Jawaban langsung
Perubahan korelasi dalam forex menjelaskan bagaimana hubungan statistik antara return dari dua pasangan mata uang (atau dua kurs) berkembang dari waktu ke waktu. Korelasi tidak “tetap”; korelasi dihitung dari data, dan nilainya bergantung pada jendela waktu yang dipilih, metode yang digunakan untuk menghitung return, serta kondisi pasar. Karena hubungan dapat bergeser setelah perubahan rezim atau guncangan, estimasi korelasi dari masa lalu mungkin berbeda dengan yang Anda amati kemudian.
Mekanisme: apa arti korelasi
Korelasi adalah angka antara −1 dan +1 yang merangkum bagaimana dua deret bergerak bersama. Dalam konteks forex, Anda bisa membayangkan dua deret return:
- Deret return A: perubahan nilai tukar pasangan mata uang dari waktu ke waktu.
- Deret return B: perubahan nilai tukar pasangan mata uang lainnya (atau nilai tukar lainnya) dari waktu ke waktu.
Untuk menghitung “korelasi dari waktu ke waktu,” pendekatan yang umum adalah:
- Pilih definisi return (misalnya, perubahan persentase sederhana atau return logaritmik).
- Pilih frekuensi pengambilan sampel (seperti menit, per jam, harian).
- Pilih panjang rolling window (misalnya, 30 observasi terakhir, atau 90 hari terakhir).
- Hitung korelasi di dalam window tersebut, sehingga menghasilkan satu nilai korelasi.
- Geser window ke depan dan hitung ulang.
Outputnya adalah deret waktu nilai-nilai korelasi. “Perubahan korelasi” berarti deret ini bergerak: bisa melayang (drift), menguat (menjadi lebih positif atau lebih negatif), atau melemah menuju nol.
Input yang secara langsung memengaruhi angka korelasi
Beberapa input menentukan korelasi yang terukur:
- Horizon waktu dan panjang window: Window yang pendek lebih sensitif terhadap noise terbaru dan peristiwa yang berumur pendek; window yang panjang menggabungkan berbagai rezim.
- Perhitungan return: Rumus return yang berbeda dan apakah Anda menggunakan perubahan harga mentah atau return log dapat menggeser hasil.
- Pengambilan sampel dan sinkronisasi: Jika dua deret tidak selaras waktunya (atau ada data yang hilang), korelasi bisa terdistorsi.
- Rezim pasar: Ketika volatilitas berubah atau faktor pendorong utama bergeser, pola pergerakan bersama (co-movement) dapat berubah.
Output: apa yang bisa Anda amati
Dari prosedur perubahan korelasi, Anda bisa mengamati:
- Kekuatan: seberapa dekat korelasi ke −1 atau +1.
- Arah: apakah pergerakan umumnya searah (positif) atau berlawanan arah (negatif).
- Stabilitas: seberapa cepat nilai korelasi melayang (drift) di seluruh rolling windows.
Yang penting, output ini bersifat deskriptif terhadap perhitungan yang dipilih. Output ini tidak otomatis menyiratkan kausalitas.
Bukti atau contoh (dengan asumsi yang eksplisit)
Berikut adalah contoh konseptual yang menunjukkan mekanismenya tanpa memerlukan data real-time.
Asumsi untuk contoh:
- Anda memiliki dua pasangan mata uang, Pair X dan Pair Y.
- Anda menghitung return harian sebagai perubahan persentase dari hari ke hari secara berurutan.
- Anda menggunakan rolling window sepanjang 20 hari perdagangan.
Urutan:
- Untuk Hari 1–20, Anda menghitung return untuk Pair X dan Pair Y lalu menghitung korelasi. Sebut nilai ini ρ₁.
- Untuk Hari 2–21, Anda mengulang dan mendapatkan ρ₂.
- Lanjutkan dengan menggeser sampai Anda memiliki deret nilai korelasi: ρ₁, ρ₂, ρ₃, …
Sekarang, misalkan pasar mengalami pergeseran mendadak pada faktor pendorong di tengah dataset (misalnya, pergerakan luas yang memengaruhi kedua mata uang secara berbeda dibanding sebelumnya). Dalam kasus itu, hubungan antara return Pair X dan return Pair Y di dalam window akan berubah, sehingga deret rolling correlation dapat bergerak—mungkin dari yang sebelumnya moderat positif menjadi mendekati nol, atau dari positif menjadi negatif.
Poin kunci: meskipun hubungan ekonomi yang mendasarinya “stabil,” korelasi yang dihitung tetap bisa berubah karena window Anda mencakup hari-hari yang berbeda dengan pola return yang berbeda.
Keterbatasan dan risiko: bagaimana korelasi bisa gagal
Perubahan korelasi bisa nyata, tetapi mengandalkannya memiliki keterbatasan yang material:
- Korelasi historis tidak menjamin korelasi masa depan. Korelasi adalah estimasi snapshot berdasarkan data masa lalu.
- Estimasi korelasi sensitif terhadap panjang window yang dipilih. Dua analis yang menggunakan window berbeda mungkin melaporkan “perubahan korelasi” yang berbeda.
- Non-stasioner itu umum. Hubungan finansial dapat bergeser ketika volatilitas atau faktor pendorong utama berubah.
- Biaya dan efek eksekusi tidak tertangkap. Korelasi dihitung dari perilaku harga; korelasi tidak mencakup spread, biaya, slippage, atau kendala likuiditas.
- Korelasi bukan aturan keputusan yang berdiri sendiri. Tingkat korelasi tertentu (tinggi, rendah, positif, negatif) tidak secara inheren mendefinisikan keunggulan yang bisa dieksekusi.
Mode kegagalan yang umum adalah “overfitting” perubahan korelasi: menyesuaikan parameter berulang kali sampai pola korelasi masa lalu terlihat meyakinkan, tetapi kemudian kehilangan perilaku tersebut ketika kondisi bergeser.
Verifikasi: cara memeriksa perubahan korelasi sendiri
Untuk memverifikasi secara independen bagaimana korelasi berubah dalam forex, gunakan proses yang dapat diulang dan eksplisit parameternya:
- Tetapkan definisi return Anda (misalnya, log returns) dan frekuensi pengambilan sampel.
- Hitung rolling correlation pada panjang window yang dinyatakan dengan jelas.
- Bandingkan hasil di setidaknya dua ukuran window yang masuk akal (misalnya, window yang lebih pendek dan yang lebih panjang) untuk melihat seberapa stabil polanya.
- Lacak apakah pergeseran korelasi selaras dengan perubahan volatilitas atau kondisi makro yang bermakna, sambil menghindari asumsi bahwa keselarasan berarti kausalitas.
Jika deret waktu korelasi sangat tidak stabil di berbagai pilihan parameter yang masuk akal, perlakukan itu sebagai bukti lemah tentang hubungan masa depan.
Apa yang perlu ditanyakan selanjutnya
Jika Anda ingin melangkah lebih dalam, klarifikasi pilihan perhitungan Anda:
- Pasangan deret mana yang Anda korelasikan (dua pasangan FX, dua leg, atau satu pasangan vs indeks risiko)?
- Berapa ukuran window dan definisi return yang Anda gunakan?
- Bagaimana hasil berubah ketika Anda menguji beberapa horizon?
Pertanyaan-pertanyaan ini menentukan apakah Anda mengukur kecenderungan co-movement yang stabil atau sebagian besar menangkap noise dari lingkungan pasar yang berubah.