Jak należy interpretować korelację par walutowych?

Bezpośrednia odpowiedź

Korelacja par jest historyczną zależnością między dwiema parami walutowymi: podsumowuje, czy ich stopy zwrotu mają tendencję do wzrostu lub spadku razem oraz jak silnie. Można ją interpretować jako miarę opisową, a nie jako dowód związku przyczynowego, nie jako stałą właściwość i nie jako gwarancję przyszłych ruchów cen.

Użytecznym celem jest przełożenie korelacji na oczekiwania dotyczące współzmienności wyłącznie dla konkretnego okresu i konfiguracji obliczeniowej. Następnie należy zweryfikować, czy to oczekiwanie nadal obowiązuje, przeliczając tę samą korelację na nowych danych spoza próby.

Mechanizm i definicja

Korelacja par odnosi się zazwyczaj do współczynnika korelacji Pearsona obliczonego z dwóch szeregów stóp zwrotu. Mówiąc wprost:

• Wybierz szereg cen od początku do końca dla każdej pary walutowej.
• Przelicz ceny na stopy zwrotu (na przykład proste stopy zwrotu lub logarytmiczne stopy zwrotu).
• Wybierz okno czasowe (na przykład dzienne stopy zwrotu z 90 dni lub śróddzienne stopy zwrotu z określonego zakresu).
• Oblicz korelację między dwoma sekwencjami stóp zwrotu.

Interpretacja jest względna względem tej konfiguracji:

• Wartość dodatnia oznacza, że stopy zwrotu par często poruszają się w tym samym kierunku w badanym okresie.
• Wartość ujemna oznacza, że często poruszają się w przeciwnych kierunkach.
• Wartość bliska zeru oznacza, że w tej próbie występuje niewielka liniowa współzmienność.

Ważne: korelacja opisuje współzmienność stóp zwrotu, a nie poziom cen i nie to, czy jedna para „napędza” drugą.

Dowód lub przykład (z wyraźnymi założeniami)

Załóżmy, że obliczasz dzienne stopy zwrotu dla Pary A i Pary B w jednym 60-dniowym okresie, używając tego samego wzoru na stopę zwrotu dla obu. Jeśli obliczona korelacja wynosi +0,80, oznacza to silną historyczną tendencję, że ich dzienne stopy zwrotu mają ten sam znak częściej, niż sugerowałby przypadek, w tym 60-dniowym okresie.

Teraz zmień tylko jedno założenie: użyj innego 60-dniowego okna bezpośrednio po pierwszym okresie. Możliwe jest zaobserwowanie znacznie niższej korelacji, nawet jeśli obie pary pozostają „tymi samymi instrumentami”. Może się tak zdarzyć, ponieważ zależności rynkowe mogą się zmieniać, gdy zmieniają się warunki handlowe, wzorce zmienności lub przepływy napędzane czynnikami makro.

Rozważ także scenariusz awarii: jeśli przypadkowo zmieszasz częstotliwości danych (na przykład Para A obliczona z dziennych zamknięć, a Para B z migawek śróddziennych), uzyskana korelacja może odzwierciedlać różnice w przetwarzaniu danych, a nie rzeczywistą współzmienność.

Ograniczenia i ryzyka

Co najmniej cztery istotne ograniczenia wpływają na sposób interpretacji korelacji par:

1. Zależność od okna czasowego Korelacja nie jest stałą wartością pary. Inny okres próbny może dać inną wartość korelacji.

2. Zależność od modelu i definicji stopy zwrotu Różne wybory (proste vs logarytmiczne stopy zwrotu, różna częstotliwość próbkowania, różne zasady rolowania lub wyrównania) mogą zmienić obliczoną korelację. Korelacja jest wrażliwa na sposób konstrukcji liczb.

3. Tylko zależność liniowa Korelacja Pearsona wychwytuje liniową współzmienność. Dwa szeregi mogą mieć zależność nieliniową lub zmieniającą kształt w różnych reżimach zmienności, a mimo to wykazywać niską lub niestabilną korelację Pearsona.

4. Nie jest narzędziem przyczynowym ani prognostycznym Nawet jeśli korelacja jest historycznie stabilna, nie ustanawia związku przyczynowego. Historyczne zależności mogą słabnąć lub odwracać się, zwłaszcza wokół zmian reżimu.

5. Koszty i efekty wykonania Korelacja obliczona z cen średnich lub zamknięć nie obejmuje automatycznie kosztów transakcyjnych, spreadów, poślizgu ani czasu realizacji. Dwie pary mogą wyglądać na skorelowane na papierze, podczas gdy zrealizowane wyniki się różnią.

Weryfikacja i kolejne pytanie

Aby niezależnie zweryfikować interpretację:

1. Przelicz korelację przy użyciu tej samej metody, ale w wielu nienakładających się oknach czasowych.
2. Sprawdź, czy korelacja pozostaje podobna w różnych oknach, czy też załamuje się po zmianie reżimu.
3. Upewnij się, że szeregi stóp zwrotu są wyrównane w czasie i obliczone przy użyciu tego samego wzoru i częstotliwości.

Dobrym kolejnym pytaniem jest: Jaki wynik korelacji należy uznać za „stabilny” dla Twojego wybranego celu? Odpowiedź zależy od Twojej tolerancji na zmiany oraz od tego, jak zdefiniowałeś stopy zwrotu i okna czasowe.