Cambiamenti di Correlazione
Cosa significa “Cambiamenti di Correlazione”
I cambiamenti di correlazione descrivono una variazione nella relazione statistica tra i movimenti di due (o più) valute nel tempo. Nelle discussioni sul rischio valutario, questo si riferisce solitamente a quanto intensamente i rendimenti di due coppie valutarie si muovono insieme, e a come questa co-movimentazione possa rafforzarsi, indebolirsi o addirittura invertirsi con l’evolversi delle condizioni di mercato.
Un punto chiave è che la correlazione non è una proprietà fissa. È una stima calcolata dai dati storici, e tale stima può variare quando il regime di mercato cambia, quando la finestra temporale dei dati cambia o quando cambia il metodo di misurazione.
Come viene stimata la correlazione (gli input)
Per parlare di cambiamenti di correlazione, è necessario innanzitutto disporre di una misura di correlazione tra due serie di rendimenti.
-
Scegliere le due serie
Solitamente, si costruiscono serie di rendimenti a partire da due coppie valutarie. Una “coppia” può essere rappresentata in modi diversi (ad esempio, usando convenzioni di quotazione diverse). L’aspetto importante è mantenere la coerenza tra le serie. -
Scegliere come calcolare i rendimenti
I rendimenti possono essere definiti utilizzando diversi intervalli temporali (giornalieri, orari, ecc.) e diverse formule (ad esempio, rendimenti logaritmici rispetto a rendimenti semplici). Gli stessi prezzi sottostanti possono produrre serie di rendimenti diverse a seconda di queste scelte. -
Scegliere la finestra temporale
Un valore di correlazione dipende da quanto storico si utilizza. Una finestra breve reagisce più rapidamente ai cambiamenti recenti; una finestra più lunga è più stabile ma più lenta a riflettere i cambiamenti di regime. -
Scegliere il metodo di correlazione
Solitamente, si utilizza la correlazione di Pearson per misurare la co-movimentazione lineare. Altri approcci possono mirare alla dipendenza non lineare, ma in tal caso il concetto di “correlazione” cambia significato.
Una volta ottenuti i valori di correlazione in diversi momenti, si possono osservare i cambiamenti di correlazione man mano che la stima si evolve da una finestra all’altra.
Come funzionano i cambiamenti di correlazione nella pratica
Un modo pratico per osservare i cambiamenti di correlazione è l’approccio a finestra mobile:
- Si calcola la correlazione per la finestra A (ad esempio, le ultime N osservazioni).
- Si sposta in avanti di un passo e si calcola la correlazione per la finestra B.
- La sequenza delle stime di correlazione costituisce la serie temporale dei cambiamenti di correlazione.
L’interpretazione si concentra quindi sulla direzione e sull’entità:
- Se la correlazione aumenta, i rendimenti delle valute stanno diventando più allineati (in senso lineare, secondo il metodo scelto).
- Se la correlazione diminuisce verso zero, la co-movimentazione si sta indebolendo.
- Se la correlazione diventa negativa, le serie si muovono più in direzioni opposte.
Poiché la correlazione è una stima, i cambiamenti dovrebbero essere considerati come “cambiamenti stimati”, non come spostamenti confermati in una relazione sottostante stabile.
Cosa causa i cambiamenti di correlazione (meccanismi tipici)
I cambiamenti di correlazione non avvengono casualmente. Anche senza prevedere gli esiti, è possibile identificare meccanismi comuni che tendono a modificare la co-movimentazione tra valute.
Cambiamenti di regime di mercato
Quando la volatilità aumenta o cambiano le condizioni di liquidità, le correlazioni spesso si riorganizzano. Le stime di correlazione possono diventare instabili perché la dinamica dei prezzi è meno “normale” rispetto ai periodi più tranquilli.
Fattori di rischio comuni
Le valute possono condividere l’esposizione a driver più ampi come il sentiment di rischio, lo stress globale di finanziamento o i cambiamenti nelle aspettative sui tassi di interesse. Quando questi fattori comuni cambiano, anche la co-movimentazione tra valute può modificarsi.
Aspettative su politiche e tassi
Quando cambiano le aspettative sulla politica monetaria, si spostano i differenziali di tasso e gli incentivi di finanziamento. Anche se due valute non sono direttamente collegate, i cambiamenti nelle aspettative sui tassi possono alterare la relazione tra i loro movimenti di prezzo.
Aggregazione di eventi
Notizie economiche che influenzano più mercati contemporaneamente (ad esempio, dati su inflazione, crescita o condizioni lavorative) possono muovere insieme più coppie valutarie, aumentando la co-movimentazione a breve termine. In alternativa, reazioni asimmetriche possono ridurre la correlazione.
Limiti e rischi principali
I cambiamenti di correlazione sono utili per descrivere relazioni in evoluzione, ma presentano importanti limitazioni.
1) Incertezza di stima
I valori di correlazione calcolati da dati finiti possono essere rumorosi. Piccoli cambiamenti potrebbero riflettere rumore campionario piuttosto che un vero cambiamento nella relazione.
2) Sensibilità alla finestra
Due analisti possono calcolare “cambiamenti di correlazione” diversi utilizzando lunghezze di finestra, frequenze di dati o definizioni di rendimento diverse. Questo può portare a serie temporali di cambiamenti di correlazione sostanzialmente diverse.
3) Non stazionarietà
Le relazioni finanziarie sono spesso non stazionarie. Ciò significa che la correlazione passata potrebbe non rappresentare quella futura, anche se è stata relativamente stabile in alcuni periodi.
4) Dipendenza dal metodo
L’uso della correlazione di Pearson cattura la dipendenza lineare sotto specifiche ipotesi. Se la vera relazione è non lineare o dominata da eventi estremi, un cambiamento di correlazione lineare potrebbe non riflettere ciò che conta per il rischio congiunto.
5) Rischio di coda ed eventi estremi
La correlazione può apparire moderata nella maggior parte dei casi ma rompersi in condizioni di stress. Durante movimenti estremi, la co-movimentazione può intensificarsi, indebolirsi o comportarsi diversamente rispetto ai periodi normali.
Come verificare in modo indipendente i cambiamenti di correlazione
Per verificare in modo indipendente i cambiamenti di correlazione, utilizzare un processo trasparente e riproducibile:
- Utilizzare calcoli di rendimento chiaramente definiti e un metodo di finestra coerente.
- Confrontare il comportamento dei cambiamenti di correlazione con diverse lunghezze di finestra per verificare la robustezza.
- Suddividere per regimi di mercato generali (ad esempio, periodi di volatilità più alta o più bassa) e verificare se il modello differisce.
- Validare su periodi fuori campione per verificare se la relazione rimane simile o si inverte.
Anche con la verifica, ricordare che i cambiamenti di correlazione descrivono la storia osservata, non rappresentano una garanzia sulla futura co-movimentazione.
Quali valute e mercati tendono a mostrare comportamenti correlati
La co-movimentazione valutaria appare spesso più forte quando le valute condividono esposizione a driver macroeconomici simili. Ad esempio, valute influenzate dal sentiment di rischio globale possono mostrare rendimenti correlati in determinati regimi. Inoltre, valute collegate da aspettative sui tassi di interesse o da dinamiche di finanziamento possono mostrare relazioni in evoluzione.
Tuttavia, “correlato” non significa “stabile”. Le correlazioni tra qualsiasi coppia di valute possono rafforzarsi o indebolirsi in diversi ambienti di mercato.
Cosa documentare prima di utilizzare i cambiamenti di correlazione nella ricerca
Se si sta studiando i cambiamenti di correlazione, documentare le scelte analitiche in modo che altri possano riprodurre i risultati:
- Gli strumenti esatti utilizzati (coppie valutarie e convenzioni di quotazione)
- La definizione di rendimento e la frequenza di campionamento
- La lunghezza della finestra mobile e la dimensione del passo
- La formula di correlazione (ad esempio, Pearson)
- Il periodo coperto e qualsiasi etichetta di regime utilizzata
Una documentazione chiara riduce il rischio di scambiare differenze metodologiche per veri cambiamenti di correlazione guidati dal mercato.