Apa Saja Keterbatasan Alat Korelasi?
Jawaban langsung
Alat korelasi memperkirakan bagaimana dua deret waktu bergerak bersama selama periode historis tertentu dan dengan input data tertentu. Keterbatasan utamanya adalah korelasi bersifat deskriptif (tentang masa lalu dan kumpulan data yang Anda pilih), sensitif terhadap asumsi (jendela waktu, pengambilan sampel, pra-pemrosesan), dan tidak secara otomatis berubah menjadi hasil masa depan yang andal—terutama ketika friksi trading dan perubahan rezim pasar dipertimbangkan.
Apa yang dimaksud dengan “alat korelasi” dan apa yang dihitungnya
Dalam konteks ini, alat korelasi biasanya menghitung koefisien korelasi antara dua deret (misalnya, dua deret return mata uang). Korelasi adalah statistik ringkasan untuk pergerakan bersama: korelasi positif tinggi berarti kedua deret cenderung bergerak ke arah yang sama secara bersamaan; korelasi negatif tinggi berarti keduanya cenderung bergerak ke arah yang berlawanan.
Untuk menghitungnya, Anda harus menentukan:
- Dua deret mana yang Anda korelasikan (misalnya, instrumen atau deret return yang Anda pilih).
- Bagaimana Anda mentransformasikan data (sering kali return, bukan harga mentah).
- Jendela waktu (seberapa jauh ke belakang Anda melihat).
- Frekuensi pengambilan sampel (per jam, harian, dll.).
- Apakah Anda menyesuaikan titik yang hilang atau tidak teratur.
Implikasi utamanya adalah korelasi bukanlah properti intrinsik dari “pasar” secara umum; korelasi adalah properti dari kumpulan data dan pengaturan yang Anda pilih.
Bukti dan contoh di mana korelasi dapat menyesatkan
Pertimbangkan skenario sederhana: Anda menghitung korelasi menggunakan jendela waktu pendek selama periode yang relatif stabil. Anda mungkin mengamati hubungan yang kuat. Jika korelasi yang sama dihitung ulang dengan jendela yang lebih panjang yang mencakup rezim pasar yang berbeda, korelasi dapat melemah atau bahkan berubah tanda. Ini menunjukkan bahwa korelasi bersifat tergantung waktu.
Mode kegagalan umum lainnya adalah ketergantungan tersembunyi pada pra-pemrosesan. Jika satu kumpulan data menggunakan stempel waktu, pembersihan data, atau penanganan nilai yang hilang yang berbeda dari yang lain, korelasi yang dihitung dapat berbeda. Bahkan ketika hubungan tersebut ada, perbedaan pengukuran dapat menggerakkan koefisien cukup untuk mengubah interpretasi Anda.
Terakhir, korelasi menggambarkan pergerakan bersama, bukan kausalitas. Dua deret dapat bergerak bersama karena pendorong yang sama (misalnya, sentimen risiko yang luas atau peristiwa makro). Ketika pendorong berubah, korelasi mungkin tidak bertahan, bahkan jika kedua deret masih merespons berita.
Keterbatasan dan risiko
Keterbatasan paling material meliputi:
-
Korelasi bukan prediktabilitas Korelasi mengukur pergerakan bersama di masa lalu dalam sampel Anda. Perkiraan masa depan memerlukan asumsi yang lebih kuat daripada “mereka bergerak bersama sebelumnya.” Hubungan statistik dapat rusak ketika kondisi berubah.
-
Non-stasioneritas (pergeseran rezim) Banyak hubungan keuangan tidak stabil dari waktu ke waktu. Korelasi dapat bervariasi di seluruh rezim volatilitas, kondisi likuiditas, dan periode peristiwa, sehingga estimasi dapat menjadi usang.
-
Sensitivitas terhadap input Pilihan jendela waktu, frekuensi pengambilan sampel, metode perhitungan return, dan kualitas data semuanya dapat mengubah korelasi yang dihitung. Dua alat yang menggunakan pengaturan default berbeda dapat menunjukkan hasil yang berbeda untuk pasangan yang sama.
-
Noise dan ketidakpastian sampel kecil Dengan lebih sedikit observasi (misalnya, jangka waktu pendek), estimasi korelasi dapat menjadi tidak stabil. Bahkan ketika koefisien terlihat “tinggi,” itu mungkin sebagian mencerminkan keacakan.
-
Mengabaikan friksi pasar dan efek eksekusi Korelasi dihitung dari harga tengah atau data historis, tetapi trading nyata melibatkan spread, komisi, selip, dan waktu eksekusi. Faktor-faktor tersebut dapat mengurangi atau meniadakan nilai praktis yang Anda harapkan untuk diekstrak dari pergerakan bersama.
Cara memverifikasi apa yang didukung—dan tidak didukung—oleh korelasi
Karena korelasi bersifat spesifik terhadap kumpulan data, verifikasi harus fokus pada konsistensi dan realisme daripada mencari satu angka tunggal. Pendekatan yang masuk akal adalah:
- Hitung ulang korelasi di berbagai jendela dan frekuensi pengambilan sampel yang didefinisikan dengan jelas.
- Periksa apakah hubungan tersebut stabil atau berubah secara signifikan.
- Uji apakah hasil tetap konsisten setelah menerapkan asumsi biaya transaksi dan menggunakan asumsi waktu eksekusi yang realistis.
- Perlakukan korelasi sebagai input deskriptif untuk eksplorasi, bukan sebagai sinyal yang berdiri sendiri.
Pertanyaan lanjutan yang berguna untuk diajukan adalah: “Jika saya mengubah jendela, pengambilan sampel, dan pra-pemrosesan, apakah hubungannya masih terlihat serupa?” Jika tidak, keterbatasannya bukan hanya pada pasar—tetapi juga pada ketergantungan estimasi korelasi pada bagaimana Anda menyusun data.