Mengukur Volatilitas dalam Korelasi Negatif (Tanpa Memprediksi Pergerakan Harga)

Jawaban langsung

Volatilitas dalam Korelasi Negatif berarti kekuatan dan/atau tanda dari hubungan negatif antara dua rangkaian return tidak stabil seiring waktu. Oleh karena itu, pendekatan pengukuran berfokus pada bagaimana korelasi berubah di berbagai jendela waktu, bukan pada memprediksi pergerakan harga di masa depan.

Cara mandiri untuk mengukurnya adalah: (1) tentukan apa yang Anda maksud dengan “korelasi” yang diukur, (2) hitung korelasi tersebut secara berulang dalam jendela waktu yang pendek dan konsisten, dan (3) rangkum seberapa besar estimasi korelasi tersebut berfluktuasi (dispersi) atau bergeser (tren).

Mekanisme: definisi dan resep pengukuran

Korelasi negatif di sini mengacu pada hubungan antara dua rangkaian waktu return di mana return yang lebih tinggi pada satu rangkaian cenderung bertepatan dengan return yang lebih rendah pada rangkaian lainnya.

1. Ubah harga menjadi return (asumsi diperlukan). Pilih definisi return (misalnya, log return atau return persentase sederhana). Asumsi kuncinya adalah bahwa return adalah kuantitas yang hubungannya ingin Anda ukur, bukan harga mentah.

2. Gunakan korelasi jendela bergulir. Pilih panjang jendela (misalnya, N observasi) dan hitung koefisien korelasi dalam setiap jendela. Geser jendela ke depan langkah demi langkah dan hitung korelasi lagi. Ini menghasilkan rangkaian waktu estimasi korelasi.

3. Rangkum volatilitas dari estimasi korelasi. Anda dapat mengukur “volatilitas dalam korelasi negatif” menggunakan satu atau lebih ringkasan:

• Dispersi: standar deviasi (atau varians) dari rangkaian korelasi bergulir.
• Tingkat ketidakstabilan: proporsi jendela di mana korelasi berada di bawah ambang batas negatif yang dipilih (misalnya, “sangat negatif”), menangkap variabilitas kekuatan-tanda.
• Kelompatan: rata-rata perubahan absolut antara korelasi bergulir yang berurutan, menangkap seberapa tiba-tiba hubungan tersebut berubah.

4. Pemeriksaan arah opsional. Jika Anda ingin fokus pada perilaku “negatif”, lacak metrik terpisah seperti standar deviasi korelasi bergulir dengan syarat korelasi tersebut negatif, sambil tetap melaporkan seberapa sering hubungan tersebut negatif.

Contoh pengaturan (asumsi dinyatakan)

Asumsikan dua rangkaian return, A dan B, dan Anda menghitung korelasi bergulir pada log return.

• Panjang jendela: N observasi.
• Ukuran langkah: satu observasi.
• Rangkaian korelasi bergulir: ρ₁, ρ₂, …, ρₖ.
• Volatilitas korelasi: SD(ρ₁…ρₖ).

Ini menghasilkan deskripsi numerik tunggal tentang seberapa tidak stabil korelasi negatif di bawah definisi yang Anda pilih.

Bukti atau contoh penalaran: apa yang harus Anda harapkan untuk dilihat

Bahkan tanpa data langsung, Anda dapat bernalar tentang apa arti hasil yang berbeda:

• Jika SD(ρ) rendah, hubungan negatif relatif stabil di bawah pilihan jendela Anda.
• Jika SD(ρ) tinggi, korelasi negatif tidak konsisten—periode ketergantungan negatif yang kuat bercampur dengan periode ketergantungan yang lemah atau positif.
• Jika korelasi sering berpindah dari negatif ke mendekati nol, “korelasi negatif” lebih seperti fitur rezim sementara daripada properti yang persisten.

Keterbatasan dan risiko (mode kegagalan material)

1. Korelasi bersifat linear dan dapat melewatkan ketergantungan nonlinier. Dua rangkaian dapat memiliki hubungan nonlinier yang tidak ditangkap oleh korelasi, jadi “volatilitas korelasi yang rendah” tidak menyiratkan independensi atau ketergantungan negatif yang stabil.

2. Pilihan jendela dan frekuensi dapat mendominasi hasil. Jendela pendek bereaksi kuat terhadap noise; jendela panjang dapat menghaluskan perubahan rezim. Mengubah panjang jendela atau frekuensi observasi dapat mengubah pengukuran secara substansial.

3. Non-stasioneritas dan pergeseran rezim. Korelasi dapat bervariasi karena lingkungan pembangkit data berubah. Ini menjadikan “volatilitas korelasi” sebagai deskripsi ketidakstabilan historis di bawah rezim masa lalu, bukan jaminan perilaku masa depan.

4. Sensitivitas tanda dan ambang batas. Metrik yang bergantung pada “ambang batas negatif” dapat berperilaku berbeda tergantung pada bagaimana Anda mendefinisikan “cukup negatif”. Perubahan kecil pada ambang batas dapat mengubah jumlah jendela “sangat negatif”.

5. Definisi return dan efek mikro-struktur. Perhitungan return yang berbeda, penanganan data yang hilang, atau friksi terkait eksekusi dapat mendistorsi hubungan. Bahkan dalam analisis historis murni, pilihan ini mengubah keterkaitan yang diukur.

Verifikasi dan pertanyaan berikutnya untuk diajukan

Untuk memverifikasi pengukuran secara independen, jalankan kembali alur kerja dengan asumsi alternatif yang masuk akal dan periksa apakah kesimpulan tentang ketidakstabilan tetap serupa:

• Gunakan setidaknya dua panjang jendela bergulir.
• Gunakan dua definisi return (jika memungkinkan) dan konfirmasi apakah ketidakstabilan kualitatif tetap ada.
• Bandingkan beberapa ringkasan (SD dari ρ, frekuensi perubahan tanda, dan rata-rata perubahan absolut).

Pertanyaan berikutnya yang berguna adalah: Apakah ketidakstabilan terutama berupa perubahan tanda (negatif vs non-negatif), atau fluktuasi kekuatan sambil tetap negatif sebagian besar waktu? Perbedaan itu mengubah cara Anda menafsirkan “volatilitas dalam korelasi negatif.”