Zdefiniuj dodatnią korelację (i to, czego nie gwarantuje)
Dodatnia korelacja oznacza, że w wybranym okresie dwie zmienne mają tendencję do poruszania się w tym samym kierunku: gdy jedna ma tendencję do wzrostu, druga również ma tendencję do wzrostu (lub spada mniej, gdy pierwsza spada). W analizie walutowej „zmiennymi” mogą być stopy zwrotu dwóch par walutowych albo stopy zwrotu składników używanych do obliczania ekspozycji.
Ograniczenie zaczyna się od oczekiwań: korelacja opisuje współruch w danych historycznych, na podstawie których ją mierzymy. Nie gwarantuje, że zależność utrzyma się w przyszłości, i nie zapewnia, że zyski w jednym rynku przełożą się na zyski w innym. Korelacja nie jest też tym samym co przyczynowość; wspólne czynniki mogą tworzyć współruch, ale czynniki te mogą się zmieniać.
Jak dodatnia korelacja działa w praktyce
Korelacja jest zwykle obliczana na podstawie szeregu czasowego stóp zwrotu z wybranego okna obserwacji (na przykład dziennych lub śróddziennych stóp zwrotu). Część „dodatnia” zależy od kierunku współruchu, natomiast „siła” zależy od tego, jak ściśle oba szeregi poruszają się razem w tym oknie.
Kluczowe mechanizmy wpływające na wynik:
- Okno pomiaru: Zależność zmierzona w jednym okresie może różnić się od zależności zmierzonej w innym.
- Definicja stopy zwrotu: Użycie prostych stóp zwrotu vs logarytmicznych stóp zwrotu albo zastosowanie różnych interwałów próbkowania może zmienić obliczoną korelację.
- Jakość danych i synchronizacja: Jeśli szeregi nie są wyrównane w czasie albo opierają się na nieco innych konwencjach wyceny, estymacja może zostać zniekształcona.
Ponieważ te dane wejściowe są wybierane, wynik jest uwarunkowany tym, jak obliczyłeś korelację.
Dowody i przykłady, gdzie korelacja się załamuje
Typowym trybem awarii jest zmiana reżimu. Na przykład, jeśli zmieniają się wiadomości makro, nastroje ryzyka lub oczekiwania wobec banków centralnych, główne czynniki stojące za dwiema walutami mogą przestać być wspólne. W takich przypadkach historyczna dodatnia korelacja może osłabnąć, a nawet zmienić znak.
Innym trybem awarii jest niestacjonarność: statystyczne właściwości stóp zwrotu z rynków finansowych nie są stałe w czasie. Korelacja może więc dryfować, nawet jeśli każda para walutowa zachowuje się „normalnie” w krótkim terminie.
Trzecim problemem są ukryte różnice w ekspozycji. Dwie pary walutowe mogą wyglądać na dodatnio skorelowane, ponieważ reagują podobnie na czynnik ryzyka (taki jak szerokie nastroje „risk-on/risk-off”), ale nadal mogą się rozchodzić, gdy zdarzenia specyficzne dla jednej waluty uderzą mocniej niż w drugą.
Istotne ograniczenia i ryzyka, które warto zrozumieć
1) Historyczna zależność nie ustanawia przyszłych wyników
Korelacja jest z definicji spojrzeniem wstecz. Nawet jeśli dwie pary były w przeszłości dodatnio skorelowane, przyszły współruch może się różnić z powodu zmieniających się czynników, struktury zmienności i zachowania uczestników rynku.
2) Korelacja może być wrażliwa na założenia
Estymacja zależy od decyzji metodologicznych: długości okna obserwacji, częstotliwości próbkowania, sposobu liczenia stóp zwrotu oraz tego, czy dane są korygowane pod kątem konwencji rynkowych. Dwóch analityków stosujących różne okna może przedstawić różne wnioski dotyczące „dodatniej korelacji”.
3) Korelacja nie modeluje kosztów transakcyjnych i realizacji
Rzeczywistość dodaje tarcia: spready bid-ask, prowizje, poślizg i timing. Czynniki te mogą sprawić, że teoretyczna zależność współruchu przełoży się na inne, faktycznie zrealizowane rezultaty. Korelacja jest obliczana na podstawie obserwowanych cen, ale nie uwzględnia automatycznie kosztów zamiany wzorca współruchu na konkretny zestaw działań.
4) Korelacja nie jest miarą ryzyka
Wysoka dodatnia korelacja może zmniejszać korzyści dywersyfikacji, ale sama w sobie nie kwantyfikuje ryzyka obsunięcia (drawdown) ani ryzyka ogonowego. Dwa aktywa poruszające się razem mogą nadal mieć różne poziomy zmienności i różne zachowanie w warunkach stresu.
Jak niezależnie zweryfikować koncepcję (bez zakładania predykcyjności)
Aby zweryfikować, co „dodatnia korelacja” oznacza dla Twojego konkretnego zastosowania, traktuj ją jako test empiryczny z jasnymi granicami:
- Wybierz okno czasowe i interwał próbkowania.
- Oblicz stopy zwrotu spójną metodą.
- Sprawdź, czy znak i siła korelacji pozostają podobne w wielu okresach nieprzecinających się.
- Porównaj wyniki przy alternatywnych długościach okna (krótkie vs długie), aby zobaczyć, jak stabilna jest zależność.
- Przetestuj wrażliwość na wyrównanie danych i definicje.
Jeśli korelacja jest stabilna w rozsądnych wariantach, może być użytecznym wejściem opisowym. Jeśli zmienia się często, ograniczeniem jest to, że nie powinieneś oczekiwać utrzymywania się współruchu.
Następne pytanie, które warto zadać
Praktycznym uzupełnieniem jest: jaki czynnik bazowy (jeśli w ogóle jakiś) napędza współruch i jak prawdopodobne jest, że się zmieni?