Jawaban langsung
Korelasi pasangan adalah hubungan historis antara dua pasangan mata uang: ia merangkum apakah imbal hasil keduanya cenderung naik atau turun bersama, dan seberapa kuat. Anda dapat menginterpretasikannya sebagai ukuran deskriptif, bukan sebagai bukti sebab, bukan sebagai sifat yang stabil, dan bukan sebagai jaminan bagaimana harga akan bergerak di masa depan.
Tujuan yang berguna adalah menerjemahkan korelasi menjadi ekspektasi tentang pergerakan bersama hanya untuk periode dan pengaturan perhitungan tertentu yang digunakan. Lalu verifikasi apakah ekspektasi itu masih berlaku dengan menghitung ulang korelasi yang sama pada data baru di luar sampel (out-of-sample).
Mekanisme dan definisi
Korelasi pasangan biasanya merujuk pada koefisien korelasi Pearson yang dihitung dari dua deret imbal hasil. Secara sederhana:
- Pilih deret harga dari awal hingga akhir untuk setiap pasangan mata uang.
- Ubah harga menjadi imbal hasil (misalnya, imbal hasil sederhana atau imbal hasil log).
- Pilih jendela waktu (misalnya, imbal hasil harian selama 90 hari, atau imbal hasil intraday pada rentang tertentu).
- Hitung korelasi antara dua deret imbal hasil tersebut.
Interpretasinya relatif terhadap pengaturan itu:
- Nilai positif berarti imbal hasil pasangan sering bergerak ke arah yang sama selama periode yang di-sampling.
- Nilai negatif berarti imbal hasilnya sering bergerak ke arah yang berlawanan.
- Nilai mendekati nol berarti tidak ada ko-movement linear yang berarti dalam sampel tersebut.
Penting: korelasi menggambarkan ko-variansi imbal hasil, bukan level harga, dan bukan apakah satu pasangan “menggerakkan” pasangan lainnya.
Bukti atau contoh (dengan asumsi yang jelas)
Anggap Anda menghitung imbal hasil harian untuk Pair A dan Pair B selama satu periode 60 hari, dengan menggunakan rumus imbal hasil yang sama untuk keduanya. Jika korelasi yang dihitung adalah +0.80, itu menunjukkan kecenderungan historis yang kuat bahwa imbal hasil harian keduanya memiliki tanda yang sama lebih sering daripada yang akan disarankan oleh kebetulan, dalam periode 60 hari tersebut.
Sekarang ubah hanya satu asumsi: gunakan jendela 60 hari yang berbeda tepat setelah periode pertama. Mungkin saja Anda mengamati korelasi yang jauh lebih rendah, meskipun kedua pasangan tetap “instrumen yang sama”. Ini bisa terjadi karena hubungan pasar dapat bergeser ketika kondisi trading, pola volatilitas, atau arus yang dipengaruhi makro berubah.
Pertimbangkan juga mode kegagalan: jika Anda secara tidak sengaja mencampur frekuensi data (misalnya, Pair A dihitung dari penutupan harian dan Pair B dihitung dari snapshot intraday), korelasi yang Anda dapatkan mungkin mencerminkan perbedaan penanganan data, bukan ko-movement yang benar-benar terjadi.
Keterbatasan dan risiko
Setidaknya ada empat keterbatasan material yang memengaruhi cara Anda harus menginterpretasikan korelasi pasangan:
-
Ketergantungan pada jendela waktu Korelasi bukan konstanta tetap dari pasangan tersebut. Periode sampel yang berbeda dapat menghasilkan nilai korelasi yang berbeda.
-
Ketergantungan pada model dan definisi imbal hasil Pilihan yang berbeda (imbal hasil sederhana vs log, frekuensi sampling yang berbeda, aturan roll atau alignment yang berbeda) dapat mengubah korelasi yang dihitung. Korelasi sensitif terhadap bagaimana angka-angka tersebut dibangun.
-
Ketergantungan linear saja Korelasi Pearson menangkap ko-movement linear. Dua deret bisa memiliki hubungan yang non-linear atau bentuknya berubah di berbagai rezim volatilitas, namun tetap menunjukkan korelasi Pearson yang rendah atau tidak stabil.
-
Bukan alat kausal atau prediktif Meskipun korelasi stabil secara historis, itu tidak menetapkan kausalitas. Hubungan historis bisa melemah atau berbalik, terutama di sekitar perubahan rezim.
-
Biaya dan efek eksekusi Korelasi yang dihitung dari harga tengah atau penutupan tidak otomatis memasukkan biaya trading, spread, slippage, atau timing eksekusi. Dua pasangan bisa tampak berkorelasi di atas kertas, sementara hasil yang terealisasi berbeda.
Verifikasi dan pertanyaan berikutnya
Untuk memverifikasi interpretasi secara independen:
- Hitung ulang korelasi menggunakan metode yang sama tetapi dengan beberapa jendela waktu yang tidak saling tumpang tindih.
- Periksa apakah korelasi tetap mirip di berbagai jendela atau runtuh setelah terjadi pergeseran rezim.
- Pastikan deret imbal hasil Anda selaras dalam waktu dan dihitung dengan rumus dan frekuensi yang sama.
Pertanyaan berikutnya yang bagus adalah: Hasil korelasi seperti apa yang harus dianggap “stabil” untuk tujuan Anda? Jawabannya bergantung pada toleransi Anda terhadap perubahan dan pada bagaimana Anda mendefinisikan imbal hasil serta jendela waktunya.