评估货币对相关性需要哪些数据？
评估货币对相关性需要哪些数据
货币对相关性（通常通过两个收益率序列之间的相关系数来实现）用于比较两种资产在选定时间窗口和采样频率下如何共同变动。为了准确且独立地评估相关性，您需要可靠的时序数据，以及关于“收益率”如何构建和统计如何计算的明确选择。
数据输入及其含义
- 两个对齐的价格序列：您需要所要比较的两种金融工具的历史价格（例如，两个货币对）。关键在于时间戳必须匹配，或可重采样至统一的时间网格。
- 具有明确来源记录的报价源：使用可描述的来源（如交易所行情、经纪商行情或数据供应商），并确认两个序列使用相同的来源。即使针对相似的基础市场，不同行情源之间也可能存在差异。
- 收益率定义：相关性取决于您所采用的序列类型。常见选择包括从连续价格计算得出的对数收益率或百分比回报率。您必须明确说明所使用的类型。
- 采样频率：相关性随时间粒度（分钟、小时、日）而变化。您需要指定频率，以及是否使用原始观测值或聚合K线。
- 滚动窗口或全样本规则：决定是计算整个历史的单一相关性，还是滚动估计。滚动方法需要设定窗口长度和步长。
机制：检查项如何协同工作
要计算货币对相关性，通常需要：
- 使用相同的公式和时间网格，将每个价格序列转换为收益率序列。
- 一致地处理缺失值（例如，删除任一序列缺失的时段，或进行重采样——但不要混合不一致的规则）。
- 在重叠的收益率观测值上计算相关性统计量。
为使结果可验证，请记录完整的“配方”：
- 精确的时间范围（开始/结束日期）
- 频率（例如每日收盘）
- 收益率公式（对数 vs 百分比）
- 窗口长度及是否滚动
- 缺失数据处理规则以及时区处理方式
实证或示例设置（必须声明的假设）
一个最小且可自检的设置可能包括：
- 从同一类总体数据源收集两个价格序列。
- 将两者重采样至相同频率（例如，使用相同的日历惯例的周期末价格）。
- 对每个序列计算从 t-1 到 t 的对数收益率。
- 在固定窗口内估计相关性（例如，对所选整个范围使用单一窗口）。
假设至关重要：如果一个序列实际上存在延迟、四舍五入，或交易时间不同，则对齐可能偏差几个周期。即使两个序列在图表上看起来相似，这也会显著影响计算出的相关性。
局限性与失效模式
- 非平稳性（变化的关系）：相关性不是永久属性。它可能随市场状态、波动条件和结构性变化而变化。
- 样本依赖性与过拟合：基于历史数据估计的相关性可能无法持续。不同的窗口长度可能产生不同的结果。
- 对齐和时区错误：如果时间戳未一致转换（或一个序列使用不同的交易时段截止点），则收益率配对将不匹配。
- 对预处理的敏感性：相关性可能因异常值处理、缺失数据处理方式，或使用价格、中间价还是收盘价而变化。
- 未包含成本与执行因素：相关性是数据中的统计关系；它不包括交易成本、点差、滑点或执行时机。
验证与下一个应提出的问题
验证评估结果的实用方法是进行受控变量的重复计算：
- 使用不同窗口长度重复计算，检查结论是否发生剧烈变化
- 使用替代但记录良好的报价字段（例如，若数据源提供多个字段）重复计算，以检验结果的稳健性
- 通过在一个时期计算相关性，并与后续时期的结果比较其稳定性，进行样本外测试
为完善评估，下一个应提出的问题是：您使用的确切收益率定义和时间戳对齐程序是什么？您如何根据记录的“配方”重现相同的数据集和计算步骤？