Quali sono i limiti della correlazione tra coppie?
Risposta diretta
La correlazione tra coppie è una misura statistica che descrive quanto due serie tendano a muoversi insieme. I suoi limiti derivano principalmente dal fatto che la correlazione dipende da come viene calcolata e dalla stabilità nel tempo della relazione. Con l’evolversi dei mercati, ciò che appariva come un movimento congiunto utile nei dati storici potrebbe non valere più.
Meccanismo e definizione
La correlazione tra coppie viene solitamente calcolata a partire da osservazioni storiche di due variabili (ad esempio, due serie di prezzi di coppie di valute o due serie di rendimenti). Il risultato è un numero che riflette intensità e direzione del movimento congiunto nel periodo considerato.
Per interpretarla correttamente, servono assunzioni chiare sugli input:
- Quale variabile viene utilizzata: livelli dei prezzi rispetto ai rendimenti (i rendimenti sono generalmente più rilevanti perché sono coerenti in termini di scala).
- La finestra temporale: il periodo su cui si calcola la correlazione.
- Campionamento e allineamento: se le osservazioni sono equidistanti e se entrambe le serie sono misurate negli stessi istanti.
- Pre-elaborazione: gestione dei dati mancanti, degli outlier e scelta tra rendimenti logaritmici o aritmetici.
Un limite fondamentale è che la correlazione non è una proprietà delle “coppie” in sé, ma una proprietà delle due serie temporali specifiche così come sono costruite.
Evidenze ed esempi di errori comuni
Anche senza dati in tempo reale, è possibile analizzare i modi in cui la correlazione tra coppie può fallire:
-
Cambiamento di regime all’interno della finestra di campionamento Se una relazione esiste solo in un determinato regime di mercato (ad esempio, comportamento “risk-on” rispetto a “risk-off”), calcolare la correlazione su un periodo lungo e misto può produrre un risultato attenuato o instabile. Si potrebbe osservare una correlazione moderata che scompare dopo un cambio di regime.
-
Sensibilità alla dimensione della finestra Calcolare la correlazione su un determinato intervallo temporale può dare un risultato; cambiare la finestra può dare un risultato diverso. Questo accade perché le stime di correlazione variano quando il modello di movimento congiunto cambia o quando sono disponibili meno osservazioni.
-
Correlazione con volatilità e outlier La correlazione può essere fortemente influenzata da periodi con shock anomali. Pochi movimenti di grande entità possono dominare la statistica, specialmente se le serie includono picchi o anomalie nei dati.
-
Non stazionarietà e “il passato non prevede il futuro” I mercati e il comportamento dei partecipanti non sono sistemi fissi. Quando le proprietà statistiche dei rendimenti cambiano, la correlazione passata potrebbe non descrivere più il movimento congiunto futuro.
Limiti e rischi
I limiti più rilevanti sono i seguenti:
- La correlazione non implica causalità. Due serie possono muoversi insieme a causa di fattori comuni, cambiamenti strutturali o semplicemente per caso.
- Incertezza nella stima. La correlazione calcolata è una stima, non una relazione garantita. Con campioni finiti, esiste un rumore statistico.
- Instabilità nel tempo. Anche se la correlazione è stata alta in passato, può diminuire, aumentare o invertire il segno al cambiare delle condizioni.
- Differenze operative spesso ignorate. I risultati reali dipendono da fattori esterni al calcolo della correlazione, come differenze temporali, costi ed esecuzione delle operazioni. Questi elementi pratici non sono catturati da un numero di correlazione storica.
A causa di questi problemi, la correlazione tra coppie è spesso meglio considerata una statistica descrittiva per un periodo definito, piuttosto che una regola stabile per il futuro.
Verifica e prossima domanda
Per verificare autonomamente l’utilità di un risultato di correlazione tra coppie, è possibile testarne la stabilità invece di affidarsi a un singolo numero:
- Ricalcolare la correlazione su diverse finestre temporali.
- Verificare se segno e intensità rimangono sostanzialmente costanti.
- Utilizzare le stesse regole di pre-elaborazione (tipo di rendimenti, allineamento del campionamento) per ogni calcolo.
Una domanda utile successiva è: Quali fattori o condizioni potrebbero cambiare questa relazione? Concentrarsi sulla sensibilità ai regimi aiuta a chiarire quando la correlazione tra coppie è probabilmente informativa e quando diventa inaffidabile.