Bagaimana volatilitas dalam Korelasi Positif dapat diukur?

Jawaban langsung

Volatilitas dalam Korelasi Positif dapat diukur dengan melacak bagaimana kekuatan hubungan positif antara dua rangkaian return berubah seiring waktu. Alih-alih mencoba memperkirakan pergerakan masa depan, Anda memperkirakan korelasi secara berulang pada segmen waktu yang berbeda, lalu mengukur variabilitas dari perkiraan korelasi tersebut.

Kerangka berpikir yang praktis adalah: korelasi positif menggambarkan apakah return cenderung bergerak ke arah yang sama, sementara “volatilitas korelasi positif” menggambarkan seberapa besar kecenderungan tersebut berfluktuasi dari waktu ke waktu.

Mekanisme: tentukan apa yang Anda ukur

1. Pilih rangkaian return. Korelasi biasanya dihitung pada return (perubahan nilai) daripada harga mentah. Pilihan umum adalah return aritmetik atau logaritmik. Asumsikan Anda secara konsisten menggunakan definisi yang sama untuk kedua aset sepanjang sampel penuh.

2. Tentukan “korelasi positif” secara kuantitatif. Untuk setiap jendela pengukuran, Anda menghitung koefisien korelasi (seringnya korelasi Pearson) antara return aset A dan aset B. Nilai positif menunjukkan bahwa return yang lebih tinggi pada satu rangkaian dikaitkan dengan return yang lebih tinggi pada rangkaian lainnya, rata-rata untuk jendela tersebut.

3. Ukur “volatilitas” korelasi sebagai variabilitas dari waktu ke waktu. Dua pendekatan umum adalah:

• Korelasi jendela bergulir: hitung korelasi pada jendela yang tumpang tindih (misalnya, N observasi terakhir), menghasilkan rangkaian waktu dari perkiraan korelasi.
• Model korelasi time-varying: gunakan model statistik yang memungkinkan parameter korelasi berevolusi, menghasilkan perkiraan bagaimana korelasi berubah.

4. Ringkas variabilitasnya. Setelah Anda memiliki rangkaian waktu dari perkiraan korelasi, Anda dapat merangkum variabilitasnya menggunakan statistik sederhana seperti deviasi standar, perubahan absolut rata-rata antara jendela yang berurutan, atau proporsi jendela di mana korelasi berada di atas ambang positif yang dipilih. Nyatakan asumsi Anda: frekuensi pengambilan sampel, panjang jendela, dan metode tumpang tindih memengaruhi hasil.

Bukti atau contoh (dengan asumsi yang eksplisit)

Bayangkan dua rangkaian return, X (return aset A) dan Y (return aset B). Asumsikan Anda memiliki return harian untuk 200 hari perdagangan.

• Langkah A: Pilih panjang jendela N (misalnya, 30 hari) dan hitung korelasi bergulir untuk hari 30–200. Ini menghasilkan urutan perkiraan korelasi: r(30), r(31), …, r(200).
• Langkah B: Perlakukan urutan tersebut sebagai objek target. Volatilitas korelasi dapat dirangkum sebagai deviasi standar dari r(t) di seluruh sampel, atau sebagai perubahan absolut rata-rata |r(t)-r(t-1)|.

Ini tidak memprediksi korelasi masa depan; ini mengkarakterisasi seberapa tidak stabilnya hubungan yang diukur selama periode historis.

Detail penting: jika Anda menggunakan panjang jendela yang berbeda (misalnya, 60 hari), variabilitasnya biasanya berubah—jendela pendek lebih bereaksi terhadap noise jangka pendek dan pergeseran rezim, sementara jendela yang lebih panjang memperhalus fluktuasi. Pengukuran Anda tentang “volatilitas dalam korelasi positif” oleh karena itu bergantung pada pilihan jendela Anda.

Keterbatasan dan risiko: apa yang dapat merusak pengukuran

• Non-stasioneritas dan perubahan rezim: distribusi return dan hubungan dapat berubah. Volatilitas korelasi mungkin sebagian besar mencerminkan perubahan rezim pasar daripada properti yang stabil.
• Frekuensi data dan sensitivitas jendela: hasil bergantung pada apakah Anda menggunakan pengambilan sampel harian, per jam, atau lainnya, dan pada panjang jendela yang dipilih. Dua analis dapat mengukur “volatilitas” yang berbeda dari data dasar yang sama karena pilihan metodologis.
• Observasi yang tidak tumpang tindih atau hilang: celah, kalender perdagangan yang berbeda, dan aksi korporasi dapat mendistorsi korelasi jika tidak ditangani secara konsisten.
• Perilaku ekor dan outlier: koefisien korelasi dapat sensitif terhadap return ekstrem. Satu peristiwa besar dapat meningkatkan atau menurunkan korelasi untuk beberapa jendela.
• Biaya dan efek eksekusi (tidak langsung): bahkan jika korelasi dihitung dari return yang bersih, “pergerakan bersama” di dunia nyata dapat berbeda setelah biaya transaksi, spread, atau latensi dipertimbangkan. Ini adalah keterbatasan konseptual: hubungan yang dihitung adalah tentang rangkaian data yang Anda pilih, bukan tentang hasil yang dapat diimplementasikan.

Verifikasi dan pertanyaan berikutnya

Untuk memverifikasi pengukuran Anda secara independen, periksa tiga hal:

1. Hitung ulang dengan jendela alternatif (misalnya, N dan 2N). Jika volatilitas korelasi berubah secara dramatis, kesimpulan Anda sangat bergantung pada metode.
2. Bandingkan jenis korelasi (jika sesuai), seperti korelasi Pearson versus alternatif berbasis peringkat, untuk menilai sensitivitas terhadap outlier.
3. Periksa rangkaian waktu korelasi secara visual atau menggunakan statistik ringkasan untuk mengonfirmasi apakah perubahan bersifat persisten (seperti rezim) atau berisik.

Pertanyaan berikutnya yang baik bukanlah “Akankah korelasi positif tetap bertahan?” melainkan “Kondisi apa yang menyebabkan korelasi berubah?”—misalnya, apakah lonjakan volatilitas, periode tekanan pasar, atau perpecahan struktural bertepatan dengan volatilitas korelasi yang lebih tinggi.