Risposta diretta
La volatilità nella correlazione di coppia significa che la relazione tra due serie temporali non è stabile nel tempo. Per misurarla, prima calcola la correlazione di coppia come una correlazione che varia nel tempo (ad esempio, usando una finestra mobile). Poi misura quanto quella correlazione mobile stessa fluttua—utilizzando statistiche come la deviazione standard (o altre misure di dispersione) della serie di correlazione mobile.
Questo approccio si concentra sulla misurazione del cambiamento, non sulla previsione della direzione futura.
Meccanismo o definizione
Parti da due serie temporali allineate, ad esempio i rendimenti di due strumenti: xₜ e yₜ. La correlazione di coppia è di solito definita come la correlazione tra x e y su un periodo selezionato.
Per rendere la correlazione variabile nel tempo, usa una finestra mobile di lunghezza W:
- Per ogni tempo t, prendi le ultime W osservazioni {xₜ₋W+1…xₜ} e {yₜ₋W+1…yₜ}.
- Calcola la correlazione su quella finestra, producendo una sequenza rₜ (la “correlazione di coppia mobile”).
Per misurare la volatilità in quella relazione, calcola una seconda misura di livello su {rₜ} in un periodo di valutazione più lungo:
- Volatilità della correlazione (dispersione): la deviazione standard dei valori di rₜ.
- Altre misure di dispersione: intervallo interquartile (IQR) di rₜ, oppure deviazione assoluta media.
- Lente di cambio regime (opzionale): conta quante volte rₜ attraversa soglie scelte dall’utente (ad es., diventa fortemente positiva/negativa), come modo descrittivo per catturare l’instabilità.
Le assunzioni chiave devono essere esplicite:
- Hai bisogno di una frequenza di campionamento coerente (stesso intervallo temporale per entrambe le serie).
- Hai bisogno di timestamp allineati (gestisci i valori mancanti in modo coerente).
- Devi scegliere cosa significano “i rendimenti” o i cambiamenti (ad es., rendimenti log vs rendimenti semplici) e applicarlo in modo coerente.
Evidenza o esempio
Considera un esempio semplice con due serie di rendimenti su N osservazioni. Sia W la lunghezza della finestra mobile. Calcoli rₜ per ogni t in cui esiste una finestra completa, ottenendo un vettore di correlazioni mobili.
Ora supponi di calcolare anche la volatilità della correlazione come deviazione standard di rₜ nell’intervallo di valutazione. Se rₜ rimane vicino a un singolo valore, la deviazione standard è piccola, indicando un co-movimento relativamente stabile. Se rₜ oscilla ampiamente (anche se la correlazione media è vicina a zero), la deviazione standard è maggiore, indicando una volatilità più alta nella relazione.
Puoi anche confrontare come cambiano i risultati quando vari W:
- Una finestra più corta può reagire rapidamente ai cambiamenti locali, ma può essere più rumorosa.
- Una finestra più lunga smussa i cambiamenti, ma può nascondere instabilità di breve durata.
Limitazioni e rischi
- Sensibilità alla dimensione della finestra (modalità di guasto): la volatilità misurata dipende fortemente da W. Valori diversi di W possono portare a conclusioni diverse sulla “stabilità”, soprattutto quando le relazioni cambiano.
- La correlazione non è causalità: una correlazione che cambia non spiega perché cambia.
- Rotture di regime: le correlazioni sono storiche. Le relazioni possono cambiare quando cambiano i regimi di mercato, la liquidità o la natura dei movimenti dei prezzi.
- Qualità dei dati e dell’allineamento: dati mancanti, campionamento asincrono e pre-processing incoerente (ad es., definizioni di rendimenti diverse) possono creare una volatilità artificiale della correlazione.
- Non-stazionarietà della varianza: se ciascuna serie ha una volatilità che varia nel tempo, le stime della correlazione possono diventare instabili anche senza un cambiamento significativo nella struttura di dipendenza sottostante.
Queste sono ragioni per trattare la misurazione come descrittiva e dipendente dallo scenario.
Verifica o prossima domanda
Per verificare in modo indipendente le scelte di misurazione:
- Ricalcola la correlazione mobile con almeno due lunghezze di finestra plausibili e verifica se la conclusione sulla volatilità della correlazione è qualitativamente simile.
- Conferma che le due serie siano allineate alla stessa griglia temporale e usa una singola definizione coerente dei rendimenti.
- Esamina direttamente la serie temporale della correlazione mobile rₜ (non solo la volatilità riassuntiva) per distinguere una deriva graduale da rotture improvvise.
Una utile prossima domanda è: Quale definizione corrisponde meglio alla dipendenza che ti interessa—correlazione lineare (Pearson) o un’altra misura di dipendenza che può comportarsi in modo diverso in eventi di coda?
DOCUMENT END