如何验证负相关性信息
直接答案：可重复的验证方法
要验证关于负相关性的信息，需将（1）定义与（2）任何具体数值声明分开。然后使用相同的数据和假设重新计算，并测试该结论是否能通过基本的敏感性检查。如果相关性结果强烈依赖于所选的时间窗口、收益率定义或数据筛选方式，则“负相关”的说法可能并不稳健。
机制与定义：什么是“负相关”
负相关描述的是两个变量倾向于反向移动的关系。在实践中，人们通常使用时间序列的收益率而非原始价格水平来计算相关性，因为收益率在时间上更具可比性。
一个可验证的常见设置包括：
- 选择两个时间序列（例如，两种货币对或代理指标的收益率）。
- 选择收益率定义（例如，简单收益率或对数收益率）和采样频率（日度、周度等）。
- 选择固定窗口内的相关性度量方法（通常为皮尔逊相关系数）。
解释：负的皮尔逊相关系数意味着在选定的时间窗口内，一个序列的较高值往往与另一个序列的较低值同时出现（相对于其均值而言）。重要的是，相关性衡量的是联动性，而非因果关系，也不意味着一个变量未来一定会可靠地与另一个反向移动。
证据或示例：重现相关性声明
以下是一种可重复的方法，可用于验证任何“负相关”的说法。
假设（在计算前明确写出）：
- 数据频率：例如，日度观测。
- 收益率定义：明确是简单收益率（当前/前值 − 1）还是对数收益率（log(当前) − log(前值)）。
- 对齐规则：确认两个序列使用相同的时戳，并对缺失数据采用一致处理方式（同时删除行或插值——保持一致即可）。
- 窗口长度：例如，90天或1年滚动窗口。
逐步验证步骤：
- 获取声明中使用的两个序列（或使用你自己一致的数据源）。
- 使用相同的收益率定义将两个序列转换为收益率。
- 对齐时戳，并一致处理缺失值。
- 在指定窗口内计算皮尔逊相关系数。
- 如果声明提供了具体数值（例如，“相关性为负”），检查你计算出的值是否接近。
敏感性检查（用于测试稳健性）：
- 使用不同的窗口长度重复计算。
- 使用另一种收益率定义重复计算。
- 将窗口在时间轴上前后移动。
如果相关性频繁改变符号，或仅在非常特定的选择下才呈现负值，则“负相关”的信息不能被广泛验证为一种稳定特征。
局限性与风险：验证可能失败的情况
以下几种失败模式可能导致负相关性信息产生误导：
- 非平稳性：关系可能随市场状态变化而改变，因此历史负相关可能不会持续。
- 样本选择偏差：不同时间窗口可能导致不同的相关性符号。
- 定义不同：使用原始价格相关性而非收益率，或混合使用不同类型的收益率，可能改变结果。
- 执行与成本：实际交易结果取决于点差、费用和滑点，而相关性本身无法反映这些因素。
- 代理风险：如果“货币对”是通过间接工具近似表示的（例如，使用替代性金融工具），测得的相关性可能反映的是代理变量而非目标风险敞口。
验证或下一个问题：在信任声明前应提出的问题
在接受任何关于负相关的说法之前，应要求提供完整的“计算配方”：数据来源、时间频率、收益率定义、相关性公式、对齐/缺失数据处理规则以及确切的时间窗口。然后重现计算过程，并至少进行一次敏感性检查（窗口长度或收益率定义）。如果你无法确定这些输入，或在合理替代方案下相关性符号和幅度发生显著变化，则应将该信息视为不确定，而非可靠属性。