Bezpośrednia odpowiedź
Ramy czasowe wpływają na ujemną korelację, ponieważ korelacja, którą liczysz, nie jest stałą własnością dwóch walut — to statystyka obliczana na podstawie zwrotów obserwowanych w wybranym przedziale. Zmiana przedziału (na przykład minut vs. dni) może zmienić znak, siłę i stabilność relacji. Dzieje się tak, ponieważ każda rama czasowa filtruje różne rodzaje ruchów rynkowych oraz różne rodzaje „szumu”.
Mechanizm i definicja
Ujemna korelacja oznacza, że dwie serie zwrotów mają tendencję do poruszania się w przeciwnych kierunkach: gdy jedna seria rośnie, druga zwykle spada. W praktyce najpierw przeliczasz ceny na zwroty (to, jak to robisz, ma znaczenie), a następnie liczysz korelację na podstawie sekwencji zwrotów.
Kluczowe powiązania z ramami czasowymi:
- Okno obserwacji: Jeśli liczysz zwroty w krótszym interwale, wychwytujesz więcej mikroruchów i wahania dwukierunkowe, co może obniżać lub zniekształcać estymaty korelacji.
- Okres utrzymania (przedział zwrotu): „Okres utrzymania” używany w obliczaniu zwrotów jest tym samym interwałem, którego używa twoja statystyka korelacji. Para może wyglądać na ujemnie skorelowaną w jednym przedziale zwrotu i na mniej skorelowaną w innym, ponieważ różne czynniki dominują na różnych horyzontach.
- Nakładanie się danych: Jeśli używasz okien kroczących lub nakładających się zwrotów (na przykład kolejnych zwrotów wielookresowych, które współdzielą wspólne dni), twoja estymata korelacji może się zmieniać, ponieważ próbki nie są niezależne.
Realistyczny sposób myślenia o tym: korelacja mierzy współruch według wybranej reguły pomiaru. Zmiana tej reguły zmienia to, co oznacza „współruch”.
Dowód lub przykład (rozumiany scenariusz)
Scenariusz: Załóżmy, że dwie waluty są pod wpływem dwóch sił — jedna ma tendencję do rozpychania ich w krótkich horyzontach, a druga ma tendencję do ściągania ich razem w dłuższych horyzontach.
- Pomiar w krótkich ramach czasowych: Zwroty liczone w bardzo krótkich interwałach będą silniej ważyć siłę „rozpychającą”. Obliczona korelacja może stać się bardziej ujemna.
- Pomiar w długich ramach czasowych: Zwroty liczone w dłuższych interwałach będą mieszać obie siły. Przeciwna siła z długiego horyzontu może zrównoważyć wzorzec z krótkiego horyzontu, osłabiając korelację, zbliżając ją do zera, a nawet zmieniając znak.
Nawet jeśli leżące u podstaw czynniki pozostają takie same, statystyka się zmienia, ponieważ jest liczona z różnych agregacji tej samej ścieżki cen.
Ograniczenia i ryzyka (istotne tryby awarii)
- Historyczne relacje nie gwarantują przyszłych relacji: Korelacja zależy od reżimu; czynniki tworzące ujemny współruch mogą osłabnąć się lub odwrócić.
- Koszty transakcyjne i timing realizacji: Jeśli porównujesz „surowe” zwroty, ale rzeczywiste transakcje napotykają spready, prowizje i poślizg, twoja zrealizowana współzmienność może się różnić.
- Błąd estymacji: Korelacja może się wahać, gdy zmieniasz długość próby, zwłaszcza w krótkich ramach czasowych, gdzie jest mniej stabilnych obserwacji.
- Niestacjonarność: Jeśli relacja zmienia się w czasie, pojedyncza liczba korelacji na podstawie długiej historii może ukrywać okresy dodatniego i ujemnego współruchu.
Weryfikacja i kolejne pytanie
Aby niezależnie zweryfikować, jak ramy czasowe wpływają na ujemną korelację, skup się na powtarzalnych wyborach pomiaru:
- Używaj spójnych definicji zwrotów oraz długości interwału.
- Licz korelację dla wielu, wyraźnie różnych ram czasowych (na przykład krótkich vs. długich przedziałów zwrotu) i porównuj nie tylko wartość, ale też to, czy znak jest stabilny.
- Unikaj porównywania statystyk zbudowanych na niespójnych regułach (takich jak mieszanie zwrotów nieprzecinających się i nakładających się).
Następne pytanie do zbadania: Jaką definicję zwrotu i metodę nakładania się stosujesz oraz jak wrażliwy jest znak twojej korelacji na zmianę tej reguły ram czasowych?