• Odbierz prezent
Korelacje giełdowe - jak samodzielnie oddzielić ziarno od plew?

Korelacje giełdowe - temat rzeka. Wśród inwestorów krąży wiele obiegowych opinii na ich temat, a fakt, że indeks WIG jest ujemnie skorelowany z parą walutową USD/PLN jest traktowany niemal dogmatycznie. Jakie jest jednak konkretne powiązanie poszczególnych spółek z tą parą rynku FX? Jak silne? Jak je mierzyć? Jakich błędów unikać? Podjęliśmy się zbadania tego zagadnienia, a poszczególne kroki i spostrzeżenia opisujemy w tym artykule. Wpierw podajemy podbudowę teoretyczną (ale i praktyczną!) do badań korelacji. Czytelnika niezainteresowanego poszczególnymi krokami i zależnościami odsyłamy do dalszej części tekstu.

Już na wstępie należy przytoczyć mantrę każdego statystyka - otóż korelacja to nie przyczynowość. O korelacji w kontekście giełdowym mówimy, gdy notowania pary walorów poruszają się na ogół względem siebie w zadanym kierunku. Jeśli korelacja jest dodatnia, wzrostom na jednym walorze odpowiadają zazwyczaj wzrosty na drugim. W przypadku korelacji ujemnej zależność jest odwrotna. To znaczy, że gdy jedna spółka rośnie, druga spada. Widzimy zatem, że korelacja dotyczy samych ruchów cenowych, nie interesują nas ich przesłanki czy podłoże. Równie dobrze może ich w ogóle nie być. Przyczynowość nie dopuszcza takiej możliwości, stwierdzając, że “A wynika z B”. Najodpowiedniejszą strategią byłoby zatem identyfikowanie zależności na gruncie przyczynowości, jak chociażby wzrost cen miedzi tworzący fundamentalną przesłankę do wzrostu notowań KGHM-u.

Korelacje giełdowe - jak samodzielnie oddzielić ziarno od plew? - 1

Warto zdać sobie sprawę, że korelacje na rynkach finansowych nie są stałe oraz różnią się swoją siłą. Z tego pierwszego wynika, że nie należy badać korelacji w ujęciu - dajmy na to - 20 lat notowań, ponieważ mogła się ona już zwyczajnie zdezaktualizować, a wcześniejsze wyniki zaburzają aktualny odczyt. Trzeba nam zatem zastosować ruchome okno statystyczne, działające na zasadzie średniej ruchomej. Przykładowo możemy założyć (jak w prezentowanych niżej badaniach), że interesuje nas korelacja 750-sesyjna, czyli z grubsza 3-letnia. Uwzględniamy zatem zawsze 750 obserwacji - gdy przesuwamy się w czasie, najstarsze dane wypadają, a zastępują je nowe do obliczeń. Korelacja zatem stopniowo się zmienia wraz z zastępowaniem starszych danych nowszymi, co odzwierciedla postępujące zmiany na rynkach, które nigdy nie stoją w miejscu. Polecamy właśnie owe 750 okresów (sesji) na podstawie własnych badań. Utworzone w ten sposób szeregi czasowe korelacji traktowane jako funkcja są wystarczająco stabilne, by nie reagować skrajnie na krótkoterminowe zaburzenia rynkowe, a przy tym wystarczająco dynamiczne, by stopniowo w czasie zmieniać swój charakter.

Jak jednak mierzyć stopień korelacji? Statystyka proponuje co najmniej kilka rozwiązań. Bodaj najprostszym i najczęściej przytaczanym jest współczynnik korelacji Pearsona. Nie musisz znać jego wzoru, wystarczy, że w arkuszu kalkulacyjnym wybierzesz funkcję “=Pearson()” i zaznaczysz dwie odpowiednie serie danych (oczywiście o równej długości, czyli np. 750 wierszy każda). Na jakich danych jednak należy bazować? Na myśl większości inwestorów przychodzi od razu działanie na cenach zamknięcia z poszczególnych dni (można oczywiście rozpatrywać korelację w innych okresach, np. 5-minutowym, ale korelacja na interwale M5 nie musi się pokrywać z zależnościami na interwale dziennym). Jest to jednak zwodniczy pomysł, który prowadzić będzie do zafałszowanych wyników. Należy przyjąć, że ceny, a właściwie zmiany cen dwóch walorów, są ze sobą nieporównywalne w stosowanym wzorze.

Artykuł jest dostępny dla czytelników magazynu FXMAG.

Chcesz uzyskać dostęp do artykułu?


Dawid Lesznik

Ekonomista, analityk rynków finansowych w Squaberze oraz Investio. Specjalizuje się w zagadnieniach z zakresu polityki monetarnej i analizy makroekonomicznej.

Przejdź do artykułów autora
Artykuły, które powinny Cię zaciekawić..
Zamknij

Koszyk