Jawaban langsung
Timeframe memengaruhi Korelasi Negatif karena korelasi yang Anda hitung bukanlah sifat tetap dari dua mata uang—melainkan statistik yang dihitung dari return yang diamati dalam interval yang dipilih. Ubah interval (misalnya menit vs. hari) dan Anda dapat mengubah tanda, kekuatan, serta stabilitas hubungan tersebut. Ini terjadi karena setiap timeframe menyaring jenis pergerakan pasar yang berbeda dan jenis “noise” yang berbeda.
Mekanisme dan definisi
Korelasi Negatif berarti dua deret return cenderung bergerak ke arah yang berlawanan: ketika satu deret meningkat, deret lainnya cenderung menurun. Dalam praktiknya, pertama-tama Anda mengubah harga menjadi return (cara Anda melakukannya berpengaruh), lalu menghitung korelasi dari serangkaian return.
Kunci tautan timeframe:
- Observation window (jendela pengamatan): Jika Anda menghitung return menggunakan interval yang lebih pendek, Anda menangkap lebih banyak pergerakan mikro dan fluktuasi dua arah, yang dapat menurunkan atau mendistorsi estimasi korelasi.
- Holding period (return interval): “Holding period” yang digunakan dalam perhitungan return Anda adalah interval yang sama yang digunakan oleh statistik korelasi Anda. Suatu pasangan bisa terlihat berkorelasi negatif pada satu return interval dan kurang berkorelasi pada interval return lainnya karena penggerak yang berbeda mendominasi pada horizon yang berbeda.
- Data overlap (tumpang tindih data): Jika Anda menggunakan rolling windows atau return yang saling tumpang tindih (misalnya, return multi-periode berturut-turut yang berbagi hari yang sama), estimasi korelasi Anda bisa berubah karena sampel tidak independen.
Cara yang realistis untuk memahaminya: korelasi mengukur ko-movement (pergerakan bersama) sesuai aturan pengukuran yang dipilih. Mengubah aturan itu mengubah apa yang dimaksud dengan “ko-movement”.
Bukti atau contoh (skenario penalaran)
Skenario: Misalkan dua mata uang dipengaruhi oleh dua kekuatan—satu yang cenderung mendorong keduanya menjauh dalam horizon jangka pendek, dan satu lagi yang cenderung menarik keduanya bersama dalam horizon jangka panjang.
- Pengukuran timeframe yang pendek: Return yang dihitung pada interval yang sangat singkat akan memberi bobot lebih besar pada kekuatan “mendorong keduanya menjauh”. Korelasi yang dihitung bisa menjadi lebih negatif.
- Pengukuran timeframe yang panjang: Return yang dihitung pada interval yang lebih panjang akan menggabungkan kedua kekuatan tersebut. Kekuatan yang berlawanan pada horizon panjang dapat mengimbangi pola horizon pendek, sehingga korelasi menjadi lebih lemah, lebih dekat ke nol, atau bahkan mengubah tanda.
Bahkan jika penggerak yang mendasarinya tetap sama, statistiknya berubah karena ia dihitung dari agregasi yang berbeda dari lintasan harga yang sama.
Keterbatasan dan risiko (mode kegagalan yang material)
- Hubungan historis tidak menjamin hubungan di masa depan: Korelasi bergantung pada rezim; penggerak yang menciptakan korelasi negatif bisa melemah atau berbalik.
- Biaya transaksi dan timing eksekusi: Jika Anda membandingkan “raw” returns tetapi perdagangan nyata menghadapi spread, biaya, dan slippage, ko-movement yang terealisasi bisa berbeda.
- Kesalahan estimasi: Korelasi bisa berayun ketika Anda mengubah panjang sampel, terutama pada timeframe pendek dengan jumlah observasi yang lebih sedikit dan kurang stabil.
- Non-stasioneritas: Jika hubungan berubah dari waktu ke waktu, satu angka korelasi di sepanjang sejarah yang panjang bisa menyembunyikan periode ko-movement yang positif dan negatif.
Verifikasi dan pertanyaan berikutnya
Untuk memverifikasi secara independen bagaimana timeframe memengaruhi Korelasi Negatif, fokus pada pilihan pengukuran yang dapat diulang:
- Gunakan definisi yang konsisten untuk returns dan panjang interval.
- Hitung korelasi untuk beberapa timeframe yang jelas berbeda (misalnya, return interval pendek vs. panjang) dan bandingkan tidak hanya nilainya, tetapi juga apakah tanda (sign) stabil.
- Hindari membandingkan statistik yang dibangun dari aturan yang tidak kompatibel (misalnya, mencampur return yang tidak saling tumpang tindih dan yang saling tumpang tindih).
Pertanyaan berikutnya untuk dieksplorasi: Definisi return dan metode overlap apa yang Anda gunakan, dan seberapa sensitif tanda korelasi Anda terhadap perubahan aturan timeframe tersebut?
DOCUMENT END