Resposta direta
A correlação positiva entre dois retornos de moedas não é uma propriedade fixa das próprias moedas. É uma relação medida que depende do timeframe que você usa para observar os retornos e, indiretamente, do timeframe implícito pelo seu período de manutenção. Quando você muda o comprimento da janela de observação (por exemplo, minutos vs dias), muitas vezes você muda a parcela do comportamento do mercado que captura — ruído, dinâmicas de curto prazo ou fatores que se movem mais lentamente — então a correlação medida pode variar de forma perceptível.
Mecanismo e definição
Correlação positiva significa que, em um período definido, as duas séries de retornos tendem a se mover na mesma direção com mais frequência do que seria esperado ao acaso. Na prática, “correlação” geralmente se refere ao coeficiente de correlação calculado a partir dos retornos em uma amostra de tempos.
O timeframe pode afetar o resultado de duas maneiras principais:
- O que você inclui nos dados (janela de observação): Uma janela curta normalmente inclui mudanças de preço mais abruptas e efeitos temporários. Uma janela mais longa agrega muitos eventos, fazendo com que a relação reflita uma co-movimentação mais persistente.
- Como você modela o horizonte de retorno: Se seu período de manutenção é mais longo, os retornos relevantes são somas sobre mais intervalos. Mesmo que você calcule a correlação usando a mesma frequência de amostragem, usar retornos de horizonte mais longo muda as entradas.
Esse é um efeito estatístico geral: estimativas de correlação são sensíveis à amostra usada, e as relações entre retornos de moedas não são garantidas como estáveis ao longo do tempo.
Exemplo: mudando a janela de observação
Considere uma configuração simplificada com duas séries temporais de retornos, em que ambas as séries são influenciadas por (a) um fator comum mais lento e (b) choques independentes de curta duração.
- Observação com timeframe curto: Os choques independentes representam uma parcela maior da variação total, aumentando a aleatoriedade. Isso pode enfraquecer a correlação medida ou fazer com que ela inverta o sinal em algumas janelas.
- Observação com timeframe longo: Os choques de curta duração se cancelam parcialmente quando os retornos são agregados em muitos intervalos, enquanto o fator comum mais lento continua movendo ambas as séries juntas. A correlação positiva medida pode se fortalecer.
No entanto, o oposto também pode acontecer. Se o fator comum for temporário ou dependente de regime, estender o timeframe pode misturar múltiplos regimes e reduzir a correlação.
Limitações e modos de falha
Principais limitações a ter em mente:
-
Não-estacionariedade (mudanças de regime): A relação pode mudar ao longo do tempo. Um timeframe que abrange diferentes regimes pode produzir uma “média” de correlação enganosa.
-
Domínio do ruído em horizontes curtos: Em intervalos muito curtos, efeitos de microestrutura e atualizações irregulares de preço podem contribuir com uma variabilidade substancial, tornando as estimativas de correlação instáveis.
-
Amostragem incompatível e tratamento de dados: Observações ausentes, cobertura de sessões de negociação diferentes ou carimbos de data/hora inconsistentes podem distorcer os retornos e, portanto, a correlação.
-
Custos e fricções de execução (indiretamente): Embora a correlação seja calculada a partir de dados de preço, os resultados reais de qualquer estratégia dependem de spreads, taxas e qualidade de execução. Esses fatores podem mudar a forma como uma relação importa na prática.
-
Correlação histórica ≠ correlação futura: Mesmo que a correlação positiva apareça em um timeframe, isso não garante que a mesma relação se manterá mais tarde.
Verificação e próxima pergunta
Uma forma de verificar de maneira independente a sensibilidade ao timeframe é recalcular a correlação em múltiplas janelas de observação e horizontes usando as mesmas regras de limpeza de dados. Procure padrões como: correlação se fortalecendo com janelas mais longas, correlação invertendo entre regimes, ou correlação permanecendo consistentemente positiva.
Uma próxima pergunta útil não é apenas “A correlação é positiva?” mas também “Ela é robusta em janelas de tempo e horizontes de retorno razoáveis?” Se a resposta mudar de forma substancial ao variar o timeframe, então a correlação positiva observada provavelmente é impulsionada por dinâmicas de curta duração, e não por uma co-movimentação estável.
DOCUMENT END