Korelacja par na rynku Forex: czym jest
Korelacja par to statystyczna miara tego, jak dwie serie cenowe par walutowych zwykle poruszają się razem w określonym okresie. W praktyce najpierw wybierasz, co oznacza „cena” (na przykład spot mid prices lub stopy zwrotu), następnie wybierasz okno czasowe i metodę (najczęściej korelację stóp zwrotu). Wynik to zwykle liczba w ograniczonym zakresie (często od −1 do +1), gdzie:
- Wartość dodatnia oznacza, że często rosną i spadają razem.
- Wartość ujemna oznacza, że jedna często rośnie, podczas gdy druga spada.
- Blisko zera oznacza brak silnego liniowego współruchu w tej próbie.
Kluczowa kwestia: korelacja par ma charakter opisowy i zależy od okna. Jeśli zmienisz okno, typ ceny lub metodę obliczeń, oszacowanie korelacji może się zmienić.
Powiązane pojęcie 1: „korelacja” między instrumentami vs „korelacja par”
Termin „korelacja” jest szerszy niż „korelacja par”. Korelacja może opisywać dowolne dwie serie czasowe, które mierzysz — dwie pary walutowe, indeks i parę albo kursy wymiany z różnych źródeł. „Korelacja par” po prostu zawęża porównywane obiekty: to korelacja zastosowana do dwóch par walutowych.
Co różni się mechanicznie?
- Zakres danych: ogólna korelacja może obejmować wiele aktywów; korelacja par porównuje dwie pary walutowe.
- Konwencja rynkowa: w analizie Forex traderzy często liczą korelację na stopach zwrotu, a nie na surowych poziomach, ponieważ kursy walut są niestacjonarne w poziomach.
Co pozostaje takie samo?
- Obie opierają się na statystycznej zależności (często liniowej, zależnie od metody).
- Obie są wrażliwe na wybór sposobu pomiaru i wybrany okres.
Powiązane pojęcie 2: korelacja vs intuicja „offsetu” w hedgingu
Częstym nieporozumieniem jest traktowanie korelacji jako zamiennika skuteczności hedgingu. Korelacja może wskazywać współruch, ale hedging zależy od tego, jak zmiany w jednej pozycji kompensują zmiany w drugiej pozycji po przeskalowaniu przez wielkości nominalne, efekty przeliczeń i koszty.
Dlaczego korelacja nie jest tym samym co zachowanie hedgingu:
- Korelacja pomija dobór wielkości pozycji i nie daje bezpośrednio wyniku zysku/straty na poziomie portfela.
- Korelacja jest symetryczna w tym sensie, że opisuje współruch; wyniki hedgingu mogą być asymetryczne, ponieważ na nie wpływają dźwignia, specyfikacje kontraktów i moment realizacji.
- Handel na rynku Forex obejmuje spread bid/ask, rolowania (w niektórych kontekstach) oraz inne koszty transakcyjne, które mogą zniweczyć każdy „offset”, którego można by się spodziewać na podstawie współruchu.
Istotne ograniczenie / tryb awarii: Nawet silnie ujemna korelacja może nie prowadzić do wiarygodnej redukcji ryzyka netto, jeśli relacja zmieni się w momencie, gdy jej potrzebujesz, albo jeśli koszty i dobór wielkości dominują.
Powiązane pojęcie 3: korelacja vs przyczynowość i wspólne czynniki
Kolejną powiązaną ideą jest „dlaczego” dwie pary poruszają się razem. Korelacja może wynikać z tego, że pary mają ekspozycje na te same czynniki makro (na przykład oczekiwania dotyczące stóp procentowych, sentyment do ryzyka lub popyt powiązany z surowcami). Jednak korelacja nie identyfikuje przyczynowości.
Jak je rozdzielić:
- Korelacja: empiryczna miara współruchu w wybranej przez Ciebie próbie.
- Przyczynowość: twierdzenie o mechanizmach, które wytwarzają obserwowany współruch.
Relacje oparte na wspólnych czynnikach są szczególnie istotne na rynku Forex, ponieważ wiele par zawiera nakładające się waluty. Na przykład, jeśli obie pary zawierają tę samą walutę bazową lub kwotowaną, ruch tej waluty może mechanicznie wpływać na obie serie. Może to tworzyć korelację nawet bez niezależnego „powiązania” między pozostałymi walutami.
Istotne ograniczenie / tryb awarii: Nakładające się waluty i wspólne szoki rynkowe mogą sprawić, że korelacja będzie wyglądać na stabilną w jednym okresie, a potem pęknie, gdy zmieni się dominujący czynnik.
Powiązane pojęcie 4: korelacja vs regresja, beta i inne miary zależności
Korelacja jest jedną z miar zależności. Powiązane pojęcia często odpowiadają na nieco inne pytania:
- Zależności oparte na regresji szacują, jak jedna zmienna zmienia się średnio wraz z drugą (w tym nachylenie), czego sama korelacja nie opisuje w pełni.
- Beta to szczególne pojęcie nachylenia często używane w finansach do odnoszenia ruchów jednego aktywa do benchmarku, zwykle przy założeniach dotyczących liniowości i stacjonarności.
- Nieliniowe miary zależności (lub korelacje oparte na rangach) próbują uchwycić relacje, które nie są ściśle liniowe.
Dlaczego nie są wymienne:
- Korelacja opisuje liniowy współruch, ale może pomijać nieliniowe wzorce.
- Regresja może dawać estymaty wrażliwe na kierunek, ale nadal zależy od założeń modelu.
- Różne metody mogą różnie rangować siłę zależności.
Dowód lub przykład: dwa sposoby, w jakie korelacja może wprowadzać w błąd
Rozważ dwa hipotetyczne scenariusze, oba policzone na podstawie danych historycznych, dla tych samych par i podobnych okien:
- Przykład zmiany reżimu
- W spokojnym okresie dwie pary mogą wykazywać silną dodatnią korelację.
- Później, gdy wzrośnie zmienność z powodu innego czynnika, korelacja spada.
- Statyczne założenie „relacji” zostałoby naruszone, ponieważ korelacja zależy od okna i od reżimu.
- Przykład okna i definicji ceny
- Korelacja liczona na surowych poziomach kursu wymiany może być zdominowana przez trendy i tworzyć mylące wrażenie.
- Korelacja liczona na stopach zwrotu (różnicach w czasie lub zmianach procentowych) często zachowuje się bardziej jak stabilna miara statystyczna.
- Jeśli zmieszasz definicje, możesz dojść do wniosku, że „relacja” się zmieniła, mimo że zmieniła się tylko miara.
Podane założenie: te przykłady są demonstracjami koncepcyjnymi tego, jak metoda i reżim wpływają na estymatę korelacji; nie twierdzą o żadnym konkretnym wyniku w świecie rzeczywistym dla konkretnych par.
Ograniczenia i ryzyka, które możesz sprawdzić niezależnie
Korelacja par jest przydatna do opisu współruchu, ale ma wyraźne ograniczenia:
- Niestacjonarność: relacje finansowe mogą się zmieniać; przeszła korelacja może nie utrzymać się.
- Wielkość próby i szum: krótkie okna dają niestabilne estymaty.
- Założenie liniowości: standardowa korelacja często celuje w liniową zależność; złożona zależność może zostać pominięta.
- Mechanika nakładających się walut: wspólne waluty bazowe/kwotowane mogą zawyżać współruch bez implikowania głębokiego powiązania ekonomicznego.
- Realizacja i koszty: każda praktyczna redukcja ryzyka lub transakcja zależy od spreadów, doboru wielkości i momentu realizacji, czego korelacja nie uwzględnia.
Podejście do niezależnej weryfikacji:
- Przelicz korelację, używając różnych rozsądnych okien (na przykład krótszych vs dłuższych okresów), aby sprawdzić stabilność.
- Sprawdź wrażliwość na definicję wejścia (stopy zwrotu vs poziomy) oraz kierunek (która seria jest „x”, a która „y”, jeśli używasz regresji).
- Porównaj liniową korelację z alternatywnym spojrzeniem na zależność (takim jak korelacje oparte na rangach lub testy nieliniowe), aby zobaczyć, czy relacja jest rzeczywiście liniowa.
Weryfikacja lub kolejne pytanie: co powinieneś zapytać po jej policzeniu
Po obliczeniu korelacji par dobre kolejne pytanie nie brzmi „czy przewidzi mój wynik?”, tylko „jak stabilna jest ta relacja przy wiarygodnych zmianach w sposobie pomiaru?”. Zapytaj:
- Czy korelacja pozostaje podobna, gdy zmienia się okno czasowe?
- Czy relacja wygląda na symetryczną, czy jedna para „wyprzedza” w mierzalny sposób (z zastrzeżeniem, że testy lead-lag nadal nie potrafią udowodnić przyczynowości)?
- Czy mylisz współruch ze skutecznością hedgingu, biorąc pod uwagę koszty i dobór wielkości pozycji?