Resposta direta
Volatilidade na Correlação de Pares significa que a relação entre duas séries temporais não é estável ao longo do tempo. Para medi-la, primeiro calcule a Correlação de Pares como uma correlação variável no tempo (por exemplo, usando uma janela móvel). Em seguida, meça o quanto essa correlação móvel em si flutua—usando estatísticas como o desvio padrão (ou outras medidas de dispersão) da série de correlação móvel.
Essa abordagem concentra-se na medição da mudança, não na previsão da direção futura.
Mecanismo ou definição
Comece com duas séries temporais alinhadas, por exemplo, retornos de dois instrumentos: xₜ e yₜ. A Correlação de Pares é geralmente definida como a correlação entre x e y em um período selecionado.
Para tornar a correlação variável no tempo, use uma janela móvel de comprimento W:
- Para cada tempo t, considere as últimas W observações {xₜ₋W+1…xₜ} e {yₜ₋W+1…yₜ}.
- Calcule a correlação nessa janela, produzindo uma sequência rₜ (a “Correlação de Pares móvel”).
Para medir a volatilidade nessa relação, calcule uma medida de segunda camada sobre {rₜ} em um período de avaliação mais longo:
- Volatilidade da correlação (dispersão): o desvio padrão dos valores de rₜ.
- Medidas alternativas de dispersão: intervalo interquartil (IQR) de rₜ, ou desvio absoluto médio.
- Perspectiva de mudança de regime (opcional): conte com que frequência rₜ cruza limites escolhidos pelo usuário (por exemplo, torna-se fortemente positivo/negativo), como uma forma descritiva de capturar a instabilidade.
Premissas principais devem ser explícitas:
- Você precisa de uma frequência de amostragem consistente (mesmo intervalo de tempo para ambas as séries).
- Você precisa de carimbos de data/hora alinhados (trate valores ausentes de forma consistente).
- Você deve escolher o que “retornos” ou mudanças significam (por exemplo, retornos logarítmicos vs. retornos simples) e aplicá-lo de forma consistente.
Evidência ou exemplo
Considere um exemplo simples com duas séries de retornos ao longo de N observações. Seja W o comprimento da janela móvel. Você calcula rₜ para cada t em que existe uma janela completa, obtendo um vetor de correlações móveis.
Agora suponha que você também calcule a volatilidade da correlação como o desvio padrão de rₜ ao longo do intervalo de avaliação. Se rₜ permanecer próximo de um único valor, o desvio padrão é pequeno, indicando um co-movimento relativamente estável. Se rₜ oscilar amplamente (mesmo que a correlação média seja próxima de zero), o desvio padrão é maior, indicando maior volatilidade na relação.
Você também pode comparar como os resultados mudam ao variar W:
- Um W mais curto pode reagir rapidamente a mudanças locais, mas pode ser mais ruidoso.
- Um W mais longo suaviza as mudanças, mas pode ocultar instabilidade de curta duração.
Limitações e riscos
- Sensibilidade ao tamanho da janela (modo de falha): A volatilidade medida depende fortemente de W. Diferentes valores de W podem levar a conclusões diferentes sobre “estabilidade”, especialmente quando as relações mudam.
- Correlação não é causalidade: Uma correlação em mudança não explica por que ela muda.
- Quebras de regime: Correlações são históricas. As relações podem mudar quando os regimes de mercado mudam, a liquidez se altera ou a natureza dos movimentos de preços muda.
- Qualidade dos dados e alinhamento: Dados ausentes, amostragem assíncrona e pré-processamento inconsistente (por exemplo, diferentes definições de retorno) podem criar volatilidade artificial na correlação.
- Não estacionariedade da variância: Se cada série tem volatilidade variável no tempo, as estimativas de correlação podem se tornar instáveis mesmo sem uma mudança significativa na estrutura de dependência subjacente.
Essas são razões para tratar a medição como descritiva e dependente do cenário.
Verificação ou próxima pergunta
Para verificar as escolhas de medição de forma independente:
- Recalcule a correlação móvel com pelo menos dois comprimentos de janela plausíveis e verifique se a conclusão sobre a volatilidade da correlação é qualitativamente semelhante.
- Confirme que as duas séries estão alinhadas na mesma grade de tempo e use uma única definição de retorno consistente.
- Examine a série temporal da correlação móvel rₜ diretamente (não apenas a volatilidade resumida) para distinguir deriva gradual de quebras abruptas.
Uma próxima pergunta útil é: Qual definição melhor corresponde à dependência que você considera relevante—correlação linear (Pearson) ou uma medida de dependência diferente que pode se comportar de forma distinta sob eventos extremos?