Definizione e idea centrale
Una correlazione positiva significa che due variabili tendono a muoversi nella stessa direzione nel periodo studiato. In finanza, le variabili sono spesso i rendimenti (di quanto cambia un tasso di cambio) piuttosto che il livello di prezzo grezzo. Una correlazione positiva non significa che una variabile causi l’altra; descrive soltanto la co-movimentazione sotto la preparazione dei dati scelta e la finestra temporale considerata.
Per “valutare” una correlazione positiva, serve abbastanza informazione per (1) riprodurre la trasformazione dei dati e (2) calcolare la statistica di correlazione che scegli. Serve anche documentare le assunzioni che influenzano il risultato.
Dati necessari: cosa raccogliere
1) Le due serie storiche (o più)
Ti servono valori storici per le due variabili che intendi confrontare. In contesti valutari, di solito significa due serie di tassi di cambio oppure, più spesso, due serie di rendimenti derivate da esse.
Scelta materiale: decidi se confrontare:
- I rendimenti calcolati da ciascun tasso di cambio (comune), oppure
- I livelli direttamente (meno stabili, spesso più fuorvianti).
Se il tuo obiettivo è “correlazione positiva” come viene comunemente usata nella discussione sul rischio, i rendimenti sono di solito l’input più interpretabile perché i livelli dei tassi di cambio possono cambiare anche quando la co-movimentazione è debole.
2) Frequenza di campionamento e timestamp coerenti
Ti serve la frequenza esatta (ad esempio, oraria, giornaliera o un altro intervallo) e una convenzione di timestamp coerente. Un campionamento non allineato può creare una correlazione artificiale o distruggere una co-movimentazione reale.
Registra assunzioni come:
- Gestione del fuso orario (come vengono interpretati i timestamp)
- Se allinei per ora dell’orologio o per ora di chiusura della barra
- Come vengono trattati weekend/festività o eventuali gap di non negoziazione
3) La finestra di calcolo
La correlazione dipende dall’intervallo temporale. Ti serve:
- Data di inizio e data di fine
- La dimensione della finestra mobile o fissa (se ripeti il calcolo)
Documenta se usi una singola finestra per una stima, oppure più finestre per verifiche di stabilità.
4) Definizione del rendimento (assunzioni per ogni calcolo)
Scegli una formula dei rendimenti e dichiarala. Opzioni comuni includono:
- Rendimenti semplici (variazione percentuale)
- Rendimenti logaritmici (logaritmo naturale del rapporto)
Inoltre specifica se usi serie grezze o rettificate (ad esempio, eventuali operazioni societarie di solito non sono rilevanti per i tassi di cambio, ma i fornitori di dati possono applicare elaborazioni).
Provenienza e tempestività: da dove dovrebbe provenire il dato
5) Fonte dei dati e metodo
Usa una singola fonte documentata per ciascuna serie storica. La provenienza significa che puoi rispondere a:
- Chi ha prodotto i dati?
- Come sono stati misurati o aggregati?
- Quali identificatori di serie sono stati usati?
Se le serie provengono da fornitori diversi, conferma che le loro definizioni (orario di pricing, convenzioni e trasformazioni) siano coerenti; altrimenti, la correlazione può riflettere una gestione dei dati non uniforme.
6) Tempestività e riproducibilità
Poiché l’analisi storica è retrospettiva, la “tempestività” riguarda soprattutto la riproducibilità: dovresti conservare lo snapshot del dataset (o almeno la data di estrazione e il metodo di recupero esatto). Per una verifica indipendente, altri dovrebbero essere in grado di rieseguire gli stessi passaggi.
Controlli di qualità: verificare i dati prima di calcolare la correlazione
7) Valori mancanti e scelte di pulizia dei dati
La correlazione è sensibile ai gap e alla gestione degli outlier. Dovresti registrare:
- Come vengono trattate le osservazioni mancanti (eliminate, riempite o interpolate)
- Trattamento degli outlier (se fai winsorization, rimuovi punti o mantieni tutto)
Attenzione: alcune pulizie possono aumentare artificialmente la correlazione rimuovendo i periodi in cui la co-movimentazione si interrompe.
8) Stazionarietà e cambi di regime (limite materiale)
La correlazione non è garantita come stabile. Le relazioni valutarie possono cambiare tra regimi di volatilità, eventi macro o cambiamenti nella struttura di mercato. Un risultato che appare “positivo” in un periodo può indebolirsi o invertirsi in un altro.
Questo è un importante modo di fallimento: un singolo numero di correlazione è uno snapshot, non una proprietà durevole.
9) Dati non sincronizzati (un altro limite)
Se una serie “risponde” di fatto prima o dopo rispetto all’altra, una correlazione semplice su timestamp allineati può sottostimare o caratterizzare in modo errato la co-movimentazione. Valuta se le assunzioni di sincronizzazione sono ragionevoli per la frequenza di campionamento scelta.
Evidenza ed esempio: come calcolare la correlazione dai dati necessari
Una procedura riproducibile richiede questi input e decisioni:
- Due serie di tassi di cambio per le stesse date e la stessa frequenza di campionamento.
- Una definizione dei rendimenti (semplice o log) applicata in modo identico a entrambe.
- Una finestra (date di inizio/fine) e una regola per i dati mancanti.
- Un metodo di correlazione.
I metodi di correlazione includono comunemente la correlazione di Pearson (co-movimentazione lineare) oppure alternative basate sul rango (co-movimentazione in ordine).