Resposta direta
A correlação entre pares pode parecer forte, fraca ou até mesmo oposta, dependendo do período de tempo que você usa. O período de tempo determina como os retornos são medidos, quais períodos de tempo são incluídos e se o cálculo mistura o comportamento de curto prazo com tendências de longo prazo ou mudanças de regime.
Mecanismo e definição
A correlação entre pares é uma medida estatística de como duas séries temporais se movem juntas. Em um contexto de forex, as pessoas normalmente a calculam a partir de um par de séries de retornos, como retornos para o par de moedas A e retornos para o par de moedas B.
A variável-chave é a janela de observação e o intervalo de amostragem:
- Frequência de amostragem: se você usa dados de minuto, hora, dia ou semana.
- Período de manutenção (agregação): quanto tempo cada etapa de retorno representa (por exemplo, um retorno de 1 dia vs. um retorno de 5 dias).
- Janela de estimação: quantos pontos de retorno passados você inclui ao estimar a correlação.
Quando você altera qualquer um desses, você altera a transformação de dados subjacente. Intervalos mais curtos enfatizam efeitos de microestrutura (como picos repentinos em torno de eventos específicos), enquanto intervalos mais longos podem fazer uma média deles. É por isso que os mesmos dois pares podem mostrar correlações diferentes em diferentes períodos de tempo.
Uma maneira útil de pensar sobre isso é a agregação de tempo: se dois pares se movem juntos apenas durante certos episódios (por exemplo, períodos de apetite por risco), um período de tempo longo que inclui outros episódios pode reduzir a correlação geral.
Cenário de exemplo: mudar o período de tempo altera a relação observada
Suponha que o par de moedas A e o par B às vezes se movem juntos durante um regime de mercado específico, mas em outros regimes eles se movem de forma independente.
- Se você calcular retornos usando um período de tempo curto (e uma janela de estimação que cobre principalmente esses episódios de “juntos”), a estimativa de correlação pode ser alta.
- Se você calcular retornos usando um período de tempo mais longo que também inclui regimes independentes, a estimativa pode cair porque o cálculo mistura comportamentos diferentes.
Mesmo que a história de longo prazo seja “sem co-movimento consistente”, você ainda pode observar uma correlação temporária em janelas mais curtas. Isso não é necessariamente uma contradição; reflete que a relação não é constante ao longo do tempo.
Outro efeito prático é a amostragem e sobreposição. Se você mudar de retornos diários para retornos semanais, cada etapa de retorno representa uma agregação diferente dos movimentos diários subjacentes. A agregação pode transformar muitos pequenos co-movimentos em um movimento conjunto mais suave, ou pode cancelá-los.
Limitações e modos de falha
Pelo menos uma limitação material é que a correlação é condicional a como você a mede. A correlação não é uma propriedade universal de dois pares de moedas; é uma estimativa baseada em um período de tempo específico, frequência de dados e janela de estimação.
Os modos de falha comuns incluem:
- Mistura de regimes: combinar períodos com dinâmicas de mercado diferentes leva a estimativas de correlação que não representam nenhum regime único.
- Não estacionariedade: a relação estatística pode mudar ao longo do tempo, então a correlação passada pode não corresponder ao futuro.
- Incerteza de estimação: janelas mais curtas produzem estimativas mais ruidosas; janelas mais longas reduzem o ruído, mas podem ocultar mudanças.
- Custos e execução: a capacidade real de agir sobre qualquer relação observada é afetada por spreads, comissões e qualidade de execução. A correlação calculada a partir de retornos “brutos” não inclui automaticamente esses atritos.
Essas limitações significam que a correlação pode mudar mesmo quando os impulsionadores econômicos subjacentes permanecem semelhantes, porque as escolhas de medição alteram o que a estatística captura.
Verificação e próxima pergunta
Para verificar seu entendimento de forma independente, faça o seguinte conceitualmente (sem assumir nenhum resultado específico):
- Escolha vários períodos de tempo (por exemplo, agregação de período de manutenção curto vs. longo).
- Calcule a correlação para cada período de tempo usando um intervalo de amostragem e uma janela de estimação claramente definidos.
- Verifique se a estimativa muda de direção ou magnitude e se isso coincide com diferentes episódios de mercado.
Uma boa próxima pergunta é: Quão sensível é sua estimativa de correlação ao intervalo de amostragem escolhido e ao comprimento da janela de estimação? Se a resposta for “muito”, então a relação observada provavelmente depende do período de tempo, em vez de ser estável.