh sederhana dengan dua deret imbal hasil selama N observasi. Misalkan W adalah panjang jendela bergulir. Anda menghitung rₜ untuk setiap t ketika jendela penuh tersedia, sehingga menghasilkan vektor korelasi pasangan bergulir.
Sekarang anggap Anda juga menghitung volatilitas-korelasi sebagai simpangan baku dari rₜ selama rentang evaluasi. Jika rₜ tetap dekat dengan satu nilai, simpangan baku kecil, yang menunjukkan ko-movement yang relatif stabil. Jika rₜ berayun lebar (meskipun korelasi rata-rata mendekati nol), simpangan baku lebih besar, yang menunjukkan volatilitas yang lebih tinggi dalam hubungan tersebut.
Anda juga dapat membandingkan bagaimana hasil berubah ketika Anda mengubah W:
- Jendela yang lebih pendek dapat merespons perubahan lokal dengan cepat, tetapi mungkin lebih berisik.
- Jendela yang lebih panjang menghaluskan perubahan, tetapi dapat menyembunyikan ketidakstabilan yang berlangsung singkat.
Keterbatasan dan risiko
- Sensitivitas ukuran jendela (mode kegagalan): Volatilitas yang diukur sangat bergantung pada W. Nilai W yang berbeda dapat menghasilkan kesimpulan yang berbeda tentang "stabilitas", terutama ketika hubungan bergeser.
- Korelasi bukan sebab-akibat: Korelasi yang berubah tidak menjelaskan mengapa korelasi itu berubah.
- Pecahnya rezim: Korelasi bersifat historis. Hubungan dapat berubah ketika rezim pasar bergeser, likuiditas berubah, atau sifat pergerakan harga berubah.
- Kualitas data dan penyelarasan: Data yang hilang, pengambilan sampel yang tidak sinkron, dan prapemrosesan yang tidak konsisten (misalnya, definisi imbal hasil yang berbeda) dapat menciptakan volatilitas korelasi yang semu.
- Non-stasioneritas varians: Jika setiap deret memiliki volatilitas yang berubah terhadap waktu, estimasi korelasi dapat menjadi tidak stabil bahkan tanpa perubahan yang bermakna pada struktur ketergantungan yang mendasarinya.
Ini adalah alasan untuk memperlakukan pengukuran sebagai deskriptif dan bergantung pada skenario.
Verifikasi atau pertanyaan berikutnya
Untuk memverifikasi pilihan pengukuran secara independen:
- Hitung ulang korelasi bergulir dengan setidaknya dua panjang jendela yang masuk akal dan periksa apakah kesimpulan volatilitas-korelasi secara kualitatif serupa.
- Pastikan kedua deret selaras pada grid waktu yang sama dan gunakan satu definisi imbal hasil yang konsisten.
- Amati deret waktu korelasi pasangan bergulir rₜ secara langsung (bukan hanya ringkasan volatilitas) untuk membedakan drift bertahap dari pecah yang tiba-tiba.
Pertanyaan berikutnya yang berguna adalah: Definisi mana yang paling sesuai dengan ketergantungan yang Anda pedulikan—korelasi linear (Pearson) atau ukuran ketergantungan lain yang dapat berperilaku berbeda di bawah kejadian ekor?