Домой Кредиты онлайн Корреляция акций ммвб. Коррелированные и некоррелированные активы

Кредиты онлайн

Корреляция акций ммвб. Коррелированные и некоррелированные активы

Зависимость между изменением стоимости торговых инструментов, ситуация когда изменение цены одного актива приводит к изменению стоимости другого.

Для измерения корреляции в практике анализа поведения курсов акций применяется соответствующий показатель — коэффициент корреляции Пирсона, определяемый по формуле:

rxy — коэффициент корреляции значений стоимостей акций x и y;
dx — отклонение некоторого значения ряда x от среднего значения этого ряда;
dy — отклонение некоторого значения ряда y от среднего значения этого ряда.

Все возможные значения показателя корреляции Пирсона находятся в отрезке от минус единицы, до плюс единицы.

При этом, если значение рассчитанного коэффициента Пирсона составит плюс один, то зависимость между анализируемыми курсами акций носит прямой функциональный характер.

Если значение коэффициента корреляции по абсолютной величине превышает 0,7, то зависимость между курсами двух акций имеет ярко выраженный характер.

При значении модуля коэффициента корреляции Пирсона в промежутке между 0,4 и 0,7 зависимость между величинами стоимостей акций средняя. Меньше уровня 0,4 — слабо выраженная зависимость между курсами акций.

Если значение данного коэффициента составит минус 1, то зависимость между курсами акций имеет обратный функциональный характер.

Чем больше значений стоимостей двух акций входит в выборку, тем при меньшем абсолютном значении коэффициента корреляции можно утверждать о наличии корреляции.

Аналитическая ценность расчета коэффициента корреляции Пирсона между курсами акций позволяет получить важные фундаментальные данные, требуемые для принятия объективного решения в ходе биржевой торговли.

Например, рынок акций реагирует на выход новостей о движении цен на основные активы (нефть, золото, промышленные индексы, доходность гособлигаций). Вследствие этого меняют курс акции компаний. Внимательно отслеживая динамику взаимосвязи рыночных инструментов, причинно-следственные связи между изменениями уровней цен, можно эффективно и быстро корректировать инвестиционную тактику и торговый план. В то же время, проведение корреляционного анализа обязательно применяется при формировании инвестиционного портфеля в рамках основных концепций риск-менеджмента.

Знание уровня корреляции двух акций позволяет понизить риск формируемого инвестиционного портфеля.

Допустим в нашем портфеле содержатся два актива, и, поведение их цен зависит от времени по закону синусоиды. При значении коэффициента корреляции, равном плюс 1 получается полное наложение волн синусоиды и покупая обе акции мы удваиваем позиции по каждому из них. Значение коэффициента корреляции Пирсона, равное минус 1, наоборот позволит взаимно компенсировать прибыли и убытки по акциям. Эффективно подобранные наборы акций в портфеле со временем растут. Тогда, при снижении цены на одну акцию, рост по другой акции позволит компенсировать общую просадку портфеля и минимизировать совокупный риск. Процесс ребалансировки портфеля, позволяет получать доходы, оперативно меняя доли отдельных активов в структуре портфеля.

Допустим, исходный состав нашего портфеля акций А и Б имеет обратную корреляцию минус один. И соотношение один к одному (50/50). Общая стоимость портфеля составляет 1 млн.долл. В течение полугодия акции А упали в стоимости на 10% и его цена сократилась от исходных 500 тыс.долл. до 450 тыс.долл. Актив Б, наоборот, повысился на 10% и его курс поднялся до 550 тыс.долл. Совокупный портфель по стоимости не изменился и составляет 1 млн.долл. Теперь половина акций Б (550/2 = 275 тыс.долл.) переложим в А и его стоимость теперь составит 725 тыс.долл. А акций Б — 275 тыс.долл.

В следующем полугодии происходит обратный процесс — акции возвращаются к прежним своим уровням цен. Теперь акции А вместо 725 тыс.долл. стоит 797,5 тыс.долл., а актив Б вместо 275 тыс.долл. 247,5 тыс.долл. Совокупная стоимость портфеля, теперь, составит 797,5+247,5 = 1045 тыс.долл. Таким образом, его доходность после ребалансировки — 4,5% в год. Без ребалансировки стоимость портфеля составила бы ноль процентов. На практике все намного сложнее, поскольку уровень корреляции большинства акций находится на отрезке плюс 0,5 до минус 0,5.

Тем самым, можно сделать вывод, что чем ниже значение коэффициента Пирсона, тем больше вероятная доходность портфеля при одинаковом уровне риска, или тем меньше уровень риска при одинаковом значении доходности. Вместе с тем, расчет коэффициента корреляции необходимо применять с осторожностью.

rxy — коэффициент корреляции значений стоимостей акций x и y;
dx — отклонение некоторого значения ряда x от среднего значения этого ряда;
dy — отклонение некоторого значения ряда y от среднего значения этого ряда.

Все возможные значения показателя корреляции Пирсона находятся в отрезке от минус единицы, до плюс единицы.

Знание уровня корреляции двух акций позволяет понизить риск формируемого инвестиционного портфеля.

Начнем с такого примера. Вы наполняете свой инвестиционный портфель различными инструментами (акциями, облигациями, чем-то еще), но неожиданно замечаете, что в процессе инвестирования результаты всех инструментов движутся преимущественно в одну сторону. Т.е. мы получаем либо заметную доходность, либо существенный убыток.

Если первая ситуация нас радует, то вторая сильно печалит и мы начинаем задумываться, все ли сделали правильно. И хотя убытки, даже порой затяжные, это неизбежная ситуация реального инвестирования, при составлении нашего портфеля действительно была допущена ошибка, исправление которой поможет сильно улучшить суммарную доходность. Причем решение в данной ситуации представляется достаточно очевидным — портфель должен состоять из активов, которые ведут себя по возможности независимо друг от друга, хотя каждый по отдельности способен быть источником денежного потока.

Корреляция описывается числом в интервале от 1 до -1. Единица со знаком плюс означает абсолютно идентичное движение активов (к такой ситуации близки котировки USD/RUB и EUR/RUB), а единица со знаком минус описывает полностью противоположенное поведение, когда рост одного актива всегда вызывает убыток другого. Значение около нуля говорит об отсутствии зависимости между котировками. Т.е. в общем корреляция рассчитывается на основании эмпирических данных — подобная функция есть в Экселе — и поэтому зависит от интервала рассмотрения активов. Понятие корреляции имеется как на рынке форекс, так и на фондовом рынке — рассмотрим их отдельно.

Корреляция на рынке форекс

На валютном рынке представлено не такое уж большое число значимых валютных пар — порядка семи из них уже охватят около 80% валютного рынка. Однако при хаотичном изменении котировок говорить о каком-то постоянном значении коэффициента корреляции валютных пар не приходится — они полностью зависят от выбранного диапазона и подвержены постоянным изменениям. Для иллюстрации этого подойдут две ссылки. Вот первая https://www.tradingfloor.com/tools/fx-correlations-table :

Как видно, на настоящий момент тут можно оценить коэффициенты корреляции почти за три года. Причем над таблицей слева находится ползунок, перемещая который можно увидеть, как менялась корреляция валютных пар с периода отсчета (сейчас это 17 ноября 2012) до произвольной даты в течение последнего года. При перемещении этого ползунка будет заметно, что ряд валют не только сильно меняет свое значение, но порой меняется и сам знак корреляции. Аналогично можно выбрать периоды за последние 30 и 90 дней — почти наверняка многие показатели в ячейках не будут иметь иметь ничего общего с прежними значениями. Кроме того, очень наглядно корреляция на форекс показана здесь — http://fxtrade.oanda.com/lang/ru/analysis/currency-correlation :

Видно, что в большинстве случаев в течение года валютные пары меняли не только величину, но и знак корреляции к выбранной для сравнения паре (бенчмарком выбрана главная по значению пара доллар-евро) на противоположенный. Щелчком по другой валютной паре в таблице можно выбрать ее в качестве эталона сравнения.

Корреляция на фондовом рынке

Переходя к фондовому рынку, в первую очередь необходимо обратить внимание на несравненно большее число инструментов, поскольку в принципе каждую акцию (и облигацию) можно рассматривать как отдельный актив. Таблица корреляции каждой акции друг к другу только на американском рынке привела бы к совершенно астрономическим цифрам — слава богу, в распоряжении инвестора есть такой инструмент как , который помогает вложиться в произвольный индекс, отражающий экономику целого государства или даже региона, например Европы.

ETF позволяет широко диверсифицировать капитал — например, биржевой фонд с тикером SPY включает в себя 500 акций компаний США. Но не менее важным является то, что имея простой инструмент для вложения мы можем сравнить индексы различных стран друг с другом (пример — американский S&P500, российский РТС, немецкий DAX и др.) и на выходе получить относительную простую таблицу с достаточно ясными возможностями для инвестирования.

Ложка (и немалая) дегтя в том, что и на фондовом рынке коэффициенты корреляции не отличаются постоянством. Однако, в отличие от валютных пар, эти изменения обычно происходят медленнее и находятся в менее широком диапазоне (как будет показано ниже, историческая корреляция американских акций и облигаций с 1930 года описывалась корреляцией от +0.5 до -0.5). Рассмотрим корреляцию российских и зарубежных активов (расчеты Сергея Наумова):

Здесь приведена корреляция российских и зарубежных активов на периоде в 17 лет до 2014 года. Из нее видно, что например российские акции и облигации имеют высокую корреляцию друг с другом (их котировки движутся как правило в одном направлении), тогда как золото и зарубежные облигации имели к российским акциям скорее противоположенное движение. Следовательно, разбавляя американские активы российскими с включением доли золота, можно было бы на первый взгляд добиться сглаживания доходности — однако на практике мы получили бы не просто сглаживание, а заметный дополнительный бонус. Посмотрим на таблицу ниже:

Так называемый «портфель лежебоки» — это портфель, включающий равные доли российских акций, облигаций и золота. При этом сравнивая доходность всех четырех портфелей можно увидеть, что она оказалась заметно выше, чем просто арифметическое среднее активов по отдельности! Как такое возможно?

Объяснение этому было дано еще в начале 50-х годов Г. Марковицем, который 30 лет спустя получил за свою теорию Нобелевскую премию — а сама теория стала основой портфельного инвестирования, наряду с понятием о корреляции активов. Согласитесь, что получать в течение 17 лет доходность на уровне 35% в год не позволяет ни один банк — такие предложения делаются лишь лишь откровенными пирамидами. Тем не менее следующий слайд, берущий те же активы, но за другой период, хорошо иллюстрирует высказывание, как прошлая доходность не гарантирует будущей:

Как видно, здесь доходность портфелей представляет уже скорее среднее значение, хотя и лежащее гораздо ближе к верхней границе, чем к нижней; причем риски в этом случае оказываются ниже, чем в прошлой таблице. Откуда такие расхождения? В плане доходности стоит вспомнить огромный рывок российского рынка в 1999 году, когда паи облигаций выросли на невероятные 1800% — и вплоть до 2008 года российский рынок почти непрерывно рос, давая по несколько десятков процентов годовых.

Основной пик пришелся именно на 1999-2000 год. Однако после кризиса 2008 года последовала почти обратная ситуация — несколько восстановившись в 2009 году, в последующие годы даже рублевый индекс ММВБ не сумел достичь своего максимума, а номинированный в долларах РТС и вовсе после декабря 2014 отправился почти к уровню просадки 2008 года. Следовательно, несмотря на отрицательную корреляцию к американскому, российский рынок просто оказался не самым удачным активом, который с 2003 по 2014 годы показал среднюю доходность даже чуть ниже инфляции.

И это является важным фактором, который необходимо учесть — только нулевая или отрицательная корреляция не обеспечит кумулятивный эффект, если хотя бы один из активов будет показывать стагнацию или тем более негативную доходность. Идея именно в том, что в целом доходны оба актива, но проявляется это в разные периоды времени. Поэтому если в качестве развивающегося рынка в дополнение к американскому и европейскому добавлять российские активы, то нужно иметь в виду, что должный эффект, показанный в первой таблице, проявится лишь в случае возобновления роста.

Следовательно, нужно не только учитывать корреляцию, но и в идеальном случае представлять экономические возможности своих активов. При этом на американском рынке аналогичный портфель за почти 50 лет показал те же результаты, что и акции, однако с заметно меньшим риском:

Если же рассмотреть те же данные с 1925 года, то картина немного изменится: хотя доходность по акциям останется почти на том же уровне (9%, т.е. только на 10% меньше), но золото даст результат, близкий к 5% (что меньше почти на 40%). Соответственно, пострадает и портфельный результат: американский «лежебока» с 1925 года даст доходность лишь немногим более 7%, уже более заметно уступая акциям. Поэтому вывод ожидаем: волшебного портфеля нет, а российский лежебока в ближайшие годы скорее всего будет постепенно терять свой громадный отрыв, приближаясь к средним рыночным значениям.

Зависимость корреляции от времени

Как уже упоминалось выше, корреляция не является константой и сама меняется в зависимости от времени. К примеру, корреляция между акциями США и пятилетними гос. облигациями с 1926 по 2013 годы была равна 0.07 — т.е. зависимость почти не прослеживалась. Однако на истории корреляция колебалась от -0,5 до +0,5, причем в XX веке после Великой Депрессии она находилась в отрицательной зоне лишь с середины 50-х по середину 60-х годов. В период с 1970-1985 корреляция акций и облигаций была равна 0.3%, тогда как с 2002-2013 обратной по знаку:

Таким образом, задача поиска доходности зависит от двух неизвестных: корреляции и доходности активов на рассматриваемом промежутке, причем эта доходность достигается с различным риском (отклонением от среднего значения). Отрицательная корреляция в общем случае позволяет достигать большей доходности с меньшим риском по сравнению с менее доходным активом:

Фонд А — менее волатильный и менее доходный актив (облигации), фонд Б — более волатильный и доходный (акции). Стандартное отклонение определяет размах колебаний относительно среднего значения актива. Такое соотношение, как на рисунке выше, наблюдается на длинной истории — однако в пределах десятилетий может довольно сильно меняться:

Видно, что на протяжении 2000-2009 годов американские акции даже ушли в минус, в результате чего кривая получила движение вниз, а не вверх. Следовательно, корреляция ничего не говорит об абсолютной доходности — первая может мало меняться на протяжении 20 лет, однако абсолютная доходность одинаковых портфелей на следующих друг за другом 10-летних промежутках разойдется. Так, в кризисные 70-е и растущие 80-е корреляция американских акций и 5-летних облигаций была в среднем одинакова (около 0.24), однако доходность портфеля 50 на 50 во втором случае была 15% годовых, а в первом лишь около 7%. Ниже отдельно показаны наилучшее и наихудшее американское десятилетие с 1950 года:

Как видим, отрицательная корреляция с 2000 года явилась причиной заметного выгиба кривой влево, в результате чего 5% доходности могли быть достигнуты с очень низким риском. Несомненно важными для инвестора является и корреляция других активов — в первую очередь американского и европейского рынков, рынков стран Азии и пр. Несмотря на частое совпадение общего профиля биржевых индексов стран, более детальный подход показывает различную доходность в одинаковые периоды времени — и следовательно, необходимость учитывать в своем портфеле рынки разных стран.

Ожидаемый риск портфеля представляет собой сочетание стандартных отклонений входящих в него акций. Однако в отличие от ожидаемой доходности портфеля его риск не является обязательно средневзвешенной величиной стандартных отклонений доходностей акций. Различные акции могут по-разному реагировать на изменение конъюнктуры рынка, в результате чего, вариации доходности различных акций в определенных случаях могут происходить разнонаправленно, что приведет к снижению риска портфеля. Риск портфеля зависит от того, в каком направлении изменяются доходности входящих в него акций при изменении конъюнктуры рынка и в какой степени это происходит.

Для определения степени взаимосвязи и направления изменения доходностей двух акций используют такие показатели как ковариация и коэффициент корреляции. Показатель ковариации й и й акций определяется по формуле:

Положительное значение ковариации говорит о том, что доходности акций изменяются в одном направлении, отрицательное – в разных. Нулевое значение ковариации означает, что взаимосвязь между доходностями акций отсутствует. Другим показателем, измеряющим степень взаимосвязи изменения доходностей двух акций, является коэффициент корреляции. Он рассчитывается по формуле:

Коэффициент корреляции изменяется в пределах от -1 до +1. Положительное значение коэффициента говорит о том, что доходности акций изменяются в одном направлении при изменении конъюнктуры, отрицательное – в противоположных. При нулевом значении коэффициента корреляция взаимосвязь между доходностями акций отсутствует.

Ниже представлен расчет коэффициента ковариации для нашего набора акций:

Таблица 5. Коэффициент ковариации

Стоит отметить важное свойство ковариационной матрицы, состоящее в том, что ее диагональные члены являются дисперсиями доходностей акций, а остальные ее члены представляют собой ковариации доходностей акций. Дисперсия – это стандартное отклонение в квадрате.

Расчет коэффициента корреляции представлен в Таблице 6:

Таблица 6. Коэффициент корреляции

Из таблицы видно, что корреляции ежемесячных доходностей акций за период 2006 – 2007г.г. являются положительными. Это значит, что доходности рассматриваемых акций, изменяются практически в одном направлении, что не очень хорошо, однако впоследствии мы увидим, что включенные в портфель акции, имеющие положительную корреляцию между собой, могут существенно снизить риск всего портфеля.

В целом, используя данные корреляционной матрицы, можно сделать следующие выводы:

1) Чем меньше коэффициент корреляции акций в портфеле, тем меньше риск портфеля, поэтому при формировании портфеля следует включить в него акции, имеющие наименьшую корреляцию.

2) Если коэффициент корреляции акций в портфеле +1, то риск портфеля усредняется.

3) Если коэффициент корреляции акций в портфеле меньше +1, то риск портфеля уменьшается.

4) Если коэффициент корреляции акций в портфеле –1, то можно получить портфель без риска.

Определив коэффициенты корреляции и ковариации, можно переходить к определению риска всего портфеля. Для расчета риска портфеля с учетом взаимосвязи доходностей его отдельных компонентов используют следующую формулу:

Результаты расчета ожидаемой доходности, а также риска портфеля, с учетом равного распределения средств между акциями, показан в таблице 7.

Таблица 7. Ожидаемые доходность и риск портфеля

Из таблицы видно, что даже при равном распределении акций в портфеле, его риск сокращается. Стоит отметить, что принцип диверсификации позволяет снизить риск портфеля в условиях обычного функционирования рынков, в случае же, при котором рынки близки к финансовому кризису, снижение риска портфеля за счет диверсификации невозможно.

Корреляцией между двумя величинами называется статистическая взаимосвязь, при которой изменение одной из величин приводит к систематическому изменению другой. Количественной мерой корреляции является линейный коэффициент корреляции (называемый также коэффициентом корреляции Пирсона) , вычисляемый по формуле:

r xy – коэффициент корреляции значений величин x и y;
d x – отклонение некоторого значения ряда x от среднего значения этого ряда;
d y – отклонение некоторого значения ряда y от среднего значения этого ряда.

Диапазон возможных значений коэффициента корреляции находится между +1 и -1. При этом возможны следующие варианты:

+1 – прямая зависимость между величинами;
|r xy| > 0.7 – ярко выраженная зависимость между величинами;
0.4 < |r xy| > 0.7 – средне выраженная зависимость между величинами;
|r xy| < 0.4 – слабо выраженная зависимость между величинами;
-1 – обратная зависимость между величинами.

Важно заметить, что чем больше выборка значений, тем при меньшей величине модуля коэффициента корреляции можно говорить о наличии зависимости между x и y. К сожалению, в формуле заложена ловушка, которая применительно к финансовым инструментам может сыграть с инвестором злую шутку. В числителе отклонения величин могут иметь как одинаковые, так и разные знаки, поэтому произведение может также быть как положительным, так и отрицательным. В знаменателе же отклонения возведены в квадрат, что гарантирует положительность знаменателя. Пока что мы просто обратим на это внимание, а позже вернёмся к тому, что из этого может получиться.

Практический смысл вычисления корреляции между финансовыми инструментами заключается в получении важных фундаментальных данных, необходимых для принятия торговых решений. Реакция рынков на выход важных экономических новостей выражается в том, что вначале в движение приходят цены основных активов (золото, нефть, фьючерсы на промышленные индексы), иногда доходность . Как следствие, изменяются валютные курсы и котировки акций. Отслеживая взаимосвязь отдельных инструментов, а также причинно-следственные отношения между изменениями цен, можно оперативно пересматривать торговые и инвестиционные планы. Кроме того, анализ корреляций используется в управлении как обязательная часть .

Можно наглядно представить корреляцию двух величин в виде графика в координатах время-амплитуда. Например, при отрицательной корреляции получим подобную картину:

Знание корреляции активов снижает риски портфеля

Пусть, например, есть 2 актива. Для простоты представим, что их цены зависят от времени по закону синусоиды. Тогда при корреляции +1 получим полное наложение волн и открытие сделок по обоим активам будет равносильно удвоению позиций по одному из них. Корреляция -1, наоборот, означает взаимную компенсацию прибылей и убытков активов. Разумеется, удачно подобранные активы в целом не ходят вокруг одного и того же уровня, а имеют тенденцию к росту с течением времени. Кроме того, при одних активов, рост по другим позволяет минимизировать суммарный риск портфеля:

Процесс, называемый ребалансировкой портфеля, позволяет получать доход, попеременно меняя долю активов в портфеле. Наиболее просто это достигается при ярко выраженной отрицательной корреляции. Предположим, что изначально в портфеле были активы А и В с обратной корреляцией и соотношением 1:1, на общую сумму 1 млн рублей. В течение полугода актив А упал в цене на 20% и его стоимость из первоначальных 500 тыс. рублей стала 400 тыс. рублей. Актив В, наоборот, вырос на 20% и его стоимость поднялась до 600 тыс. рублей. Общая стоимость портфеля не изменилась и по-прежнему составляет 1 млн рублей. Теперь 50% актива В (300 тыс.) перекладываем в А и его стоимость теперь составляет 700 тыс., а актива В – 300 тыс.

В следующие полгода происходит противоположный процесс: активы возвращаются к своей изначальной цене. Теперь актив А вместо 700 тыс. стоит 840 тыс., а актив В вместо 300 тыс. - 240 тыс. Общая стоимость портфеля, таким образом, составила 1 млн 80 тыс. руб., т.е. его доходность за счёт ребалансировки – 8% годовых. Без ребалансировки доходность портфеля составила бы 0%. Реальные ситуации намного сложнее, т.к. корреляции большинства инструментов находятся в пределах между +0.5 и -0.5. Если рассмотреть график риск-доходность для разных соотношений двух инструментов при различных значениях корреляции, то получим следующую картину:

Как видно, чем ниже значение коэффициента корреляции инструментов, тем больше возможная доходность портфеля при одном и том же значении риска, либо тем меньше риск при одном и том же значении доходности.

Корреляция на форексе

Распространённая стратегия, основанная на корреляции валютных пар, заключается в том, что в случае резкого отклонения коэффициента корреляции от текущего значения, сделки открываются в направлении восстановления этого значения. Например, если пары EURUSD и GBPUSD длительное время двигались в одном направлении, то при их сильном расхождении можно ожидать сближения, если расхождение не вызвано долговременными (например, изменение учётной ставки).

Кроме того, корреляция валютных пар используется при комплексной оценке рынка. Например, накануне ипотечного кризиса 2008—2009 годов, когда австралийский и новозеландский доллары, а также английский фунт имели высокую ключевую ставку, большое развитие получила стратегия торговли под названием carry trade. Она заключалась в том, что при благоприятных для фондовых рынков событиях особенно активно росли пары этих валют с иеной, традиционно отличающейся очень низкой ставкой, они же и активно снижались при неблагоприятных событиях.

При том, что никакая корреляция не может затрагивать абсолютно все временные интервалы и возможны разнонаправленные движения валют, но ярко выраженное однонаправленное движение, как правило, говорит о наличии общего фундаментального «драйвера». Это облегчает планирование сделок. В частности, нет смысла искать откаты и внутри дня работать , если все чётко коррелирующие пары идут в одном направлении.

Посмотреть таблицу корреляции валютных пар и некоторых других инструментов в реальном времени можно на myfxbook.com/forex-market/correlation. Из этой таблицы видно, что практически не коррелируют между собой пары EURUSD и AUDCAD. В случае одновременного открытия сделок по этим парам можно не опасаться ни суммирования убытков, ни перекрывания прибыли по одной паре убытком по другой.

На этом графике показано, как австралийский и новозеландский доллары, обратно коррелирующие с «валютами-убежищами» иеной и швейцарским франком, активно росли в период наибольшего дифференциала ключевых ставок. Эта тенденция сменилась на противоположную после того, как с углублением ипотечного кризиса начался период срезания ставок.

Не бывает следствий без причины

Корреляция цен активов в чём-то подобна трендам: чем больше временной интервал для её расчёта, тем медленнее она изменяется. Но есть и то, что выгодно отличает корреляцию от многих других методов. Её можно рассчитать для таких пар активов, которые не торгуются ни на одной бирже (нефть-газ, нефть-золото), что позволяет дополнить арсенал аналитика ценной информацией, позволяющей «читать рынок между графиками».

Любая корреляция двух и более величин всегда имеет причинно-следственную связь. Одна из величин является определяющей, от которой зависит другая (или другие). Корреляция на фондовом рынке – не исключение. Например, в паре нефть-газ длительное время определяющими были котировки нефти. На графике ниже можно заметить, что расширение спреда между нефтью и газом за счёт резкого относительного роста газа сменялось столь же резким возвратом к относительному равновесию:

В то же самое время, в другой паре активов, золото-нефть, определяющим является уже золото. При значительном расширении (резкий рост или падение нефти при более стабильном золоте) именно нефть восстанавливает нарушенное равновесие:

Отслеживая подобное поведение «ведомых» активов, можно открывать сделки в сторону восстановления баланса. Кстати, корреляция на часто имеет в основе привязку некоторых валют к сырьевым активам. Их так и называют: «сырьевые валюты». Например, сильно зависят от нефти канадский доллар и рубль. В обоих случаях, корреляция прямая: чем дороже нефть, тем выше курс этих валют по отношению к доллару США.

В случае рубля корреляция графиков настолько чёткая, что может быть использована в торговой стратегии. Рассмотрим начало 2014 года. Нефть торгуется около 110$ за баррель, после чего на некоторое время поднимается чуть выше. Рубль же в это время, напротив, с 33 за доллар США кратковременно снижается до 36. На какой-то момент корреляция становится практически обратной, но равновесие быстро восстанавливается и рубль возвращается к курсу 33 за доллар, послушно следуя за нефтью. Ещё более яркий пример мы видим в конце 2014 года, когда произошло резкое ослабление рубля на фоне гораздо более плавно снижающейся нефти. И в этот раз нарушенное равновесие вскоре восстановилось благодаря укреплению рубля. С течением времени корреляция может претерпевать сильные изменения и даже из прямой переходить в обратную. Особенно ярко это проявилось в случае корреляции индексов Dow Jones Industrial Average и РТС.

В конце 2007 года, когда начали проявляться первые признаки ипотечного кризиса в США, индекс DJ развернулся вниз, но индекс РТС, благодаря активному росту нефтяных котировок, ещё только подбирался к историческому максимуму. Однако, в дальнейшем резкий обвал всех фондовых индексов мира сказался и на нефти. Это привело к тому, что индекс РТС по темпам падения практически в 2 раза превысил DJ. Кроме нефти, на темпах падения индекса РТС сказался и общий отток капиталов из развивающихся рынков.

Однако, кризис был недолгим и уже в начале 2009 года сменился экономическим ростом. Высокая корреляция между DJ и РТС наблюдалась вплоть до апреля 2012 года, который ознаменовался исчерпанием возможностей сырьевой модели развития российской экономики. Начиная с этого года, даже дорогая нефть уже не обеспечивала экономический рост. В дальнейшем в России экономический спад лишь усугубился на фоне дешевеющей нефти, тогда как американская экономика получила дополнительный стимул для роста. Корреляция между и стала обратной.

Само по себе наличие корреляции между активами ещё не означает, что на этом можно строить стратегию торговли или инвестирования. Предположим, нас интересует корреляция акций компании IBM за последние 12 месяцев (см. impactopia.com/correlation). Итак, на 4 месте по величине корреляции находится Banco Santander (около 0,43). Скорее всего, это просто случайное совпадение или системный недостаток самого метода расчёта корреляций.

Математическая ловушка

Как я уже упоминал выше, формула расчёта коэффициента корреляции очень чувствительна к знакам отклонений значений величин от их средних значений. Если эти отклонения чаще имеют одинаковые знаки, получается высокое значение коэффициента корреляции. Но будет ли это значение иметь смысл? Ответ вовсе не очевиден. Рассмотрим практический пример. Предположим, на графиках двух величин одновременно имеется :

Тогда новые значения этих величин будут систематически оказываться по одну сторону от их средних значений. Это приведёт к высокой положительной корреляции. К сожалению, никакой пользы от этой информации не будет, т.к. кроме наличия гэпа, ничего общего между графиками нет. Это лишь наглядный пример того, что при расчёте корреляции допускается использовать исключительно стационарные ряды значений, т.е. ряды, в которых нет трендовой составляющей. Это означает, что расчёт корреляций в мире финансовых активов неизбежно приводит к переоценке значимости факторов, в действительности имеющих случайный характер. Поймите правильно: важно не выискивать эти факторы и вводить на них специальные поправки, а показать саму суть явления и не искать очередной Грааль там, где его нет.

Впрочем, не всё так плохо. Есть способ обойти влияние трендов путём расчёта корреляции не самих цен, а их приращений. Тогда упомянутый выше ГЭП окажется статистическим выбросом, практически не влияющим на результат. Осталось лишь дождаться, когда такой подход возобладает. Не всегда можно найти свежие данные по корреляции активов. В таких случаях их можно рассчитать при помощи Microsoft Excel. Для этого котировки записываются в виде двух диапазонов ячеек, а затем в одной из свободных ячеек записывается функция следующего вида: =КОРРЕЛ (массив 1; массив 2). Массив может выглядеть, например, так: A1:A100. Для расчёта корреляции по приращениям цен, эта программа полезна вдвойне, ведь на основе цен закрытия нужно вначале рассчитать сами приращения.

Резюме

Корреляция между ценами активов — важный инструмент как анализа данных, так и управления рисками при портфельных инвестициях. Но, как и все статистические подходы, он не лишён серьёзных недостатков:

наличие выраженной корреляции между данными в прошлом не может гарантировать её в будущем;
используемая математическая модель имеет большие погрешности в периоды тренда.

Применение корреляционного подхода принесёт максимальную пользу в дополнение к другими методами анализа и управления капиталом. В комментариях предлагаю обсудить, как можно зарабатывать на корреляции конкретных активов. Свои примеры я привел в статье, жду ваших для обсуждения.

Всем профита!