Jakie dane są potrzebne do oceny dodatniej korelacji?

Definicja i główna idea

Dodatnia korelacja oznacza, że dwie zmienne mają tendencję do poruszania się w tym samym kierunku w badanym okresie. W finansach zmiennymi są często stopy zwrotu (o ile zmienia się kurs wymiany), a nie surowy poziom ceny. Dodatnia korelacja nie oznacza, że jedna zmienna powoduje drugą; opisuje ona jedynie współzmienność przy wybranym przygotowaniu danych i oknie czasowym.

Aby „ocenić” dodatnią korelację, potrzebujesz wystarczającej ilości informacji, aby (1) odtworzyć transformację danych i (2) obliczyć wybraną statystykę korelacji. Musisz również udokumentować założenia, które wpływają na wynik.

Dane, których potrzebujesz: co zebrać

1) Dwa szeregi czasowe (lub więcej)

Potrzebujesz historycznych wartości dla dwóch zmiennych, które planujesz porównać. W kontekście walutowym oznacza to zazwyczaj dwa szeregi kursów wymiany lub, częściej, dwa szeregi stóp zwrotu z nich wyprowadzone.

Wybór materiału: zdecyduj, czy porównujesz:

• Stopy zwrotu obliczone z każdego kursu wymiany (częste), czy
• Poziomy bezpośrednio (mniej stabilne, często bardziej mylące).

Jeśli Twoim celem jest „dodatnia korelacja” w rozumieniu powszechnie używanym w dyskusjach o ryzyku, stopy zwrotu są zwykle bardziej interpretowalnym wejściem, ponieważ poziomy kursów wymiany mogą dryfować nawet przy słabej współzmienności.

2) Spójna częstotliwość próbkowania i znaczniki czasu

Potrzebujesz dokładnej częstotliwości (na przykład godzinowej, dziennej lub innego interwału) oraz spójnej konwencji znaczników czasu. Niedopasowane próbkowanie może stworzyć sztuczną korelację lub zniszczyć rzeczywistą współzmienność.

Zapisz założenia, takie jak:

• Obsługa stref czasowych (jak interpretowane są znaczniki czasu)
• Czy wyrównujesz według czasu zegarowego, czy według czasu zamknięcia świecy
• Jak traktowane są weekendy/święta lub luki w notowaniach

3) Okno obliczeniowe

Korelacja zależy od przedziału czasu. Potrzebujesz:

• Daty początkowej i końcowej
• Rozmiaru okna kroczącego lub stałego (jeśli powtarzasz obliczenia)

Udokumentuj, czy używasz pojedynczego okna dla jednego oszacowania, czy wielu okien do kontroli stabilności.

4) Definicja stopy zwrotu (założenia dla każdego obliczenia)

Wybierz formułę stopy zwrotu i podaj ją. Typowe opcje obejmują:

• Stopy zwrotu proste (zmiana procentowa)
• Stopy zwrotu logarytmiczne (logarytm naturalny ilorazu)

Określ również, czy używasz surowych, czy skorygowanych szeregów (na przykład działania korporacyjne zwykle nie są istotne dla kursów wymiany, ale dostawcy danych mogą stosować przetwarzanie).

Pochodzenie i aktualność: skąd powinny pochodzić dane

5) Źródło danych i metoda

Użyj jednego, udokumentowanego źródła dla każdego szeregu czasowego. Pochodzenie oznacza, że możesz odpowiedzieć na pytania:

• Kto wyprodukował dane?
• Jak zostały zmierzone lub zagregowane?
• Jakie identyfikatory szeregów zostały użyte?

Jeśli szeregi pochodzą od różnych dostawców, potwierdź, że ich definicje (czas wyceny, konwencje i transformacje) są zgodne; w przeciwnym razie korelacja może odzwierciedlać niespójne przetwarzanie danych.

6) Aktualność i odtwarzalność

Ponieważ analiza historyczna ma charakter retrospektywny, „aktualność” oznacza głównie odtwarzalność: powinieneś zachować migawkę zbioru danych (lub przynajmniej datę ekstrakcji i dokładną metodę pobrania). W celu niezależnej weryfikacji inni powinni być w stanie powtórzyć te same kroki.

Kontrole jakości: weryfikacja danych przed obliczeniem korelacji

7) Brakujące wartości i wybory dotyczące czyszczenia danych

Korelacja jest wrażliwa na luki i sposób obsługi wartości odstających. Powinieneś zanotować:

• Jak traktowane są brakujące obserwacje (usuwane, uzupełniane lub interpolowane)
• Obsługa wartości odstających (czy stosujesz winsoryzację, usuwasz punkty, czy zachowujesz wszystko)

Bądź ostrożny: niektóre czyszczenie może sztucznie zwiększyć korelację, usuwając okresy, w których współzmienność się załamuje.

8) Stacjonarność i zmiany reżimu (istotne ograniczenie)

Korelacja nie jest gwarantowana jako stabilna. Zależności walutowe mogą się zmieniać w różnych reżimach zmienności, podczas wydarzeń makroekonomicznych lub zmian struktury rynku. Wynik, który wygląda na „dodatni” w jednym okresie, może osłabnąć lub odwrócić się w innym.

To kluczowy tryb awarii: pojedyncza liczba korelacji może być migawką, a nie trwałą właściwością.

9) Dane niesynchroniczne (kolejne ograniczenie)

Jeśli jeden szereg efektywnie „reaguje” wcześniej lub później niż drugi, prosta korelacja na wyrównanych znacznikach czasu może zaniżać lub błędnie charakteryzować współzmienność. Oceń, czy założenia synchronizacji są rozsądne dla wybranej częstotliwości próbkowania.

Dowody i przykład: jak obliczyć korelację z potrzebnych danych

Odtwarzalna procedura wymaga następujących danych wejściowych i decyzji:

1. Dwa szeregi kursów wymiany dla tych samych dat i tej samej częstotliwości próbkowania.
2. Definicja stopy zwrotu (prosta lub logarytmiczna) zastosowana identycznie do obu.
3. Okno (daty początkowe/końcowe) i zasada dotycząca brakujących danych.
4. Metoda korelacji.

Metody korelacji obejmują powszechnie korelację Pearsona (liniowa współzmienność) lub alternatywy oparte na rangach (współzmienność w porządku).