Di quali dati c’è bisogno per valutare la correlazione tra coppie
La correlazione tra coppie (di solito implementata come coefficiente di correlazione tra due serie di rendimenti) confronta come due asset si muovono insieme in una finestra temporale e una frequenza di campionamento scelte. Per valutarla in modo accurato e indipendente, servono dati affidabili di serie storiche oltre a scelte chiare su come vengono costruiti i “rendimenti” e su come vengono calcolate le statistiche.
Input dei dati e cosa significano
- Due serie di prezzi allineate: Ti servono prezzi storici per entrambi gli strumenti che vuoi confrontare (ad esempio, due coppie di valute). Il punto chiave è che i timestamp coincidano o possano essere ricampionati su una griglia comune.
- Una fonte di prezzi con provenienza documentata: Usa una fonte che puoi descrivere (feed di borsa, feed del broker, fornitore di dati) e verifica che sia la stessa per entrambe le serie. Feed diversi possono essere in disaccordo anche quando si riferiscono a mercati sottostanti simili.
- Una definizione di rendimento: La correlazione dipende da cosa consideri come serie. Scelte comuni sono rendimenti logaritmici o rendimenti percentuali calcolati a partire da prezzi consecutivi. Devi dichiarare quale usi.
- Una frequenza di campionamento: La correlazione cambia con la granularità temporale (minuto, oraria, giornaliera). Devi specificare la frequenza e se usi osservazioni grezze o barre aggregate.
- Una regola a finestra mobile o sull’intero campione: Decidi se calcolare una correlazione per tutta la storia o una stima a finestra mobile. Un approccio a finestra mobile richiede una lunghezza della finestra e un passo.
Meccanica: come si incastrano i controlli
Per calcolare la correlazione tra coppie, in genere:
- Converti ciascuna serie di prezzi in una serie di rendimenti usando la stessa formula e la stessa griglia temporale.
- Gestisci i valori mancanti in modo coerente (ad esempio, rimuovi i periodi in cui manca una delle due serie, oppure ricampiona—senza mescolare regole incoerenti).
- Calcola la statistica di correlazione sulle osservazioni di rendimenti sovrapposte.
Per rendere il risultato verificabile, registra l’intera “ricetta”:
- intervallo di tempo esatto (date di inizio/fine)
- frequenza (ad esempio, chiusure giornaliere)
- formula dei rendimenti (log vs percentuale)
- lunghezza della finestra e se è mobile
- regola sui dati mancanti e gestione del fuso orario
Impianto di evidenza o esempio (assunzioni che devi dichiarare)
Un setup minimo, auto-verificabile, potrebbe essere:
- Raccogli due serie di prezzi dalla stessa categoria di fonte complessiva.
- Ricampiona entrambe alla stessa frequenza (ad esempio, prezzi di fine periodo sulla stessa convenzione di calendario).
- Calcola i rendimenti logaritmici da t-1 a t per ciascuna serie.
- Stima la correlazione su una finestra fissa (ad esempio, usando una singola finestra per l’intero intervallo che scegli).
Le assunzioni contano: se una serie è di fatto in ritardo, arrotondata o ha orari di trading diversi, l’allineamento potrebbe essere sfalsato di qualche periodo. Questo può influenzare in modo evidente la correlazione calcolata anche quando entrambe le serie sembrano simili su un grafico.
Limitazioni e modalità di fallimento
- Non stazionarietà (relazioni che cambiano): La correlazione non è una proprietà permanente. Può variare in base al regime di mercato, alle condizioni di volatilità e ai cambiamenti strutturali.
- Dipendenza dal campione e overfitting: Una correlazione stimata su dati storici potrebbe non persistere. Lunghezze di finestra diverse possono produrre risposte diverse.
- Errori di allineamento e fuso orario: Se i timestamp non vengono convertiti in modo coerente (o se una serie usa cutoff di sessione diversi), le coppie di rendimenti risultano non abbinate.
- Sensibilità alla pre-elaborazione: La correlazione può cambiare con la gestione degli outlier, il trattamento dei dati mancanti o l’uso di prezzi rispetto a midpoint o chiusure.
- Costi ed esecuzione non sono catturati: La correlazione è una relazione statistica nei dati; non include costi di transazione, spread, slippage o tempi di esecuzione.
Verifica e prossima domanda da porre
Un modo pratico per verificare la tua valutazione è eseguire la stessa computazione con variazioni controllate:
- ripeti con una lunghezza di finestra diversa e verifica se la conclusione cambia drasticamente
- ripeti usando un campo di prezzo alternativo ma ben documentato (ad esempio, se la fonte fornisce più campi) per vedere quanto il risultato sia robusto
- testa fuori campione calcolando la correlazione su un periodo e confrontandone la stabilità in un periodo successivo
Prossima domanda per affinare la tua valutazione: Qual è la definizione esatta dei rendimenti e la procedura di allineamento dei timestamp che stai usando, e come riprodurresti lo stesso dataset e i passaggi di calcolo a partire dalla tua ricetta registrata?
DOCUMENT END