Bezpośrednia odpowiedź
Ujemna korelacja to zaobserwowana tendencja, że dwie zmienne poruszają się w przeciwnych kierunkach. Jej interpretacja oznacza zrozumienie kierunku zależności oraz ograniczeń tego, co korelacja może wyjaśnić. Sama w sobie nie dowodzi, że hedging będzie działał w przyszłości, że dany wzorzec będzie się utrzymywał ani że wyniki będą przewidywalne.
Mechanizm i definicja
Prosty sposób interpretacji ujemnej korelacji to współczynnik korelacji, często nazywany r. Jeśli r jest poniżej zera, pary danych mają tendencję do ruchów w przeciwnych kierunkach: gdy jedna zmienna rośnie, druga zwykle spada (i odwrotnie). Jeśli r jest bliskie zeru, liniowa zależność jest słaba, nawet jeśli czasami występuje ruch w przeciwnych kierunkach.
Istotne są kluczowe założenia modelu:
- Korelacja dotyczy zależności w wybranym zbiorze danych, a nie stałej cechy instrumentów.
- Korelacja jest wrażliwa na okno czasowe. Stosowanie dziennych stóp zwrotu, godzinnych stóp zwrotu lub innego okna może dawać różne znaki.
- Korelacja zwykle opiera się na miarze typu returns, a nie na surowych poziomach cen. Surowe poziomy mogą wprowadzać w błąd, ponieważ mogą dryfować w czasie, nie oznaczając stabilnej zależności.
Dowód lub przykład (z wyraźnymi założeniami)
Załóż, że liczysz stopy zwrotu dla dwóch kursów wymiany, A i B, dla tych samych dat, a następnie obliczasz korelację na tych szeregach stóp zwrotu. Jeśli otrzymasz r = −0.6 dla tego historycznego okna, możesz to zinterpretować jako „umiarkowanie ujemną liniową zależność” dla tego konkretnego okresu i metody obliczeń.
Co możesz wywnioskować:
- W tym zbiorze danych współwystępowanie ruchów w przeciwnych kierunkach jest częstsze niż byłoby oczekiwane przy braku zależności.
Czego nie możesz wywnioskować:
- Że zależność pozostanie ujemna w przyszłych oknach.
- Że współwystępowanie ruchów w przeciwnych kierunkach w pełni zniweluje straty lub zmienność.
- Że każdy konkretny handel skonstruowany na podstawie tego pomysłu będzie zachowywał się zgodnie z oczekiwaniami.
Nawet w tym samym okresie zależność może być niespójna w różnych reżimach rynkowych (na przykład w warunkach podwyższonego stresu w porównaniu do spokojnych). Koszty i realizacja również zmieniają osiągane wyniki: spready, prowizje i timing mogą ograniczyć każdą teoretyczną korzyść wynikającą z ruchów w przeciwnych kierunkach.
Ograniczenia i ryzyka (istotne tryby awarii)
- Załamanie korelacji: Znak lub siła korelacji mogą się zmienić, gdy warunki rynkowe ulegną przesunięciu.
- Zależność od okna: Ujemna zależność w jednym horyzoncie może stać się słabsza lub dodatnia w innym.
- Zachowanie nieliniowe: Korelacja często mierzy zależność liniową; dwie zmienne mogą być powiązane w sposób nieliniowy, co prowadzi do mylących wartości korelacji.
- Problemy z danymi i pomiarem: Różne źródła danych, brakujące obserwacje lub niezgodne znaczniki czasu mogą zniekształcić obliczenie.
- Koszty i wdrożenie: Nawet jeśli ruchy na papierze są przeciwne, tarcia w świecie rzeczywistym mogą uniemożliwić kompensowanie.
To nie są rzadkie przypadki brzegowe; są to częste powody, dla których historyczna korelacja nie przekłada się na wiarygodne zachowanie w przyszłości.
Weryfikacja i kolejne pytanie
Aby odpowiedzialnie interpretować ujemną korelację, zweryfikuj ją przy użyciu tych samych założeń, które planujesz zastosować później:
- Przelicz korelację na wielu okresach nieprzecinających się, aby sprawdzić, czy znak i wartość są stabilne.
- Sprawdź wrażliwość na definicję stóp zwrotu (np. proste vs. log returns) oraz na okno czasowe.
- Przetestuj odporność na realistyczne tarcia, oceniając wyniki przy uwzględnieniu odpowiednich kosztów i założeń dotyczących timing realizacji.
Przydatnym kolejnym pytaniem jest: „Czy zależność pozostaje ujemna w różnych reżimach rynkowych i horyzontach czasowych, czy była ograniczona do konkretnego okresu historycznego?”