Dlaczego zmiany korelacji mają znaczenie na rynku forex
Bezpośrednia odpowiedź
Zmiany korelacji mają znaczenie na rynku forex, ponieważ korelacje są wykorzystywane (często implicite) do wnioskowania o tym, czy dwie ekspozycje walutowe będą się poruszać razem, czy przeciwko sobie. Gdy korelacje się zmieniają, założone zależności ryzyka—takie jak „te pozycje się zabezpieczają” lub „te pozycje się dywersyfikują”—mogą osłabnąć, odwrócić się lub zachowywać się inaczej niż oczekiwano.
Ma to znaczenie dla decyzji zależnych od relacji między parami walutowymi, takich jak ustalanie wielkości pozycji w przypadku wielu transakcji, konstrukcja portfela oparta na ideach dywersyfikacji oraz testy warunków skrajnych zakładające, że przeszłe wzorce zależności będą się utrzymywać. Ma to również znaczenie, ponieważ korelacja jest wrażliwa na to, co mierzysz (okno czasowe, częstotliwość i czyszczenie danych), więc dwie osoby mogą obliczyć różne „korelacje” z tego samego rynku.
Mechanizm i definicja
W dyskusjach o ryzyku na forex korelacja zwykle odnosi się do statystycznej miary tego, jak dwie serie stóp zwrotu poruszają się razem. Typowa interpretacja jest następująca:
- Korelacja bliska +1: obie serie często poruszają się w tym samym kierunku.
- Korelacja bliska 0: brak spójnego liniowego wzorca współzmienności.
- Korelacja bliska −1: serie często poruszają się w przeciwnych kierunkach.
„Zmiany korelacji” oznaczają, że szacowana zależność zmienia się w czasie. Może się tak dziać, ponieważ:
- Zmieniają się reżimy rynkowe (na przykład warunki risk-on versus risk-off).
- Zmieniać się może płynność i aktywność handlowa, co wpływa na reakcję stóp zwrotu.
- Czynniki napędzające różnią się w zależności od walut i w czasie (oczekiwania co do polityki, zaskoczenia dotyczące wzrostu/inflacji oraz globalne czynniki ryzyka).
Co ważne, korelacja jest modelem zależności stóp zwrotu w wybranym okresie, a nie trwałą właściwością walut.
Dowód lub przykład (z założeniami)
Rozważmy dwie pary walutowe, A/B i C/D. Załóżmy, że obliczasz dzienne stopy zwrotu z ostatnich 60 dni handlowych i znajdujesz korelację +0,60. Czytelnik może potraktować to jako oznakę, że pozycje mają tendencję do poruszania się razem, więc dodanie obu może zwiększyć ryzyko „wspólnego ruchu”.
Załóżmy teraz, że przeliczasz korelację, używając tylko ostatnich 20 dni handlowych, i otrzymujesz korelację −0,10. Jeśli korelacje są rzeczywiście zależne od reżimu, wcześniejsze założenie o „wspólnym ruchu” nie jest już aktualne. W praktyce zestaw pozycji, który wyglądał na skorelowany (a zatem potencjalnie zbędny) w jednym oknie, może wyglądać na prawie nieskorelowany w innym.
To ilustruje, dlaczego zmiany korelacji mogą wpływać na:
- Sposób interpretacji, czy wiele transakcji stanowi faktycznie odrębne ekspozycje.
- To, czy historyczne struktury zależności są istotne dla planowania krótkoterminowego.
- Stabilność wniosków dotyczących ryzyka przy aktualizacji danych.
Ograniczenia i ryzyka (istotne tryby awarii)
Kilka ograniczeń może spowodować, że rozumowanie oparte na korelacji zawiedzie lub wprowadzi w błąd:
-
Korelacja opiera się na oszacowaniu, a nie na dokładnej wartości. Przy ograniczonej ilości danych szum próbkowania może zmienić oszacowanie, nawet jeśli podstawowa zależność jest stabilna.
-
Korelacja zależy od wyboru metody pomiaru. Różne okna czasowe (dzienne vs. godzinowe), definicje stóp zwrotu i wstępne przetwarzanie danych mogą dać różne wyniki.
-
Korelacja często nie uwzględnia zależności nieliniowych. Dwie serie mogą mieć korelację 0, ale nadal wykazywać istotną współzmienność w określonych scenariuszach (na przykład podczas stresu rynkowego).
-
Koszty i realizacja transakcji mogą zdominować wyniki. Nawet jeśli korelacja sugeruje dywersyfikację, efekty w świecie rzeczywistym, takie jak spready, poślizg cenowy i różna płynność, mogą zmienić zrealizowane wyniki.
-
Przeszłe zależności nie przesądzają o przyszłych wynikach. Historyczna korelacja może odzwierciedlać warunki, które później znikną.
Weryfikacja i kolejne pytanie
Praktycznym sposobem weryfikacji „zmian korelacji” bez zakładania przewidywalności jest traktowanie korelacji jako wielkości kroczącej, ponownie szacowanej, a nie jako stałego parametru. Na przykład można wielokrotnie obliczać korelacje przy użyciu tej samej metodologii w kolejnych oknach czasowych (ta sama częstotliwość i definicja stóp zwrotu za każdym razem), a następnie sprawdzić:
- Czy oszacowanie jest stabilne, czy zmienia znak.
- Czy zmiany pokrywają się z szerokimi zmianami warunków rynkowych.
- Jak wrażliwe są wnioski na długość okna.
Następnie zastanów się, jaki rodzaj zależności jest Ci potrzebny. Jeśli Twoim celem jest ryzyko w przypadku ekstremalnych ruchów, korelacja normalnych stóp zwrotu może być niewystarczająca; możesz potrzebować podejścia scenariuszowego, które koncentruje się na konkretnych warunkach, zamiast polegać na pojedynczej statystyce podsumowującej.