负相关在外汇交易中如何运作
直接回答
外汇中的负相关是一种统计关系，指两个货币对的回报往往朝相反方向移动。当一个货币对的回报上升时，另一个货币对的回报通常会下降，这种关系是在选定的时间窗口内并使用特定方法进行衡量的。重要的是，“负相关”描述的是数据中观察到的一种趋势；它并不意味着未来走势必然如此。
核心定义
货币对回报是指其价格在一段时间内的变化，通常以百分比或对数回报表示。负相关指的是这些回报之间的相关系数低于零。
一个简单的理解方式是：
- 选取货币对A和货币对B的价格时间序列。
- 将它们转换为每个对应时间步长的回报。
- 计算两个回报序列之间的相关性。
如果相关性显著为负，则说明在该数据集中，反向移动更为一致。如果接近零，则说明线性关系较弱。如果为弱负相关，则反向移动可能偶尔发生，但并非稳定规律。
负相关机制的简化模型
外汇中的“相关性”并非与货币本身绑定的物理定律，而是市场对相对价值定价所表现出的一种涌现特性。当两个货币对受到相关驱动因素但方向相反时，负相关通常会出现。
构成负相关关系的常见要素包括：
- 共同的风险因素
- 两个货币对可能受到重叠的宏观事件影响（例如，风险情绪、相对利率预期或通胀预期）。
- 相反的暴露方向
- 由于两个货币对对同一潜在因素的暴露方向不同，它们可能表现出相反的反应。
- 货币角色相反
- 如果某一货币在两个货币对中符号相反，该货币的变动可能机械地推动两个货币对朝相反方向移动。即使存在其他驱动因素，这种效应也可能发生。
将“负相关”视为一种从联合价格行为到符号的映射会更有帮助：在假设条件下，两个回报序列朝相反方向共同移动。
输入、输出及验证步骤
要实际应用外汇中的负相关，必须明确输入项和预期输出。
输入
- 两个货币对的两个价格时间序列。
- 回报定义（例如，百分比变化或对数回报）。
- 采样频率（例如，每分钟、每小时或每日）。
- 估算的时间窗口（例如，最近30天、最近250个交易日）。
- 相关性计算方法（通常使用皮尔逊相关系数衡量线性关系）。
步骤
- 使用相同的时间步长计算每个货币对的回报。
- 对齐时间序列，使货币对A中的每个回报与货币对B中同一时间戳或区间的回报对应。
- 在选定窗口内对齐后的回报序列计算相关性。
- 可选：使用不同窗口重复计算，查看符号是否稳定。
输出
- 一个相关性值（负、接近零或正），描述该窗口内关联的方向。
- 实际解释：负相关意味着在该特定数据集中，反向共同移动比同向更常见。
证据或示例（含明确假设）
假设你拥有两个货币对（货币对A和货币对B）连续100个交易日的每日收盘价。你计算每日回报，然后计算这100个每日回报点之间的皮尔逊相关系数。
如果结果相关性为-0.6，则表明在该样本中存在中等到较强的反向回报趋势。然而：
- 如果将窗口改为最近20天，相关性可能接近零甚至为正。
- 如果从日线数据切换为小时数据，估算结果可能变化，因为短期价格噪音和流动性条件不同。
因此，“证据”始终依赖于窗口、回报定义和采样选择。
局限性与失效模式
负相关有助于描述关系，但在多个方面可能失效。
-
相关性并非恒定
市场状态会变化。在某一时期估算出的关系，可能在宏观条件、央行预期或风险情绪变化时减弱或逆转。 -
符号可能随窗口长度变化而翻转
较短窗口的估算通常波动更大。较长窗口可能平滑噪音，但可能掩盖结构性变化。 -
线性相关忽略非线性行为
皮尔逊相关仅捕捉线性共同移动。如果关系是非线性的或由阈值驱动，相关系数可能低估实际关系。 -
成本和执行影响实际结果
即使在扣除成本前回报呈负相关，实际结果也可能因点差、滑点、隔夜利息和操作时机而不同。 -
相关性不等于因果关系
反向共同移动可能源于共同驱动因素或货币角色的机械效应，而非可控的因果关系。
这些局限性意味着，负相关应被视为描述性统计，而非未来交易决策的可靠依据。
如何独立验证
读者可通过在自己选择的数据上重复测量过程并记录关键选择来独立验证负相关：
- 使用哪些货币对（及其确切报价），
- 回报定义，
- 时间频率，
- 估算窗口，
- 以及相关性方法。
然后检查稳健性：
- 相关性在多个非重叠窗口中是否持续为负？
- 在替代但合理的采样选择下是否一致为负？
- 估算结果对回报计算方式和窗口长度的敏感度如何？
如果符号或幅度发生显著变化，这直接表明“负相关”属性依赖于市场状态。
下一步可提出的问题
除了“它们是否负相关？”之外，一个更具可验证性的问题是：“负相关关系在不同窗口和回报定义下有多稳定？在哪些市场状态下会减弱？”