Apa yang Memengaruhi Spread dalam Korelasi Pasangan?

Jawaban langsung

Dalam konteks korelasi pasangan, kata “spread” biasanya merujuk pada seberapa tersebar hubungan yang terlihat ketika Anda mengukurnya dari waktu ke waktu atau antar observasi. Dispersi tersebut paling banyak dipengaruhi oleh likuiditas dan volatilitas, serta cara transaksi dieksekusi (tempat eksekusi dan penanganan order). Biaya dan kebijakan spesifik penyedia juga berperan karena mengubah harga eksekusi efektif dan menambah noise tambahan.

Mekanika: apa yang dimaksud dengan “spread” korelasi pasangan

Korelasi pasangan membandingkan bagaimana dua rangkaian harga cenderung bergerak bersama. Pendekatan umum adalah menghitung korelasi pada jendela bergulir (misalnya, banyak interval waktu yang tumpang tindih). “Spread” adalah variasi dari korelasi terukur di seluruh jendela tersebut, atau variabilitas di sekitar hubungan yang diperkirakan.

Beberapa input mendorong variabilitas tersebut:

• Likuiditas: Ketika pasar kurang likuid, kuotasi bid/ask cenderung lebih lebar dan transaksi lebih mungkin menggerakkan harga secara tidak merata. Hal ini meningkatkan keacakan dalam rangkaian harga yang tercatat, yang meningkatkan dispersi dalam estimasi korelasi.
• Volatilitas: Volatilitas mengubah ukuran dan kecepatan pergerakan harga. Pada periode dengan perubahan mendadak atau pergantian rezim, korelasi dapat bergeser dengan cepat, sehingga nilai korelasi bergulir menyebar.
• Eksekusi dan mikrostruktur: Bagaimana order dicocokkan dan pada harga berapa order terisi memengaruhi rangkaian harga efektif yang Anda amati. Bahkan ketika dua instrumen terkait secara ekonomi, efek mikrostruktur dapat menambah perbedaan waktu dan noise harga.
• Biaya dan kebijakan penyedia: Biaya transaksi (termasuk komisi), jenis spread (tetap vs variabel), dan aturan penanganan order dapat mengubah rangkaian harga bersih yang digunakan untuk analisis. Perubahan tersebut dapat memengaruhi dispersi korelasi tanpa perubahan apa pun dalam pergerakan bersama ekonomi yang mendasarinya.

Contoh sederhana (dengan asumsi eksplisit)

Asumsikan Anda mengukur korelasi untuk dua pasangan mata uang yang sama menggunakan jendela bergulir dengan panjang yang sama.

• Asumsi A: Selama periode likuiditas rendah, harga transaksi setiap instrumen mengandung noise tambahan dari kuotasi yang lebih lebar dan frekuensi trading yang lebih jarang.
• Asumsi B: Selama periode volatilitas tinggi, jalur harga menunjukkan pergantian rezim yang sering. Jika kedua asumsi tersebut berlaku, estimasi korelasi akan lebih berfluktuasi antar jendela, meningkatkan “spread” yang teramati. Pergerakan bersama yang mendasarinya mungkin stabil, tetapi noise tambahan dan pergantian rezim membuat estimasi menjadi kurang konsisten.

Bukti atau penalaran berbasis contoh: mengapa tempat eksekusi dan biaya dapat berpengaruh

Bahkan tanpa data real-time, Anda dapat menalar mekanismenya:

• Efek tempat eksekusi: Jika dua instrumen dieksekusi di kumpulan likuiditas yang berbeda atau melalui perilaku pencocokan yang berbeda, harga pengisian aktualnya dapat berbeda dalam waktu dan besaran. Perbedaan tersebut masuk ke dalam dua rangkaian waktu yang Anda korelasikan.
• Penanganan order: Pengisian parsial, penundaan, atau perlakuan berbeda terhadap jenis order dapat menciptakan perbedaan yang tampak pada harga yang diamati. Hal ini meningkatkan variabilitas korelasi terukur di seluruh jendela.
• Perubahan yang disebabkan biaya dalam rangkaian yang diamati: Jika harga transaksi efektif Anda mencakup biaya tambahan atau jika kualitas eksekusi memburuk selama kondisi tertekan, rangkaian terukur mencerminkan lebih banyak “gesekan pasar”. Dispersi korelasi dapat meningkat karena gesekan menambah noise yang tidak berkorelasi.

Keterbatasan dan mode kegagalan

• Korelasi bukanlah stabilitas: “Spread” yang lebar dalam korelasi bergulir tidak secara otomatis berarti hubungan ekonomi telah hilang; hal itu mungkin mencerminkan noise pengukuran, perubahan kondisi trading, atau pergantian rezim.
• Jendela historis menyesatkan: Hubungan yang diperkirakan dari jendela masa lalu sering kali tidak menjamin perilaku masa depan, terutama di seluruh rezim likuiditas dan volatilitas yang berubah.
• Definisi yang ambigu: “Spread” harus didefinisikan. Ini bisa berarti dispersi estimasi korelasi, dispersi perbedaan harga, atau dispersi kuotasi. Definisi yang berbeda mengarah pada penjelasan kausal yang berbeda.
• Asumsi yang tidak terkontrol: Jika analisis Anda bergantung pada asumsi pengisian order atau menyertakan pengambilan sampel waktu yang berbeda untuk kedua rangkaian, Anda dapat secara tidak sengaja meningkatkan spread.

Verifikasi dan pertanyaan lanjutan yang dapat Anda uji

Untuk memverifikasi apa yang mendorong spread dalam pengukuran Anda sendiri, periksa apakah dispersi berubah ketika Anda mengontrol likuiditas dan volatilitas:

• Bandingkan spread korelasi di seluruh periode yang berbeda dalam volatilitas (kondisi tenang vs tertekan).
• Bandingkan hasil ketika aktivitas pasar lebih tinggi vs lebih rendah (sesi trading atau jam non-puncak vs jam aktif).
• Uji ketahanan menggunakan frekuensi pengambilan sampel yang konsisten dan sumber data yang konsisten, sehingga noise terkait eksekusi tidak secara tidak sengaja masuk ke satu rangkaian lebih banyak daripada yang lain.

Pertanyaan lanjutan yang berguna adalah: Definisi “spread” mana yang tepat Anda gunakan—dispersi korelasi bergulir, spread kuotasi, atau dispersi perbedaan harga pasangan? Jawabannya menentukan mekanisme mana yang paling relevan.