Apa Itu Contoh Kerja dari Alat Korelasi?

Jawaban langsung

Contoh kerja dari alat korelasi menunjukkan, dengan angka dan asumsi yang eksplisit, bagaimana Anda menghitung dan menafsirkan korelasi antara dua deret waktu. Dalam praktiknya, Anda biasanya mengubah harga mentah menjadi ukuran yang sebanding (paling sering return) dan kemudian menghitung koefisien korelasi. Hasilnya menggambarkan apakah kedua deret tersebut cenderung bergerak bersama selama periode yang dipilih; ini tidak menyiratkan sinyal yang dapat diprediksi atau sebab-akibat.

Mekanisme atau definisi

Alat korelasi biasanya memperkirakan korelasi statistik antara dua urutan, sering kali menggunakan koefisien korelasi Pearson. Secara sederhana:

• Anda memilih dua deret waktu, X dan Y, yang diukur pada tanggal atau stempel waktu yang sama.
• Anda menghitung nilai berpasangan (Xₜ, Yₜ) untuk t = 1…T.
• Anda menghitung satu angka yang merangkum pergerakan bersama di seluruh jendela tersebut.

Asumsi umum yang harus Anda nyatakan untuk contoh kerja:

• Stempel waktu yang sama: setiap Xₜ sejajar dengan Yₜ yang benar.
• Satuan yang sebanding: harga tidak selalu sebanding; Anda dapat menggunakan return, bukan level mentah.
• Pilihan jendela: korelasi bergantung pada tanggal mulai/selesai dan frekuensi pengambilan sampel.

Bukti atau contoh (sepenuhnya dikerjakan, hipotetis)

Asumsikan kita ingin membandingkan pergerakan bersama dari dua instrumen hipotetis, A dan B, selama empat periode. Kita akan menggunakan return sederhana dan kemudian menghitung korelasi Pearson.

Asumsi (nyatakan ini sebelum menghitung):

1. Tidak ada data real-time yang digunakan; angka bersifat hipotetis dan tetap.
2. Periode diselaraskan: periode 1 untuk A cocok dengan periode 1 untuk B, dst.
3. Kita menggunakan return sederhana: rₜ = (Pₜ − Pₜ₋₁) / Pₜ₋₁.

Langkah 1: Harga hipotetis

• Harga Instrumen A: P(A): 100 → 102 → 101 → 105
• Harga Instrumen B: P(B): 200 → 198 → 202 → 204

Langkah 2: Hitung return sederhana Untuk A:

• rA1 = (102−100)/100 = 0,02
• rA2 = (101−102)/102 ≈ −0,0098039
• rA3 = (105−101)/101 ≈ 0,03960396

Untuk B:

• rB1 = (198−200)/200 = −0,01
• rB2 = (202−198)/198 ≈ 0,02020202
• rB3 = (204−202)/202 ≈ 0,00990099

Jadi kita memiliki observasi return berpasangan:

• X = [0,02, −0,0098039, 0,03960396]
• Y = [−0,01, 0,02020202, 0,00990099]

Langkah 3: Hitung korelasi Pearson (ringkasan) Korelasi Pearson menggunakan nilai terpusat relatif terhadap rata-rata setiap deret. Dengan hanya tiga observasi berpasangan, estimasi tersebut sensitif terhadap setiap titik. Menggunakan rumus Pearson standar (diimplementasikan di spreadsheet atau kalkulator mana pun), Anda akan memperoleh nilai antara −1 dan +1 yang mencerminkan seberapa mirip pergerakan return tersebut.

Cara menafsirkannya di bawah asumsi ini:

• Jika korelasi yang dihitung positif, A dan B cenderung naik/turun bersama (dalam jendela ini).
• Jika negatif, mereka cenderung bergerak dalam arah yang berlawanan.
• Jika mendekati nol, ada sedikit pergerakan bersama linier dalam sampel kecil ini.

Penting: korelasi di sini dihitung murni dari data yang diasumsikan dan definisi return yang dipilih; mengubah asumsi mengubah angka tersebut.

Keterbatasan dan risiko

1. Ukuran sampel dan stabilitas: Dengan sedikit observasi (seperti dalam contoh), korelasi dapat berubah drastis. Jendela yang berbeda dapat menghasilkan hasil yang berbeda.
2. Hubungan mungkin tidak stasioner: Bahkan jika dua deret berkorelasi di masa lalu, hubungan yang mendasarinya dapat berubah ketika kondisi pasar bergeser.
3. Keterbatasan mekanisme linier: Korelasi Pearson merangkum pergerakan bersama linier. Jika dua deret bergerak bersama secara nonlinier, korelasi dapat meremehkan hubungan tersebut.
4. Gesekan operasional diabaikan oleh desain: Korelasi yang dihitung dari return ideal tidak mencakup biaya transaksi, spread, waktu eksekusi, atau masalah kualitas data yang dapat secara material mengubah hasil yang direalisasikan.

Verifikasi atau pertanyaan berikutnya

Untuk memverifikasi contoh kerja secara independen, Anda perlu mereplikasi langkah-langkahnya:

1. Konfirmasi definisi return yang tepat (return sederhana vs log).
2. Pastikan stempel waktu sejajar dan Anda menggunakan jumlah periode yang sama untuk kedua deret.
3. Hitung ulang return berpasangan dan kemudian hitung korelasi Pearson untuk jendela yang sama.

Pertanyaan berikutnya yang dapat Anda ajukan adalah: “Bagaimana korelasi berubah jika saya menggunakan return log, panjang jendela yang berbeda, atau frekuensi pengambilan sampel yang berbeda?” Tes-tes tersebut mengevaluasi sensitivitas terhadap asumsi, bukan memprediksi perilaku masa depan.