Bezpośrednia odpowiedź
Korelacja par to historyczna zależność między dwiema parami walutowymi: podsumowuje, czy ich zwroty mają tendencję do poruszania się razem w górę lub w dół oraz jak silnie. Możesz ją interpretować jako miarę opisową, a nie jako dowód przyczyny, nie jako cechę stabilną i nie jako gwarancję tego, jak będą się zachowywać ceny w przyszłości.
Przydatnym celem jest przełożenie korelacji na oczekiwania dotyczące współruchu tylko dla konkretnego okresu i konfiguracji obliczeń, których używasz. Następnie zweryfikuj, czy to oczekiwanie nadal się utrzymuje, ponownie obliczając tę samą korelację na nowych danych spoza próbki (out-of-sample).
Mechanizm i definicja
Korelacja par zazwyczaj odnosi się do współczynnika korelacji Pearsona obliczanego na podstawie dwóch szeregów zwrotów. W prostych słowach:
- Wybierz serię cen od początku do końca dla każdej pary walutowej.
- Zamień ceny na zwroty (na przykład zwroty proste lub zwroty logarytmiczne).
- Wybierz horyzont czasowy (na przykład dzienne zwroty z 90 dni, albo zwroty śróddzienne w określonym zakresie).
- Oblicz korelację między dwiema sekwencjami zwrotów.
Interpretacja zależy od tej konfiguracji:
- Wartość dodatnia oznacza, że zwroty par często poruszają się w tym samym kierunku w próbkowanym okresie.
- Wartość ujemna oznacza, że często poruszają się w przeciwnych kierunkach.
- Wartość bliska zeru oznacza, że w tej próbce występuje niewielki liniowy współruch.
Ważne: korelacja opisuje współzmienność zwrotów, a nie poziom cen oraz nie to, czy jedna para „napędza” drugą.
Dowód lub przykład (z wyraźnymi założeniami)
Załóż, że obliczasz dzienne zwroty dla Par A i B w jednym 60-dniowym okresie, używając tego samego wzoru na zwroty dla obu. Jeśli obliczona korelacja wynosi +0.80, oznacza to silną historyczną tendencję do tego, że ich dzienne zwroty mają ten sam znak częściej, niż sugerowałaby przypadkowość, w ramach tych 60 dni.
Teraz zmień tylko jedno założenie: użyj innego 60-dniowego okna bezpośrednio po pierwszym okresie. Można zaobserwować znacznie niższą korelację, nawet jeśli obie pary pozostają „tym samym instrumentami”. Dzieje się tak, ponieważ relacje rynkowe mogą się zmieniać, gdy zmieniają się warunki handlu, wzorce zmienności lub przepływy napędzane przez makro.
Rozważ też tryb awarii: jeśli niechcący zmieszasz częstotliwości danych (na przykład Para A obliczona na podstawie dziennych zamknięć, a Para B na podstawie migawkowych danych śróddziennych), uzyskana korelacja może odzwierciedlać różnice w obsłudze danych, a nie rzeczywisty współruch.
Ograniczenia i ryzyka
Co najmniej cztery istotne ograniczenia wpływają na to, jak powinieneś interpretować korelację par:
-
Zależność od horyzontu czasowego Korelacja nie jest stałą wartością danej pary. Inny okres próbkowania może dać inną wartość korelacji.
-
Zależność od modelu i definicji zwrotu Różne wybory (zwroty proste vs logarytmiczne, inna częstotliwość próbkowania, różne reguły rolowania lub wyrównania) mogą zmienić obliczoną korelację. Korelacja jest wrażliwa na to, jak skonstruowane są liczby.
-
Tylko zależność liniowa Korelacja Pearsona wychwytuje liniowy współruch. Dwie serie mogą mieć zależność nieliniową lub zmieniającą kształt w różnych reżimach zmienności, a mimo to nadal wykazywać niską lub niestabilną korelację Pearsona.
-
Nie jest narzędziem przyczynowym ani predykcyjnym Nawet jeśli korelacja jest stabilna historycznie, nie dowodzi przyczynowości. Historyczne zależności mogą słabnąć lub odwracać się, szczególnie w okolicach zmian reżimu.
-
Koszty i efekty realizacji zleceń Korelacja obliczona na podstawie cen mid lub zamknięć nie uwzględnia automatycznie kosztów transakcyjnych, spreadów, poślizgu (slippage) ani momentu realizacji. Dwie pary mogą wyglądać na skorelowane na papierze, podczas gdy w rzeczywistych wynikach będą się różnić.
Weryfikacja i kolejne pytanie
Aby niezależnie zweryfikować interpretację:
- Ponownie oblicz korelację, używając tej samej metody, ale dla wielu, niepokrywających się horyzontów czasowych.
- Sprawdź, czy korelacja pozostaje podobna w różnych oknach, czy załamuje się po zmianie reżimu.
- Upewnij się, że Twoje szeregi zwrotów są wyrównane w czasie i obliczone według tej samej formuły oraz częstotliwości.
Dobre kolejne pytanie brzmi: Jaki wynik korelacji powinien być uznany za „stabilny” dla Twojego wybranego celu? Odpowiedź zależy od Twojej tolerancji na zmiany oraz od tego, jak zdefiniowałeś zwroty i okna czasowe.