Jakie dane są potrzebne do oceny ujemnej korelacji na rynku Forex?

Bezpośrednia odpowiedź: jakie dane są potrzebne

Aby ocenić ujemną korelację między dwoma ekspozycjami na rynku Forex, potrzebujesz porównywalnych danych w postaci szeregów czasowych oraz jasnego sposobu obliczeń. W praktyce oznacza to:

Dwa szeregi czasowe wyrównane w czasie, które reprezentują te same ekspozycje ekonomiczne (na przykład kursy walutowe lub wyprowadzone zwroty dla każdej nogi walutowej).
Określoną transformację (zwykle zwroty, a nie surowe ceny) oraz określoną częstotliwość (minuty, godziny, dni).
Zdefiniowane okno kroczące lub stałe w czasie, które odpowiada horyzontowi, który chcesz ocenić.
Wystarczającą ilość metadanych, aby ocenić pochodzenie i jakość (źródło, zasady próbkowania, obsługa strefy czasowej oraz to, czy notowania są bid/ask/mid).
Powtarzalną metodę, aby zweryfikować, czy „ujemna korelacja” pozostaje ujemna po oczyszczeniu danych i w wielu oknach czasowych.

Mechanika: czego w praktyce wymaga „ujemna korelacja”

Ujemna korelacja to miara zależności wskazująca, że ruchy zwykle zachodzą w przeciwnych kierunkach. W analizie Forex korelacja nie dotyczy tego, że „waluty zawsze poruszają się w przeciwnych stronach”; chodzi o to, jak dwa szeregi współporuszają się w wybranym okresie i przy danej definicji danych.

Minimalne dane wejściowe to:

Reprezentacja ekspozycji

Zdecyduj, co korelujesz. Typowe wybory to zmiany kursów walutowych (z użyciem szeregu kursów) albo ekspozycje podobne do portfelowych (które mogą wymagać spójnych zasad przeliczeń).
Jeśli porównujesz dwie pary walutowe, upewnij się, że ekspozycje są naprawdę porównywalne. Na przykład korelacja może się odwrócić, jeśli przypadkowo odwrócisz definicję jednej stopy kursowej bez odpowiedniej korekty transformacji.

Wyrównanie w czasie i próbkowanie

Używaj pasujących znaczników czasu. Jeśli jeden szereg jest rejestrowany w innej częstotliwości lub w innej strefie czasowej, korelacja odzwierciedli artefakty danych.
Jeśli przeliczysz (resamplujesz), zastosuj tę samą regułę resamplowania do obu szeregów (np. wartości na koniec okresu), aby obliczone współporuszanie miało sens.

Transformacja i okno

Używaj spójnej metody, aby przekształcić ceny w serię ruchu. Wiele analiz wykorzystuje zwroty, ponieważ normalizują skalę i ułatwiają porównania między różnymi poziomami cen.
Wybierz stałe okno (jedno oszacowanie) lub okna kroczące (widok stabilności). „Długość okna” jest częścią tezy; korelacja z okna 30-dniowego nie jest taka sama jak z okna 3-miesięcznego.

Wynik statystyczny i znak

Oblicz współczynnik korelacji, używając dokładnie wybranej transformacji danych.
„Ujemna korelacja” to warunek znaku (poniżej zera), ale powinieneś też zapisać wielkość (magnitude) i niepewność, aby odróżnić słabe ujemne skojarzenie od silnego.

Dowód lub przykład: samowystarczalna checklista do oceny

Ponieważ tutaj nie zakłada się dostępu do bieżących danych rynkowych, potraktuj poniższy zestaw jako procedurę weryfikacji, którą możesz zastosować do własnego zbioru danych.

Przykładowa konfiguracja (założeniowa):

Zakładaj, że masz dwa szeregi kursów wymiany, A i B, próbkowane z tą samą częstotliwością i z konsekwentnymi znacznikami czasu.
Zakładaj, że przeliczasz każdy szereg na zwroty według tego samego wzoru i częstotliwości.
Oblicz korelację w zdefiniowanym oknie (np. dla zestawu kolejnych zwrotów).

Kontrole dowodowe (co potwierdzić w danych i metodzie):

Pochodzenie: potwierdź, że dostawca/źródło danych dla obu szeregów jest udokumentowane oraz że szeregi mają spójne definicje.
Aktualność: potwierdź, że nie mieszasz aktualizacji z różnych rewizji ani nie stosujesz wypełnień, które w sposób niejawny „zagłębiają się” w przyszłe dane.
Jakość: potwierdź, że brakujące wartości, wartości odstające i przerwy w handlu są obsługiwane konsekwentnie dla obu szeregów.
Odtwarzalność: zapisz dokładne reguły transformacji, reguły resamplowania i granice okna, aby ktoś inny mógł odtworzyć Twoją korelację.

Proste kryterium „dowodu, że zrobiłeś to poprawnie” (jasne, ale nieoptymistyczne):

Jeśli korelacja pozostaje ujemna w wielu nieprzecinających się oknach i nie jest napędzana przez niewielką liczbę niespójności znaczników czasu ani wyczyszczonych anomalii, Twoja ocena jest bardziej wiarygodna niż wynik z jednego okna.

Ograniczenia i ryzyka: typowe tryby awarii

Kilka problemów może sprawić, że ujemna korelacja będzie wyglądać na pojawiającą się lub znikającą z powodów niezwiązanych ze stabilną zależnością.

Zmiany reżimu Dynamika rynku może się przełączać. Zależność, która wygląda na ujemną w jednym okresie, może osłabnąć się lub odwrócić później.
Błędy definicji danych Korelacja jest wrażliwa na:

To, czy użyłeś cen czy zwrotów.
To, czy jeden szereg był odwrócony lub przekształcony inaczej.
To, czy znaczniki czasu zostały poprawnie wyrównane.

Wrażliwość na długość okna Różne długości okien mogą dawać różne znaki i wielkości korelacji. Pojedyncze oszacowanie nie ustanawia trwałości.
Koszty i efekty realizacji zleceń Korelacja na cenach mid/last może nie odpowiadać zrealizowanym wynikom transakcji, gdy uwzględnisz spread, poślizg i ograniczenia realizacji. Nawet jeśli statystyczne skojarzenie jest ujemne, zrealizowane współporuszanie może się różnić.

DOCUMENT END