Data apa yang diperlukan untuk menilai korelasi pasangan
Korelasi pasangan (biasanya diimplementasikan sebagai koefisien korelasi antara dua deret returns) membandingkan bagaimana dua aset bergerak bersama dalam jendela waktu dan frekuensi pengambilan sampel yang dipilih. Untuk menilainya secara akurat dan independen, Anda memerlukan data time-series yang andal serta pilihan yang jelas tentang bagaimana “returns” dibangun dan bagaimana statistik dihitung.
Masukan data dan artinya
- Dua deret harga yang selaras: Anda memerlukan harga historis untuk kedua instrumen yang ingin dibandingkan (misalnya, dua pasangan mata uang). Kuncinya adalah timestamp-nya cocok atau dapat di-resample ke grid yang sama.
- Sumber harga dengan asal-usul yang terdokumentasi: Gunakan sumber yang bisa Anda jelaskan (feed bursa, feed broker, vendor data) dan pastikan itu sama untuk kedua deret. Feed yang berbeda bisa saling bertentangan meskipun keduanya merujuk ke pasar yang mendasari serupa.
- Definisi returns: Korelasi bergantung pada apa yang Anda anggap sebagai deret. Pilihan umum adalah log returns atau percentage returns yang dihitung dari harga berurutan. Anda harus menyatakan yang mana yang Anda gunakan.
- Frekuensi pengambilan sampel: Korelasi berubah seiring granularitas waktu (menit, per jam, harian). Anda perlu menentukan frekuensi dan apakah Anda menggunakan observasi mentah atau bar yang diagregasi.
- Aturan rolling-window atau full-sample: Tentukan apakah Anda menghitung satu korelasi untuk seluruh histori atau estimasi yang rolling. Pendekatan rolling memerlukan panjang jendela dan langkah.
Mekanika: bagaimana pemeriksaan saling terhubung
Untuk menghitung korelasi pasangan, biasanya Anda:
- Mengubah setiap deret harga menjadi deret returns menggunakan rumus yang sama dan grid waktu yang sama.
- Menangani nilai yang hilang secara konsisten (misalnya, hapus periode ketika salah satu deret tidak tersedia, atau resample—tanpa mencampur aturan yang tidak konsisten).
- Menghitung statistik korelasi pada observasi returns yang saling tumpang tindih.
Agar hasilnya bisa diverifikasi, catat seluruh “resep”:
- rentang waktu yang tepat (tanggal mulai/akhir)
- frekuensi (mis., penutupan harian)
- rumus returns (log vs percentage)
- panjang jendela dan apakah ia rolling
- aturan data yang hilang dan penanganan zona waktu
Bukti atau contoh setup (asumsi yang harus Anda nyatakan)
Setup minimal yang bisa diuji sendiri bisa berupa:
- Kumpulkan dua deret harga dari kategori sumber keseluruhan yang sama.
- Resample keduanya ke frekuensi yang sama (mis., harga akhir periode pada konvensi kalender yang sama).
- Hitung log returns dari t-1 ke t untuk setiap deret.
- Estimasikan korelasi pada jendela tetap (misalnya, menggunakan satu jendela untuk seluruh rentang yang Anda pilih).
Asumsi itu penting: jika satu deret secara efektif tertunda, dibulatkan, atau memiliki jam perdagangan yang berbeda, penyelarasan bisa meleset beberapa periode. Itu dapat memengaruhi korelasi yang dihitung secara nyata meskipun kedua deret terlihat mirip pada sebuah chart.
Keterbatasan dan mode kegagalan
- Non-stasioneritas (hubungan yang berubah): Korelasi bukan properti permanen. Korelasi bisa berubah menurut rezim pasar, kondisi volatilitas, dan perubahan struktural.
- Ketergantungan pada sampel dan overfitting: Korelasi yang diestimasi dari data historis mungkin tidak bertahan. Panjang jendela yang berbeda dapat menghasilkan jawaban yang berbeda.
- Kesalahan penyelarasan dan zona waktu: Jika timestamp tidak dikonversi secara konsisten (atau jika satu deret memakai cutoff sesi yang berbeda), pasangan returns menjadi tidak cocok.
- Sensitivitas terhadap prapemrosesan: Korelasi bisa berubah dengan penanganan outlier, perlakuan terhadap data yang hilang, atau penggunaan harga vs midpoint vs closes.
- Biaya dan eksekusi tidak tertangkap: Korelasi adalah hubungan statistik dalam data; ia tidak mencakup biaya transaksi, spread, slippage, atau waktu eksekusi.
Verifikasi dan pertanyaan berikutnya yang perlu ditanyakan
Cara praktis untuk memverifikasi penilaian Anda adalah menjalankan perhitungan yang sama dengan variasi yang terkontrol:
- ulangi dengan panjang jendela yang berbeda dan periksa apakah kesimpulannya berubah secara drastis
- ulangi dengan menggunakan field harga alternatif yang terdokumentasi dengan baik (mis., jika sumber menyediakan beberapa field) untuk melihat seberapa robust hasilnya
- uji di luar sampel dengan menghitung korelasi pada satu periode dan membandingkan stabilitasnya pada periode berikutnya
Pertanyaan berikutnya untuk menyempurnakan evaluasi Anda: Definisi returns yang tepat dan prosedur penyelarasan timestamp apa yang Anda gunakan, dan bagaimana Anda akan mereproduksi dataset yang sama serta langkah perhitungan yang sama dari “resep” yang Anda catat?
DOCUMENT END