Bezpośrednia odpowiedź
Ujemna korelacja w forex to zależność statystyczna, w której zwroty dwóch par walutowych mają tendencję do poruszania się w przeciwnych kierunkach. Gdy zwrot jednej pary rośnie, zwrot drugiej pary często spada, mierzony w wybranym oknie czasowym i przy użyciu zdefiniowanej metody. Co ważne, „ujemna korelacja” opisuje zaobserwowaną tendencję w danych; nie oznacza to gwarantowanego wyniku dla przyszłych ruchów.
Podstawowa definicja
Zwrot pary walutowej to zmiana jej ceny w danym przedziale czasu, często wyrażana jako procent lub zwrot logarytmiczny. Ujemna korelacja oznacza, że współczynnik korelacji jest poniżej zera dla tych zwrotów.
Prosty sposób, by to sobie wyobrazić:
- Wybierz szereg czasowy cen dla Pary A oraz szereg czasowy cen dla Pary B.
- Zamień je na zwroty dla każdego dopasowanego kroku czasowego.
- Oblicz korelację między tymi dwoma szeregami zwrotów.
Jeśli korelacja jest silnie ujemna, ruchy w przeciwnych kierunkach są w tym zbiorze danych bardziej spójne. Jeśli jest bliska zeru, istnieje niewielka zależność liniowa. Jeśli jest słabo ujemna, ruchy w przeciwnych kierunkach mogą zdarzać się czasem, ale nie jest to stabilna reguła.
Prosty model mechanizmu
„Korelacja” w forex nie jest prawem fizycznym związanym bezpośrednio z walutami; jest to własność emergentna wynikająca z tego, jak rynki wyceniają relatywną wartość. Ujemna korelacja często pojawia się wtedy, gdy dwie pary są narażone na powiązane czynniki, ale w przeciwnych kierunkach.
Typowe elementy w układzie o ujemnej korelacji obejmują:
- Wspólne czynniki ryzyka
- Obie pary walutowe mogą być wpływane przez nakładające się wydarzenia makro (na przykład sentyment do ryzyka, oczekiwania dotyczące stóp procentowych w ujęciu relatywnym lub oczekiwania inflacyjne).
- Przeciwne narażenie
- Pary mogą reagować w przeciwny sposób, ponieważ nie reprezentują tego samego „kierunku” narażenia na ten sam bazowy czynnik.
- Przeciwstawne role walut
- Jeśli waluta występuje w dwóch parach z przeciwnymi znakami, ruchy tej waluty mogą mechanicznie pchać pary w przeciwne kierunki. Efekt ten może wystąpić nawet wtedy, gdy istnieją też inne czynniki.
Pomaga traktować „ujemną korelację” jako mapowanie wspólnego zachowania cen na znak: dwa szeregi zwrotów poruszają się w przeciwnych kierunkach w ramach przyjętych warunków.
Wejścia, wyjścia i sekwencja do weryfikacji
Aby pracować z ujemną korelacją w forex, musisz być precyzyjny co do wejść i oczekiwanego wyniku.
Wejścia
- Dwa szeregi czasowe cen dla dwóch par walutowych.
- Definicja zwrotu (np. zmiana procentowa lub zwrot logarytmiczny).
- Częstotliwość próbkowania (np. co minutę, co godzinę lub codziennie).
- Okno czasowe do estymacji (np. ostatnie 30 dni, ostatnie 250 dni handlowych).
- Metoda korelacji (zwykle korelacja Pearsona dla zależności liniowych).
Sekwencja
- Oblicz zwroty dla każdej pary, używając tych samych kroków czasowych.
- Wyrównaj szeregi czasowe tak, aby każdy zwrot w Parze A odpowiadał temu samemu znacznikowi czasu lub przedziałowi w Parze B.
- Oblicz korelację na wyrównanym szeregu zwrotów w wybranym oknie.
- Opcjonalnie powtórz dla różnych okien, aby sprawdzić, czy znak pozostaje stabilny.
Wyjście
- Wartość korelacji (ujemna, bliska zeru lub dodatnia) opisująca kierunek zależności w tym oknie.
- Praktyczna interpretacja: ujemna korelacja oznacza, że współruch w przeciwnych kierunkach pojawia się częściej niż współruch w tym samym kierunku w tym konkretnym zbiorze danych.
Dowód lub przykład (z jasnymi założeniami)
Załóż, że masz dzienne kursy zamknięcia dla dwóch par walutowych, Pary A i Pary B, dla 100 dni handlowych. Obliczasz dzienne zwroty, a następnie liczysz korelację Pearsona na podstawie tych 100 punktów dziennych zwrotów.
Jeśli otrzymana korelacja wynosi -0.6, oznacza to umiarkowaną do silnej tendencję do zwrotów w przeciwnych kierunkach w tej próbie. Jednak:
- Jeśli zmienisz okno na ostatnie 20 dni, możesz otrzymać korelację bliższą zeru albo nawet dodatnią.
- Jeśli przełączysz się z danych dziennych na dane godzinowe, estymacja może się zmienić, ponieważ szum cenowy w krótkim horyzoncie i warunki płynności są inne.
Zatem „dowód” zawsze jest uwarunkowany oknem, definicją zwrotu i wyborem próbkowania.
Ograniczenia i tryby awarii
Ujemna korelacja jest przydatna do opisywania zależności, ale może zawieść na kilka istotnych sposobów.
-
Korelacja nie jest stała Zmieniają się reżimy rynkowe. Zależność oszacowana dla jednego okresu może osłabnąć lub odwrócić się, gdy zmienią się warunki makro, oczekiwania wobec banków centralnych lub sentyment do ryzyka.
-
Znak może się odwrócić wraz z długością okna Krótsze okna często pokazują większą zmienność w estymacjach. Dłuższe okna mogą wygładzać szum, ale mogą też ukrywać zmiany reżimu.
-
Korelacja liniowa pomija zachowanie nieliniowe Korelacja Pearsona wychwytuje współruch liniowy. Jeśli zależność jest nieliniowa lub napędzana progami, współczynnik korelacji może ją niedoszacować.
-
Koszty i realizacja wpływają na osiągane wyniki Nawet jeśli zwroty są przed kosztami ujemnie skorelowane, zrealizowane rezultaty mogą się różnić, ponieważ na wynik wpływają spready, poślizgi, rolowania i timing operacyjny.
-
Korelacja nie oznacza przyczynowości Przeciwstawny współruch może wynikać ze wspólnych czynników lub z mechanicznych efektów ról walutowych, a nie z dającej się kontrolować przyczyny.
Te ograniczenia oznaczają, że ujemną korelację należy traktować jako statystykę opisową, a nie jako niezawodną regułę do przyszłych decyzji tradingowych.
Jak zweryfikować to niezależnie
Czytelnik może niezależnie zweryfikować ujemną korelację, powtarzając proces pomiaru na własnych wybranych danych i dokumentując kluczowe wybory:
- które pary walutowe (i ich dokładne notowania),
- definicję zwrotu,
- częstotliwość czasową,
- okno estymacji,
- oraz metodę korelacji.
Następnie sprawdź odporność:
- Czy korelacja pozostaje ujemna w wielu nieprzecinających się oknach?
- Czy konsekwentnie jest ujemna przy alternatywnych, ale rozsądnych wyborach próbkowania?
- Jak wrażliwa jest estymacja na sposób liczenia zwrotów i długość okna?
Jeśli znak lub wartość istotnie się zmienia, jest to bezpośredni wskaźnik, że własność „ujemnej korelacji” zależy od reżimu.
Następne pytanie, które możesz zadać
Zamiast pytać tylko „Czy są ujemnie skorelowane?”, bardziej weryfikowalne pytanie brzmi: „Jak stabilna jest ujemna zależność w różnych oknach i definicjach zwrotu oraz w jakich reżimach rynkowych słabnie?”