Perubahan korelasi: definisi yang sering tercampur
Korelasi menjelaskan bagaimana dua variabel bergerak bersama dalam dataset dan rentang waktu yang dipilih, biasanya diukur pada skala dari -1 hingga +1. “Perubahan korelasi” berarti hubungan yang terukur berbeda ketika Anda menghitung korelasi pada window yang berbeda (misalnya, periode awal vs periode belakangan) atau dengan asumsi yang berbeda.
Kesalahan umum adalah menganggap “korelasi yang berubah” sebagai sinyal trading dengan sendirinya. Korelasi bersifat deskriptif: ia merangkum pergerakan bersama pada sampel masa lalu. Korelasi tidak menjelaskan kausalitas, dan tidak menyiratkan bahwa hubungan tersebut akan bertahan.
Salah paham yang sering terjadi lainnya adalah mencampur “korelasi mata uang” dengan “kekuatan mata uang” seolah-olah keduanya adalah ide yang sama. Korelasi bisa bergeser bahkan ketika rata-rata returns atau volatilitas terlihat stabil, sedangkan kekuatan mata uang biasanya bergantung pada perhitungan yang berbeda.
Kesalahan 1: Menggunakan korelasi seolah-olah itu hukum yang stabil
Apa yang salah: Orang mengasumsikan korelasi itu konstan. Kenyataannya, korelasi sering berubah karena penggerak pasar berubah (perilaku risk-on vs risk-off, kondisi likuiditas, rezim berita besar, atau pergeseran volatilitas).
Dampak: Jika Anda mengharapkan pergerakan bersama sebelumnya tetap bekerja, Anda bisa melebih-lebihkan seberapa andal dua instrumen akan berperilaku relatif satu sama lain.
Pemeriksaan netral: Nyatakan dengan jelas bahwa korelasi bergantung pada window. Jika korelasi berubah secara material di window yang berdekatan, anggap itu sebagai bukti ketidakstabilan, bukan “noise” yang bisa diabaikan.
Kesalahan 2: Memilih time window yang tidak konsisten
Apa yang salah: Korelasi yang dihitung dengan lookback period berbeda bisa saling bertentangan. Window yang pendek mungkin bereaksi berlebihan terhadap pergerakan sementara; window yang panjang mungkin menyembunyikan pergeseran terbaru.
Contoh dengan asumsi yang eksplisit: Misalkan Anda menghitung korelasi antara dua deret returns menggunakan daily returns. Jika Anda memakai satu window perhitungan 30 hari dan window lainnya 180 hari, Anda mengukur dua “cerita” yang berbeda. Jika rezim pasar berubah di tengah jalan, window yang lebih panjang akan merata-ratakan antar rezim.
Dampak: Anda bisa menyimpulkan bahwa korelasi “positif” atau “negatif” tanpa menyadari bahwa tanda atau besarnya bergantung pada window.
Pemeriksaan netral: Uji beberapa window (dengan frekuensi data dan metode yang sama). Jika kesimpulan berbalik, hubungan tersebut tidak stabil terhadap pilihan pengukuran Anda.
Kesalahan 3: Mengabaikan peran data yang Anda masukkan ke dalam korelasi
Apa yang salah: Korelasi bergantung pada apa yang Anda ukur (harga vs returns), bagaimana Anda mentransformasi data, dan bagaimana Anda menangani nilai yang hilang atau jeda non-trading.
Kekeliruan data yang umum:
- Menggunakan level harga mentah alih-alih returns (level harga dapat menciptakan pergerakan bersama yang menyesatkan).
- Mencampur time zone atau timestamp yang tidak konsisten.
- Mengubah frekuensi data di tengah analisis (misalnya, beralih dari 1-hour ke daily tanpa memeriksa ulang metodenya).
Dampak: Anda mungkin menafsirkan artefak dari preprocessing sebagai “perubahan korelasi” yang nyata.
Pemeriksaan netral: Tetapkan aturan preprocessing sebelum membandingkan window: definisi returns yang sama, frekuensi yang sama, dan penanganan gap yang konsisten.
Kesalahan 4: Menganggap perubahan korelasi sebagai indikator yang berdiri sendiri
Apa yang salah: Orang sering menggunakan korelasi seolah-olah itu langsung memberi arah atau timing. Perubahan korelasi bisa mencerminkan banyak hal, dan perubahan yang terukur yang sama dapat hidup berdampingan dengan hasil masa depan yang berbeda.
Dampak: Anda bisa berakhir pada keputusan yang tidak terhubung dengan mekanisme yang jelas, sehingga sulit menjelaskan mengapa outcome tertentu harus terjadi.
Pemeriksaan netral: Tanyakan: “Apa aturan keputusannya, dan apakah perubahan korelasi mendukungnya secara logis?” Jika korelasi tidak terkait dengan mekanisme yang bisa Anda jelaskan, kemungkinan korelasi sedang dipakai sebagai sinyal proksi.
Kesalahan 5: Lupa biaya dan batas eksekusi
Apa yang salah: Penalaran korelasi bisa mengabaikan hambatan praktis seperti spread, komisi, slippage, dan perbedaan timing.
Dampak: Bahkan jika pergerakan bersama ada secara statistik, eksekusi nyata dapat mengurangi atau meniadakan hubungan yang Anda harapkan.
Pemeriksaan netral: Saat menilai apakah ide berbasis korelasi bisa dijalankan, sertakan asumsi tentang biaya trading dan timing eksekusi. Jika efek yang diharapkan kecil dibanding biaya, perubahan korelasi mungkin tidak terlalu berarti dalam praktik.
Keterbatasan dan mode kegagalan yang perlu diingat
- Non-stationarity: Korelasi masa lalu mungkin tidak berlaku ketika volatilitas atau kepemimpinan pasar berubah.
- Pergeseran rezim: Korelasi bisa bergerak cepat ketika likuiditas dan risk appetite berubah.
- Sampling error: Bahkan jika perilaku dasar stabil, estimasi bisa berubah karena kebetulan, terutama pada window yang singkat.
- Tidak ada kausalitas: Korelasi tidak mengidentifikasi mengapa instrumen bergerak bersama, sehingga tidak bisa menjamin apa yang terjadi berikutnya.