Risposta diretta
La correlazione tra coppie può apparire forte, debole o persino opposta a seconda dell’orizzonte temporale che usi. L’orizzonte temporale determina come vengono misurati i rendimenti, quali periodi di tempo vengono inclusi e se il calcolo mescola il comportamento a breve termine con trend di più lungo periodo o cambiamenti di regime.
Meccanismo e definizione
La correlazione tra coppie è una misura statistica di come due serie temporali si muovono insieme. In un contesto forex, di solito la si calcola a partire da una coppia di serie di rendimenti, ad esempio i rendimenti per la coppia di valute A e i rendimenti per la coppia di valute B.
La variabile chiave è la finestra di osservazione e l’intervallo di campionamento:
- Frequenza di campionamento: se usi dati minuto, orari, giornalieri o settimanali.
- Periodo di detenzione (aggregazione): per quanto tempo rappresenta ogni passo di rendimento (ad esempio, un rendimento di 1 giorno vs un rendimento di 5 giorni).
- Finestra di stima: quanti punti di rendimento passati includi quando stimi la correlazione.
Quando cambi una qualsiasi di queste, cambi la trasformazione dei dati sottostante. Intervalli più brevi enfatizzano gli effetti della microstruttura (come improvvisi picchi attorno a eventi specifici), mentre intervalli più lunghi possono farne la media. Ecco perché le stesse due coppie possono mostrare correlazioni diverse tra diversi orizzonti temporali.
Un modo utile per pensarci è la aggregazione temporale: se due coppie si muovono insieme solo durante alcuni episodi (ad esempio, periodi di risk-on), un orizzonte temporale lungo che include altri episodi può ridurre la correlazione complessiva.
Esempio di scenario: cambiare l’orizzonte temporale modifica la relazione osservata
Supponi che la coppia di valute A e la coppia di valute B a volte si muovano insieme durante un particolare regime di mercato, ma in altri regimi si muovano in modo indipendente.
- Se calcoli i rendimenti usando un orizzonte temporale breve (e una finestra di stima che copre per lo più quegli episodi “insieme”), la stima della correlazione può risultare alta.
- Se calcoli i rendimenti usando un orizzonte temporale più lungo che include anche regimi indipendenti, la stima può diminuire perché il calcolo mescola comportamenti diversi.
Anche se la storia di lungo periodo è “nessuna co-movimentazione coerente”, puoi comunque osservare una correlazione temporanea su finestre più brevi. Questo non è necessariamente una contraddizione; riflette che la relazione non è costante nel tempo.
Un altro effetto pratico è il campionamento e l’overlap. Se passi dai rendimenti giornalieri a quelli settimanali, ogni passo di rendimento rappresenta una diversa aggregazione dei movimenti giornalieri sottostanti. L’aggregazione può trasformare molte piccole co-movimentazioni in un movimento congiunto più regolare, oppure può annullarle.
Limiti e modalità di fallimento
Almeno un limite materiale è che la correlazione dipende da come la misuri. La correlazione non è una proprietà universale di due coppie di valute; è una stima basata su un orizzonte temporale specifico, una frequenza dei dati specifica e una finestra di stima specifica.
Le modalità di fallimento più comuni includono:
- Mescolanza di regimi: combinare periodi con dinamiche di mercato diverse porta a stime della correlazione che non rappresentano alcun singolo regime.
- Non-stazionarietà: la relazione statistica può cambiare nel tempo, quindi la correlazione passata potrebbe non corrispondere al futuro.
- Incertezza di stima: finestre più brevi producono stime più rumorose; finestre più lunghe riducono il rumore ma possono nascondere cambiamenti.
- Costi ed esecuzione: la capacità reale di agire su qualsiasi relazione osservata è influenzata da spread, commissioni e qualità dell’esecuzione. La correlazione calcolata a partire da rendimenti “grezzi” non include automaticamente queste frizioni.
Questi limiti significano che la correlazione può cambiare anche quando i driver economici sottostanti restano simili, perché le scelte di misurazione alterano ciò che la statistica cattura.
Verifica e prossima domanda
Per verificare la tua comprensione in modo indipendente, fai concettualmente quanto segue (senza assumere alcun esito particolare):
- Scegli più orizzonti temporali (ad esempio, aggregazione con periodo di detenzione breve vs lungo).
- Calcola la correlazione per ciascun orizzonte temporale usando un intervallo di campionamento e una finestra di stima chiaramente dichiarati.
- Controlla se la stima cambia direzione o intensità e se ciò coincide con episodi di mercato diversi.
Una buona prossima domanda è: Quanto è sensibile la tua stima della correlazione all’intervallo di campionamento scelto e alla lunghezza della finestra di stima? Se la risposta è “molto”, allora la relazione osservata è probabilmente dipendente dall’orizzonte temporale piuttosto che stabile.