如何衡量货币对相关性中的波动性？
直接回答
货币对相关性中的波动性意味着两个时间序列之间的关系随时间不稳定。要衡量这种波动性，首先将货币对相关性计算为一个时变相关性（例如，使用滚动窗口法）。然后，通过统计滚动相关性序列本身的波动程度来衡量其波动性，例如使用滚动相关性序列的标准差（或其他离散度量）。
该方法关注的是变化的度量，而非对未来方向的预测。
机制或定义
从两个对齐的时间序列开始，例如两个金融工具的收益率：xₜ 和 yₜ。货币对相关性通常定义为在选定时间段内 x 和 y 之间的相关性。
为了使相关性具有时变性，使用长度为 W 的滚动窗口：
- 对每个时间点 t，取最近的 W 个观测值 {xₜ₋W+1…xₜ} 和 {yₜ₋W+1…yₜ}。
- 在该窗口上计算相关性，生成序列 rₜ（即“滚动货币对相关性”）。
为了衡量该关系中的波动性，在更长的评估期内对 {rₜ} 计算第二层度量：
- 相关性波动性（离散度）： rₜ 值序列的标准差。
- 替代离散度量： rₜ 的四分位距（IQR）或平均绝对偏差。
- 机制变化视角（可选）： 统计 rₜ 超过用户设定阈值的次数（例如，变为强正相关或强负相关），作为描述不稳定性的方法。
必须明确以下关键假设：
- 需要一致的采样频率（两个序列使用相同的时间步长）。
- 需要对齐的时间戳（一致地处理缺失值）。
- 必须明确“收益率”或变化的定义（例如，对数收益率 vs 简单收益率），并保持一致应用。
证据或示例
考虑一个包含两个收益率序列的简单示例，共 N 个观测值。设 W 为滚动窗口长度。对每个存在完整窗口的 t 计算 rₜ，得到一组滚动相关性值。
现在假设你进一步计算相关性波动性，即在评估区间内 rₜ 的标准差。如果 rₜ 接近某个固定值，则标准差较小，表明联动性相对稳定。如果 rₜ 大幅波动（即使平均相关性接近零），标准差较大，表明关系波动性更高。
你也可以比较不同 W 值下的结果变化：
- 较短的 W 对局部变化反应更快，但可能更嘈杂。
- 较长的 W 使变化更平滑，但可能掩盖短暂的不稳定性。
局限性和风险
- 窗口大小敏感性（失效模式）： 测量结果强烈依赖于 W。不同的 W 值可能导致关于“稳定性”的不同结论，尤其是在关系发生转变时。
- 相关性不等于因果性： 相关性变化不能解释其变化原因。
- 机制突变： 相关性基于历史数据。当市场机制、流动性或价格变动性质发生变化时，相关性关系可能改变。
- 数据和对齐质量： 缺失数据、异步采样和不一致的预处理（例如，不同的收益率定义）可能人为制造相关性波动。
- 方差非平稳性： 如果每个序列的波动性随时间变化，即使底层依赖结构无实质变化，相关性估计也可能变得不稳定。
这些原因表明，应将该度量视为描述性且依赖于具体情境的。
验证或下一个问题
为独立验证测量选择：
- 使用至少两个合理的窗口长度重新计算滚动相关性，检查“相关性波动性”的结论是否定性一致。
- 确认两个序列对齐到同一时间网格，并使用统一的收益率定义。
- 直接检查滚动相关性时间序列 rₜ（而不仅是汇总的波动性），以区分渐进漂移与突变断裂。
一个有用的后续问题是：哪种定义最符合你关心的依赖关系——线性相关性（皮尔逊）还是在尾部事件下表现不同的其他依赖度量？