Jawaban langsung
Korelasi pair bisa terlihat kuat, lemah, atau bahkan berlawanan tergantung pada timeframe yang Anda gunakan. Timeframe menentukan bagaimana imbal hasil diukur, periode waktu mana yang disertakan, dan apakah perhitungan mencampur perilaku jangka pendek dengan tren jangka panjang atau perubahan rezim.
Mekanisme dan definisi
Korelasi pair adalah ukuran statistik tentang bagaimana dua deret waktu bergerak bersama. Dalam konteks forex, orang biasanya menghitungnya dari dua deret imbal hasil pasangan, misalnya imbal hasil untuk pasangan mata uang A dan imbal hasil untuk pasangan mata uang B.
Variabel kuncinya adalah jendela pengamatan dan interval sampling:
- Frekuensi sampling: apakah Anda menggunakan data menit, jam, harian, atau mingguan.
- Periode holding (agregasi): seberapa lama setiap langkah imbal hasil mewakili (misalnya imbal hasil 1 hari vs imbal hasil 5 hari).
- Jendela estimasi: berapa banyak titik imbal hasil masa lalu yang Anda masukkan saat mengestimasi korelasi.
Jika Anda mengubah salah satu dari ini, Anda mengubah transformasi data yang mendasarinya. Interval yang lebih pendek menonjolkan efek mikrostruktur (seperti lonjakan mendadak di sekitar peristiwa tertentu), sedangkan interval yang lebih panjang dapat meratakannya. Itulah sebabnya dua pasangan yang sama bisa menunjukkan korelasi yang berbeda di berbagai timeframe.
Cara yang berguna untuk memikirkannya adalah agregasi waktu: jika dua pasangan bergerak bersama hanya selama episode tertentu (misalnya periode risk-on), maka timeframe panjang yang mencakup episode lain dapat menurunkan korelasi keseluruhan.
Contoh skenario: mengubah timeframe mengubah hubungan yang diamati
Anggap pasangan mata uang A dan pasangan mata uang B kadang bergerak bersama selama rezim pasar tertentu, tetapi pada rezim lain mereka bergerak secara independen.
- Jika Anda menghitung imbal hasil menggunakan timeframe yang pendek (dan jendela estimasi yang sebagian besar mencakup episode “bersama” tersebut), estimasi korelasi bisa menjadi tinggi.
- Jika Anda menghitung imbal hasil menggunakan timeframe yang lebih panjang yang juga mencakup rezim independen, estimasi bisa turun karena perhitungan mencampur perilaku yang berbeda.
Bahkan jika ceritanya dalam jangka panjang adalah “tidak ada ko-movement yang konsisten,” Anda tetap bisa mengamati korelasi sementara pada jendela yang lebih pendek. Itu tidak selalu berarti kontradiksi; itu mencerminkan bahwa hubungan tidak konstan sepanjang waktu.
Efek praktis lainnya adalah sampling dan overlap. Jika Anda beralih dari imbal hasil harian ke imbal hasil mingguan, setiap langkah imbal hasil mewakili agregasi yang berbeda dari pergerakan harian yang mendasarinya. Agregasi dapat mengubah banyak ko-movement kecil menjadi pergerakan bersama yang lebih halus, atau dapat saling meniadakan.
Keterbatasan dan mode kegagalan
Setidaknya satu keterbatasan yang material adalah bahwa korelasi bergantung pada bagaimana Anda mengukurnya. Korelasi bukan sifat universal dari dua pasangan mata uang; ini adalah estimasi berdasarkan timeframe tertentu, frekuensi data, dan jendela estimasi tertentu.
Mode kegagalan yang umum meliputi:
- Pencampuran rezim: menggabungkan periode dengan dinamika pasar yang berbeda menghasilkan estimasi korelasi yang tidak mewakili rezim mana pun secara spesifik.
- Non-stasioneritas: hubungan statistik dapat berubah dari waktu ke waktu, sehingga korelasi masa lalu mungkin tidak sama dengan masa depan.
- Ketidakpastian estimasi: jendela yang lebih pendek menghasilkan estimasi yang lebih berisik; jendela yang lebih panjang mengurangi noise tetapi dapat menyembunyikan perubahan.
- Biaya dan eksekusi: kemampuan dunia nyata untuk bertindak atas hubungan apa pun yang diamati dipengaruhi oleh spread, komisi, dan kualitas eksekusi. Korelasi yang dihitung dari imbal hasil “mentah” tidak otomatis memasukkan gesekan-gesekan ini.
Keterbatasan ini berarti korelasi bisa berubah bahkan ketika penggerak ekonomi yang mendasarinya tetap mirip, karena pilihan pengukuran mengubah apa yang ditangkap oleh statistik tersebut.
Verifikasi dan pertanyaan berikutnya
Untuk memverifikasi pemahaman Anda secara independen, lakukan hal berikut secara konseptual (tanpa mengasumsikan hasil tertentu):
- Pilih beberapa timeframe (misalnya agregasi periode holding yang pendek vs panjang).
- Hitung korelasi untuk setiap timeframe menggunakan interval sampling dan jendela estimasi yang dinyatakan dengan jelas.
- Periksa apakah estimasi berubah arah atau besarnya, dan apakah itu bertepatan dengan episode pasar yang berbeda.
Pertanyaan berikutnya yang bagus adalah: Seberapa sensitif estimasi korelasi Anda terhadap panjang interval sampling yang dipilih dan jendela estimasi? Jika jawabannya adalah “sangat,” maka hubungan yang diamati kemungkinan besar bergantung pada timeframe, bukan sesuatu yang stabil.
DOCUMENT END