Risposta diretta
I cambiamenti di correlazione si riferiscono al modo in cui la relazione misurata tra i rendimenti di due valute può variare nel tempo. L’orizzonte temporale influisce perché non stai misurando una singola proprietà fissa; stai stimando la dipendenza a partire da una porzione di dati. Cambia la finestra di osservazione (di quanto indietro guardi) oppure il periodo di detenzione (l’intervallo di tempo su cui aggregi i rendimenti) e la correlazione stimata può spostarsi.
Meccanismo e definizione
Parti da due serie temporali di prezzi per due coppie di valute (o qualsiasi due strumenti negoziabili). In genere converti i prezzi in rendimenti, poi calcoli la correlazione su quei rendimenti. La correlazione risponde a una domanda ristretta: quanto costantemente le due serie di rendimenti si muovono insieme all’interno della finestra scelta, secondo una specifica definizione di rendimento (ad esempio rendimenti semplici o rendimenti logaritmici) e una frequenza di campionamento scelta.
L’orizzonte temporale entra in gioco in due modi:
-
Finestra di osservazione (orizzonte di stima): Se calcoli la correlazione usando una finestra più lunga, fai una media su più condizioni di mercato. Se usi una finestra più corta, ti concentri su condizioni più recenti, quindi la stima può reagire rapidamente ai cambiamenti.
-
Periodo di detenzione (orizzonte di aggregazione): Se misuri i rendimenti su intervalli di 1 giorno, ottieni un insieme di punti di rendimento. Se invece misuri i rendimenti su intervalli di 5 giorni, ogni punto dati è un’aggregazione di diversi giorni. L’aggregazione cambia il clustering della volatilità, lo smoothing e i tempi degli shock—quindi la dipendenza può apparire più forte o più debole.
Evidenza o esempio (stile scenario-impatto)
Considera uno scenario in cui due coppie di valute sono influenzate soprattutto dallo stesso driver macro durante i periodi “normali”, ma durante eventi improvvisi di risk-off si disaccoppiano.
- Se stimi la correlazione usando una finestra breve che include, per caso, più episodi di risk-off, la stima può scendere (o persino cambiare segno) perché i rendimenti durante quegli episodi si comportano in modo diverso.
- Se stimi la correlazione usando una finestra lunga che mescola sia periodi normali sia periodi di risk-off, la stima può apparire più stabile, ma può anche diventare un compromesso—mascherando il fatto che la relazione dipende dal regime.
Ora cambia il periodo di detenzione. Un periodo di detenzione breve può catturare la co-movimentazione immediata dalle fluttuazioni giorno-per-giorno. Un periodo di detenzione più lungo può fondere quelle fluttuazioni con aggiustamenti successivi, effetti di carry o reazioni ritardate. I rendimenti “fusi” possono quindi mostrare una co-movimentazione diversa rispetto ai rendimenti su intervalli brevi, anche se i driver sottostanti sono gli stessi.
Un’implicazione chiave è che i cambiamenti dell’orizzonte temporale determinano “su cosa” ti stai basando. La correlazione dipende dal segmento di dati e dall’aggregazione dei rendimenti che scegli.
Limiti e rischi (modalità di guasto rilevanti)
-
La correlazione non è una garanzia di futura co-movimentazione. La correlazione storica riflette i rendimenti osservati dentro una finestra specifica, non una regola che continuerà a valere.
-
Cambio di regime e non-stazionarietà: Le relazioni tra valute possono cambiare quando cambia la struttura del mercato, quando la volatilità aumenta bruscamente o quando cambiano i driver di rischio chiave. In quel caso, la correlazione può risultare instabile tra diversi orizzonti temporali.
-
Scelte di misurazione e metodologia: La correlazione dipende dalla definizione di rendimento, dalla frequenza di campionamento, dalla gestione dei dati mancanti e dal fatto che tu usi rendimenti sovrapposti vs non sovrapposti. Scelte diverse possono cambiare la stima.
-
Costi e frizioni operative: Anche se due serie mostrano rendimenti correlati, i costi di transazione e i tempi di esecuzione possono alterare i risultati realizzati. La correlazione dei rendimenti da sola non tiene conto di questi effetti.
Verifica e prossima domanda
Per verificare in modo indipendente gli effetti dell’orizzonte temporale, usa un metodo trasparente:
- Scegli una definizione di rendimento coerente.
- Calcola correlazioni mobili usando più lunghezze di finestra (ad esempio breve vs lunga) e confronta come si muove la stima.
- Ripeti l’analisi con periodi di detenzione diversi aggregando i rendimenti su orizzonti differenti.
Il tuo punto di controllo: se la correlazione cambia in modo sostanziale quando regoli sia la finestra di osservazione sia il periodo di detenzione, quella è una prova diretta della sensibilità all’orizzonte temporale.
Una domanda utile successiva non è “qual è la correlazione attuale?”, ma “quanto è stabile la relazione tra finestre e orizzonti di rendimento plausibili, e cambia attorno a cambi di regime noti?”
DOCUMENT END