Cambiamenti di correlazione: la definizione che le persone confondono
La correlazione descrive come due variabili si muovono insieme su un dataset e un intervallo di tempo scelti, in genere misurata su una scala da -1 a +1. Un “cambiamento di correlazione” significa che la relazione misurata è diversa quando calcoli la correlazione su finestre differenti (ad esempio, periodi iniziali vs periodi successivi) o con assunzioni diverse.
Un errore comune è trattare “la correlazione che cambia” come un segnale di trading di per sé. La correlazione è descrittiva: riassume la co-movimentazione nel campione passato. Non spiega la causalità e non implica che la relazione continuerà a valere.
Un’altra incomprensione frequente è confondere “correlazione valutaria” con “forza della valuta” come se fossero la stessa cosa. La correlazione può cambiare anche quando rendimenti medi o volatilità sembrano stabili, mentre la forza della valuta in genere si basa su calcoli diversi.
Errore 1: Usare le correlazioni come se fossero leggi stabili
Cosa va storto: Le persone assumono che la correlazione sia costante. In realtà, la correlazione spesso cambia perché cambiano i driver di mercato (comportamento risk-on vs risk-off, condizioni di liquidità, regimi di notizie importanti o variazioni della volatilità).
Conseguenza: Se ti aspetti che la co-movimentazione precedente continui a funzionare, puoi sovrastimare quanto in modo affidabile due strumenti si comporteranno l’uno rispetto all’altro.
Verifica neutrale: Dichiarare chiaramente che la correlazione dipende dalla finestra. Se la correlazione varia in modo significativo tra finestre adiacenti, trattalo come evidenza di non-stabilità piuttosto che come “rumore che puoi ignorare”.
Errore 2: Scegliere una finestra temporale incoerente
Cosa va storto: Le correlazioni calcolate su periodi di osservazione diversi possono non concordare. Una finestra breve può reagire in modo eccessivo a movimenti transitori; una finestra lunga può nascondere cambi recenti.
Esempio con assunzioni esplicite: Supponi di calcolare la correlazione tra due serie di rendimenti usando i rendimenti giornalieri. Se usi una finestra di calcolo di 30 giorni e un’altra di 180 giorni, stai misurando due “storie” diverse. Se il regime di mercato è cambiato a metà, la finestra lunga media attraverso i regimi.
Conseguenza: Potresti concludere che la correlazione “è positiva” o “è negativa” senza renderti conto che il segno o l’ampiezza dipendono dalla finestra.
Verifica neutrale: Testa più finestre (con la stessa frequenza dei dati e lo stesso metodo). Se le conclusioni si ribaltano, la relazione non è stabile rispetto alle tue scelte di misurazione.
Errore 3: Ignorare il ruolo dei dati che alimenti nella correlazione
Cosa va storto: La correlazione dipende da cosa misuri (prezzi vs rendimenti), da come trasformi i dati e da come gestisci i valori mancanti o le interruzioni non legate al trading.
Trappole comuni sui dati:
- Usare livelli di prezzo grezzi invece dei rendimenti (i livelli di prezzo possono creare una co-movimentazione fuorviante).
- Mescolare fusi orari o timestamp incoerenti.
- Cambiare la frequenza dei dati a metà dell’analisi (ad esempio, passando da 1 ora a giornaliero senza ricontrollare il metodo).
Conseguenza: Potresti interpretare un artefatto della fase di pre-elaborazione come un vero “cambiamento di correlazione”.
Verifica neutrale: Fissa le regole di pre-elaborazione prima di confrontare le finestre: stessa definizione dei rendimenti, stessa frequenza e gestione coerente delle interruzioni.
Errore 4: Trattare i cambiamenti di correlazione come un indicatore a sé stante
Cosa va storto: Spesso le persone usano la correlazione come se dicesse direttamente direzione o timing. I cambiamenti di correlazione possono riflettere molte cose e lo stesso cambiamento misurato può coesistere con esiti futuri diversi.
Conseguenza: Puoi arrivare a decisioni che non sono collegate a un meccanismo chiaro, rendendo difficile spiegare perché dovrebbe verificarsi un determinato esito.
Verifica neutrale: Chiediti: “Qual è la regola decisionale e il cambiamento di correlazione la supporta logicamente?” Se la correlazione non è legata a un meccanismo che puoi descrivere, probabilmente viene usata come segnale proxy.
Errore 5: Dimenticare costi e limiti di esecuzione
Cosa va storto: Le ragionamenti basati sulla correlazione possono trascurare attriti pratici come spread, commissioni, slippage e differenze di timing.
Conseguenza: Anche se esiste co-movimentazione a livello statistico, una reale esecuzione può ridurre o annullare la relazione che ti aspettavi.
Verifica neutrale: Quando valuti se le idee basate sulla correlazione sono realizzabili, includi assunzioni sui costi di trading e sul timing dell’esecuzione. Se l’effetto atteso è piccolo rispetto ai costi, i cambiamenti di correlazione potrebbero non avere importanza nella pratica.
Limiti e modalità di fallimento da tenere a mente
- Non-stazionarietà: Le correlazioni passate potrebbero non valere quando cambiano volatilità o leadership di mercato.
- Cambi di regime: La correlazione può spostarsi rapidamente quando cambiano liquidità e propensione al rischio.
- Errore di campionamento: Anche con un comportamento sottostante stabile, le stime variano per caso, soprattutto su finestre brevi.
- Nessuna causalità: La correlazione non identifica il motivo per cui gli strumenti si muovono insieme, quindi non può garantire cosa accadrà dopo.