Bezpośrednia odpowiedź
Zmiany korelacji odnoszą się do tego, w jaki sposób mierzona zależność między dwoma stopami zwrotu z walut może zmieniać się w czasie. Interwał czasowy wpływa na to, ponieważ nie mierzymy jednej, stałej właściwości; szacujemy zależność na podstawie wycinka danych. Zmiana okna obserwacji (jak daleko wstecz patrzysz) lub okresu utrzymania (przedziału czasu, który agregujesz do stóp zwrotu) może sprawić, że oszacowana korelacja się przesunie.
Mechanizm i definicja
Zacznij od dwóch szeregów czasowych cen dla dwóch par walut (lub dowolnych dwóch instrumentów, którymi można handlować). Zwykle przeliczasz ceny na stopy zwrotu, a następnie liczysz korelację na tych stopach zwrotu. Korelacja odpowiada na wąskie pytanie: jak konsekwentnie oba szeregi stóp zwrotu poruszają się razem w ramach wybranego okna, przy konkretnej definicji stopy zwrotu (na przykład proste stopy zwrotu lub logarytmiczne stopy zwrotu) i przy wybranej częstotliwości próbkowania.
Interwał czasowy wchodzi w grę na dwa sposoby:
-
Okno obserwacji (horyzont estymacji): Jeśli liczysz korelację na dłuższym oknie, uśredniasz po większej liczbie warunków rynkowych. Jeśli używasz krótszego okna, skupiasz się na nowszych warunkach, więc estymacja może szybciej reagować na zmiany.
-
Okres utrzymania (horyzont agregacji): Jeśli mierzysz stopy zwrotu w interwałach 1-dniowych, otrzymujesz jeden zestaw punktów ze stopami zwrotu. Jeśli zamiast tego mierzysz stopy zwrotu w interwałach 5-dniowych, każdy punkt danych jest agregacją kilku dni. Agregacja zmienia klastrowanie zmienności, wygładzanie i moment wystąpienia szoków — dlatego zależność może wyglądać na silniejszą lub słabszą.
Dowód lub przykład (styl scenario-impact)
Rozważ scenariusz, w którym dwie pary walut są w dużej mierze pod wpływem tego samego makroczynnika w „normalnych” okresach, ale podczas nagłych zdarzeń typu risk-off następuje ich rozdzielenie.
- Jeśli oszacujesz korelację na krótkim oknie, które przypadkiem obejmuje wiele epizodów risk-off, estymacja może spaść (a nawet zmienić znak), ponieważ stopy zwrotu w tych epizodach zachowują się inaczej.
- Jeśli oszacujesz korelację na długim oknie, które miesza zarówno okresy normalne, jak i risk-off, estymacja może wyglądać na bardziej stabilną, ale może też stać się kompromisem — maskując fakt, że relacja zależy od reżimu.
Teraz zmień okres utrzymania. Krótki okres utrzymania może uchwycić natychmiastową współzmienność wynikającą z wahań dzień do dnia. Dłuższy okres utrzymania może połączyć te wahania z późniejszymi korektami, efektami przeniesienia (carry) lub opóźnionymi reakcjami. Zatem połączone stopy zwrotu mogą pokazywać inną współzmienność niż stopy zwrotu z krótkich interwałów, nawet jeśli bazowe czynniki są te same.
Kluczowa implikacja jest taka, że zmiany interwału czasowego określają, „na czym się opierasz” (warunkujesz). Korelacja jest warunkowa względem wybranego segmentu danych i sposobu agregacji stóp zwrotu.
Ograniczenia i ryzyka (istotne tryby awarii)
-
Korelacja nie jest gwarancją przyszłej współzmienności. Historyczna korelacja odzwierciedla zaobserwowane stopy zwrotu w ramach konkretnego okna, a nie regułę, która będzie się utrzymywać.
-
Zmiana reżimu i brak stacjonarności: Relacje walutowe mogą się zmieniać, gdy zmienia się struktura rynku, rośnie skokowo zmienność albo zmieniają się kluczowe czynniki ryzyka. W takim przypadku korelacja może być niestabilna w czasie w zależności od interwału czasowego.
-
Wybory dotyczące pomiaru i metodologii: Korelacja zależy od definicji stopy zwrotu, częstotliwości próbkowania, sposobu obsługi brakujących danych oraz tego, czy używasz stóp zwrotu nakładających się na siebie (overlapping) czy nie. Różne wybory mogą zmienić estymację.
-
Koszty i tarcia wykonania: Nawet jeśli dwie serie pokazują skorelowane stopy zwrotu, koszty transakcyjne i timing realizacji mogą zmienić rzeczywiste wyniki. Sama korelacja stóp zwrotu nie uwzględnia tych efektów.
Weryfikacja i kolejne pytanie
Aby niezależnie zweryfikować wpływ interwału czasowego, użyj przejrzystej metody:
- Wybierz spójną definicję stopy zwrotu.
- Oblicz korelacje kroczące (rolling) dla wielu długości okna (na przykład krótkie vs długie) i porównaj, jak zmienia się estymacja.
- Powtórz analizę dla różnych okresów utrzymania, agregując stopy zwrotu w horyzontach o różnej długości.
Punkt kontrolny: jeśli korelacja istotnie się zmienia, gdy dostosujesz zarówno okno obserwacji, jak i okres utrzymania, to jest to bezpośredni dowód wrażliwości na interwał czasowy.
Przydatnym kolejnym pytaniem nie jest „jaka jest obecna korelacja”, tylko „na ile stabilna jest relacja w ramach wiarygodnych okien i horyzontów stóp zwrotu oraz czy zmienia się ona wokół znanych zmian reżimu?”