如何验证货币对相关性的信息？
直接答案
货币对相关性信息可通过以下方式验证：(1) 明确定义该概念背后的具体输入项，(2) 使用相同的公式和数据处理方法从这些输入项中重现计算结果，(3) 检查结果在合理替代假设下的稳定性。由于汇率变动之间的关系会随市场状态变化而改变，验证应侧重于可重现性和敏感性，而非预测准确性的承诺。
机制与定义
货币对相关性是一种衡量两组收益率在一段时间内如何共同变动的方法。要验证任何关于它的说法，你必须首先明确“收益率”和“时间段”的具体含义。
输入项的典型验证清单：
- 数据：对两个资产使用相同的底层价格序列（例如，即期价格或其他一致的价格定义）。
- 收益率定义：确定收益率是按简单差值、百分比变化还是对数收益率计算，并在整个过程中保持一致。
- 时间对齐：确保两个序列具有相同的时间戳，或被重采样到相同的频率。
- 窗口：选择滚动窗口长度（例如，固定数量的观测值）。相关性取决于窗口长度。
- 样本处理：以可记录的方式处理缺失数据（同时删除、前向填充或其他方法），因为相关性可能因此而改变。
为重现计算，请验证该方法是否使用了两个收益率序列的相关性。相关性值是无量纲的，范围通常在 -1 到 +1 之间，其中符号表示共同变动的方向，大小表示相对于随机性的联动紧密程度。
可重现的证据或示例
一种可重现的验证方法（无需实时数据）：
- 选择特定时间范围和频率（例如，每日收盘价）。明确说明此范围。
- 计算收益率：对两个货币对使用相同的收益率定义。
- 对齐序列：按时间戳对齐，使每个观测索引对应两个货币对的同一时间点。
- 运行相关性计算：使用相关性公式对两个收益率向量进行计算（例如，通过电子表格、统计软件或简短脚本）。
- 通过重复步骤验证：使用另一工具（如电子表格与Python）重复相同步骤，确认数值一致。
独立检查任何报告的货币对相关性值是否由隐藏选择引起，例如不同的收益率类型、滚动窗口大小或数据预处理方式。如果两个来源结果不一致，应视为假设不同所致，而非可在不了解假设情况下“修正”的错误。
局限性与失效模式
即使相关性计算在选定窗口内是正确的，以下局限性仍可能导致信息误导：
- 非平稳性：当市场状态变化时（例如波动率变化或事件驱动的走势），相关性可能改变。
- 窗口敏感性：在某一窗口长度下计算的值，在使用更短或更长窗口时可能不再成立。
- 变换敏感性：使用对数收益率 vs. 百分比收益率，或差值 vs. 百分比变化，可能导致相关性不同。
- 方向与构成效应：货币对可能由基础成分构成；相关性可能反映共同驱动因素，而非持久关系。
- 成本与执行：价格或收益率的相关性未包含交易成本、滑点或执行限制，这些可能显著影响实际结果。
这些失效模式意味着验证应包括敏感性检查，并明确说明所做假设。
验证步骤及后续提问
为独立验证货币对相关性信息：
- 提取假设：询问使用了哪些数据序列、收益率类型、时间频率和窗口长度。
- 重现预处理：重新计算收益率，对齐时间戳，并记录缺失值处理方式。
- 重新计算相关性：使用相同方法重新计算。
- 进行敏感性测试：使用相近的窗口长度和另一种合理但不同的收益率定义重新运行；注意结果是否发生实质性变化。
- 区分事实与解释：将计算出的相关性视为所选时间段的描述性指标，而非对未来行为的预期。
如果你想进一步深入，下一个验证问题不应是“相关性是否高”，而应是“它在合理定义和窗口下的稳定性如何”，以及“哪些市场状态变化与相关性变动同时发生？”