Bezpośrednia odpowiedź
Ujemna korelacja opisuje zależność, w której dwie wielkości zwykle poruszają się w przeciwnych kierunkach. W kontekście cen walut traderzy często omawiają korelację między stopami zwrotu (o ile zmieniają się ceny), a nie między samymi poziomami cen. Przykład liczbowy może wyjaśnić tę ideę, używając prostych liczb i podając założenia.
Mechanizm i definicja
Załóż, że obserwujesz dwa szeregi czasowe, A i B, i obliczasz stopy zwrotu dla każdego okresu (na przykład zmiany procentowe). Typowym podsumowaniem statystycznym jest korelacja, która mierzy, czy ruchy idą razem:
- Dodatnia korelacja: gdy A rośnie, B zwykle też rośnie.
- Ujemna korelacja: gdy A rośnie, B zwykle spada i odwrotnie.
Bardziej bezpośrednim elementem budulcowym jest kowariancja. Jeśli iloczyn odchyleń od ich średnich jest w większości ujemny, kowariancja i korelacja zwykle są ujemne. Chodzi tu o wspólne wzorce ruchu w wybranym oknie czasowym.
Dowód na przykładzie liczbowym (wszystkie założenia podane)
Utworzymy mały, fikcyjny zestaw danych z czytelnymi założeniami:
Założenia
- Używamy stóp zwrotu, a nie surowych cen.
- Stopy zwrotu są liczone na podstawie cen close-to-close (to, jak dokładnie, nie jest ważne dla logiki korelacji).
- Używamy pięciu okresów o równej długości.
- Liczby poniżej są hipotetyczne i dobrane tak, by pokazać mechanizm.
Dane (stopy zwrotu na okres, w procentach)
- Stopy zwrotu serii A: +1, +2, +1, 0, −1
- Stopy zwrotu serii B: −1, −2, −1, 0, +1
Krok 1: Obliczanie średnich
- Średnia(A) = (1 + 2 + 1 + 0 − 1) / 5 = 3/5 = 0.6
- Średnia(B) = (−1 − 2 − 1 + 0 + 1) / 5 = −3/5 = −0.6
Krok 2: Obliczanie odchyleń i iloczynów Dla każdego okresu oblicz (A−avgA) i (B−avgB), a następnie pomnóż:
- Okres 1: (1−0.6)=0.4, (−1−(−0.6))=−0.4 → iloczyn = −0.16
- Okres 2: (2−0.6)=1.4, (−2−(−0.6))=−1.4 → iloczyn = −1.96
- Okres 3: (1−0.6)=0.4, (−1−(−0.6))=−0.4 → iloczyn = −0.16
- Okres 4: (0−0.6)=−0.6, (0−(−0.6))=+0.6 → iloczyn = −0.36
- Okres 5: (−1−0.6)=−1.6, (1−(−0.6))=+1.6 → iloczyn = −2.56
Wszystkie iloczyny są ujemne, więc kowariancja jest ujemna.
Krok 3: Interpretacja korelacji Ponieważ odchylenia A są w większości przeciwne co do znaku odchyleń B, a iloczyny są konsekwentnie ujemne, korelacja w tym skonstruowanym zestawie danych jest ujemna.
Istotne ograniczenie dla tego przykładu Ten zestaw danych jest symetryczny z założenia (Seria B odbija Serię A z przeciwnym znakiem). W prawdziwych relacjach rzadko utrzymuje się taką dokładną symetrię: korelacja może słabnąć, zmieniać znak lub stawać się niestabilna, gdy zmienia się reżim rynkowy.
Ograniczenia i ryzyka (co może zerwać ujemną korelację)
- Zależność od okna i próbkowania: Korelacja zależy od wybranego okresu i sposobu liczenia stóp zwrotu. Użycie różnych okien może dać różne wyniki.
- Zmiany reżimu: Zależności, które wyglądają na ujemnie skorelowane w jednym środowisku, mogą przesuwać się w stronę zera, a nawet dodatniej korelacji w innym.
- Realizacja i koszty: Jeśli zastosujesz tę koncepcję do handlu lub hedgingu, koszty i różnice w czasie mogą zmienić faktyczne współruchy w porównaniu z tym, co sugeruje obliczenie statystyczne.
- Niestacjonarność: Dynamika walut może być dotknięta przez zmieniające się oczekiwania, warunki płynności i wydarzenia makro; mogą one zmienić wspólne zachowanie.
- Małe próby: Przy niewielu okresach estymacje korelacji mogą być myląco silne. Więcej danych może zmniejszyć ryzyko nadmiernej interpretacji szumu.
Weryfikacja i kolejne pytanie
Aby niezależnie zweryfikować ujemną korelację, jasno określ:
- co traktujesz jako dwie zmienne (np. stopy zwrotu dwóch instrumentów),
- metodę liczenia stóp zwrotu,
- okno czasowe i częstotliwość,
- oraz statystykę (korelacja, kowariancja lub wzorzec w rozrzucie).
Następnie sprawdź, czy wspólne ruchy konsekwentnie pokazują zachowanie w przeciwnych kierunkach w wielu oknach. Jeśli chcesz, podaj mi dokładnie dwie porównywane serie stóp zwrotu (w ujęciu abstrakcyjnym) oraz liczbę okresów, a pomogę Ci przygotować obliczenia na podstawie Twoich danych.