Pomiar zmienności w ujemnej korelacji (bez przewidywania ruchów cen)

Bezpośrednia odpowiedź

Zmienność w ujemnej korelacji oznacza, że siła i/lub znak ujemnej zależności między dwiema seriami stóp zwrotu nie jest stabilna w czasie. Podejście pomiarowe koncentruje się zatem na tym, jak korelacja zmienia się w poszczególnych oknach czasowych, a nie na przewidywaniu przyszłych ruchów cen.

Samowystarczalny sposób jej zmierzenia to: (1) zdefiniowanie, co dokładnie mierzysz jako „korelację”, (2) obliczanie tej korelacji wielokrotnie w krótkich, spójnych oknach czasowych oraz (3) podsumowanie, jak bardzo te estymaty korelacji fluktuują (rozproszenie) lub dryfują (trend).

Mechanika: definicje i przepis pomiarowy

Ujemna korelacja odnosi się tutaj do zależności między dwiema seriami stóp zwrotu, w której wyższe stopy zwrotu w jednej serii zwykle współwystępują z niższymi stopami zwrotu w drugiej.

1. Przekształć ceny na stopy zwrotu (wymagane założenie). Wybierz definicję stóp zwrotu (na przykład logarytmiczne stopy zwrotu lub proste procentowe stopy zwrotu). Kluczowym założeniem jest to, że stopy zwrotu są wielkością, której zależność chcesz mierzyć, a nie surowe ceny.

2. Zastosuj kroczącą korelację okienną. Wybierz długość okna (na przykład N obserwacji) i oblicz współczynnik korelacji w każdym oknie. Przesuwaj okno do przodu krok po kroku i obliczaj korelację ponownie. Otrzymasz w ten sposób szereg czasowy estymat korelacji.

3. Podsumuj zmienność estymaty korelacji. Możesz zmierzyć „zmienność w ujemnej korelacji” za pomocą jednego lub więcej podsumowań:

• Rozproszenie: odchylenie standardowe (lub wariancja) szeregu kroczących korelacji.
• Wskaźnik niestabilności: ułamek okien, w których korelacja jest poniżej wybranego ujemnego progu (np. „silnie ujemna”), oddający zmienność siły i znaku.
• Skokowość: średnia bezwzględna zmiana między kolejnymi kroczącymi korelacjami, oddająca gwałtowność przesunięć zależności.

4. Opcjonalna kontrola kierunkowości. Jeśli chcesz skupić się na zachowaniu „ujemnym”, śledź osobne metryki, takie jak odchylenie standardowe kroczących korelacji warunkowe od bycia ujemnymi, jednocześnie raportując, jak często zależność jest ujemna.

Przykładowa konfiguracja (z podanymi założeniami)

Załóżmy dwie serie stóp zwrotu, A i B, i obliczasz kroczącą korelację na logarytmicznych stopach zwrotu.

• Długość okna: N obserwacji.
• Krok: jedna obserwacja.
• Szereg kroczących korelacji: ρ₁, ρ₂, …, ρₖ.
• Zmienność korelacji: SD(ρ₁…ρₖ).

Daje to pojedynczy liczbowy opis tego, jak niestabilna jest ujemna korelacja przy Twoich wybranych definicjach.

Dowody lub przykładowe rozumowanie: czego powinieneś się spodziewać

Nawet bez danych na żywo możesz logicznie przeanalizować, co oznaczają różne wyniki:

• Jeśli SD(ρ) jest niskie, ujemna zależność jest stosunkowo stabilna przy Twoim wyborze okna.
• Jeśli SD(ρ) jest wysokie, ujemna korelacja jest niespójna—okresy silnej ujemnej zależności mieszają się z okresami słabej lub dodatniej zależności.
• Jeśli korelacja często przechodzi z ujemnej do bliskiej zeru, „ujemna korelacja” jest bardziej tymczasową cechą reżimu niż trwałą właściwością.

Ograniczenia i ryzyka (istotne tryby awarii)

1. Korelacja jest liniowa i może nie wychwycić zależności nieliniowej. Dwie serie mogą mieć nieliniową zależność, której korelacja nie oddaje, więc „niska zmienność korelacji” nie oznacza niezależności ani stabilnej ujemnej zależności.

2. Wybór okna i częstotliwości może zdominować wynik. Krótkie okna silnie reagują na szum; długie okna mogą wygładzić zmiany reżimu. Zmiana długości okna lub częstotliwości obserwacji może znacząco zmienić pomiar.

3. Niestacjonarność i zmiany reżimu. Korelacja może się zmieniać, ponieważ zmienia się środowisko generujące dane. To sprawia, że „zmienność korelacji” jest opisem historycznej niestabilności w przeszłych reżimach, a nie gwarancją przyszłego zachowania.

4. Wrażliwość na znak i próg. Metryki zależne od „ujemnego progu” mogą zachowywać się inaczej w zależności od tego, jak zdefiniujesz „wystarczająco ujemne”. Mała zmiana progu może zmienić liczbę okien „silnie ujemnych”.

5. Definicja stóp zwrotu i efekty mikrostrukturalne. Różne obliczenia stóp zwrotu, sposób obsługi brakujących danych lub tarcia związane z wykonaniem transakcji mogą zniekształcać zależności. Nawet w czysto historycznej analizie te wybory zmieniają mierzoną współzmienność.

Weryfikacja i kolejne pytanie

Aby niezależnie zweryfikować pomiar, uruchom ponownie proces z rozsądnymi alternatywnymi założeniami i sprawdź, czy wniosek o niestabilności pozostaje podobny:

• Użyj co najmniej dwóch długości okien kroczących.
• Użyj dwóch definicji stóp zwrotu (jeśli to możliwe) i potwierdź, czy jakościowa niestabilność się utrzymuje.
• Porównaj wiele podsumowań (SD ρ, częstotliwość zmian znaku i średnią bezwzględną zmianę).

Przydatne kolejne pytanie brzmi: Czy niestabilność dotyczy głównie zmian znaku (ujemna vs nieujemna), czy też wahań siły przy pozostawaniu ujemną przez większość czasu? To rozróżnienie zmienia sposób interpretacji „zmienności w ujemnej korelacji.”