时间框架如何影响外汇中的正相关性：观察期与持有期效应
直接回答
两种货币回报之间的正相关性并非货币本身的固定属性。它是一种依赖于你用来观察回报的时间框架（以及间接反映你持有周期所隐含的时间框架）的测量关系。当你改变观察窗口的长度（例如，分钟级 vs. 日级）时，你所捕捉到的市场行为部分也会随之变化——是噪声、短期动态，还是缓慢变化的驱动因素——因此测得的相关性可能会发生明显变化。
机制与定义
正相关性意味着，在一个特定时间段内，两个回报序列同向变动的频率高于随机水平。实践中，“相关性”通常指从一段时间的回报样本中计算出的相关系数。
时间框架主要通过两种方式影响结果：
- 所包含的数据（观察窗口）：较短的窗口通常包含更多突发的价格变动和临时效应。较长的窗口则聚合了多个事件，使关系更能反映持久的同向运动。
- 回报周期的建模方式：如果你的持有期更长，相关的回报就是多个区间的总和。即使你使用相同的采样频率计算相关性，使用更长回报周期的输入也会改变结果。
这是一种普遍的统计效应：相关性估计对所用样本敏感，而货币回报关系并不能保证在时间上保持稳定。
示例：改变观察窗口
考虑一个简化的情景，两个回报时间序列同时受到（a）一个缓慢的共同驱动因素和（b）短暂的独立冲击的影响。
- 短时间框架观察：独立冲击在总变动中占比较大，增加了随机性。这可能削弱测得的相关性，甚至在某些窗口中导致相关性符号反转。
- 长时间框架观察：当回报在多个区间内聚合时，短暂的冲击部分相互抵消，而缓慢的共同驱动因素持续推动两个序列同向运动。测得的正相关性可能因此增强。
然而，相反的情况也可能发生。如果共同驱动因素是暂时的或依赖于市场状态，延长观察时间可能混合多个状态，从而降低相关性。
局限性与失效模式
需注意的关键局限性包括：
-
非平稳性（状态变化）：关系可能随时间变化。跨越不同状态的时间框架可能产生误导性的“平均”相关性。
-
短周期下的噪声主导：在极短的时间间隔内，微观结构效应和不规则的价格更新可能带来显著的波动，使相关性估计不稳定。
-
采样与数据处理不匹配：缺失观测值、不同交易时段覆盖范围或时间戳不一致，可能扭曲回报数据，从而影响相关性。
-
成本与执行摩擦（间接影响）：尽管相关性基于价格数据计算，但任何策略的实际结果都取决于点差、费用和执行质量。这些因素可能改变关系在实际中的重要性。
-
历史相关性 ≠ 未来相关性：即使在某一时间框架下出现正相关性，也不能保证未来关系会持续。
验证与后续问题
验证时间框架敏感性的一种方法是使用相同的去噪规则，在多个观察窗口和回报周期上重新计算相关性。观察是否存在如下模式：相关性随窗口延长而增强、在不同状态下反转，或始终保持正向。
一个更有用的后续问题不仅是“相关性是否为正？”，而是“它在合理的时间窗口和回报周期下是否稳健？”如果随着你调整时间框架，答案发生显著变化，那么观察到的正相关性很可能是由短暂的动态驱动，而非稳定的同向运动。