Коррелирующие активы. Выбираем пары акций, вычисляем корреляцию пары. Основные мировые индексы

06.03.2024

Что дает диверсификация по различным рыночным активам инвестиционного портфеля

А в чем собственно заслуга Марковица? Главное для нас как инвесторов это то, что он показал, что правильно диверсифицированный инвестиционный портфель может иметь выигрыш либо по доходности, либо по риску, либо по обоим параметрам сразу.

Но хуже вы сделать все равно не сможете! В самом худшем случае вы просто не получите выигрыша.

Давайте теперь разберемся, а что такое «правильно диверсифицированный инвестиционный портфель».

Рассмотрим на следующем примере.

Риск и прибыль портфеля ПИФов, Россия, 2000 – 2010 годы*

дата	ПИФ акций «Добрыня Никитич»		ПИФ облигаций «Илья Муромец»		Портфель 50% акции + 50% облигации
31.12.99	540,08		1 818,18		100,00
31.12.00	606,52	+12,3%	4 107,58	+125,9%	169,11	+69,1%
31.12.01	1 253,94	+106,7%	5 897,85	+43,6%	269,22	+75,2%
31.12.02	1 851,79	+47,7%	7 569,17	+28,3%	408,81	+38,0%
31.12.03	2 607,48	+40,8%	9 159,94	+21,0%	535,18	+30,9%
31.12.04	3 116,65	+19,5%	10 397,12	+13,5%	623,57	+16,5%
31.12.05	5 854,48	+87,8%	11 821,31	+13,7%	940,17	+50,8%
31.12.06	8 651,54	+47,8%	12 782,30	+8,1%	1 202,97	+28,0%
31.12.07	9 457,08	+9,3%	13 793,27	+7,9%	1 306,55	+8,6%
31.12.08	2 738,07	-71,0%	9 726,63	-29,5%	649,81	-50,3%
31.12.09	6 510,21	+137,8%	15 676,50	+61,2%	1 269,17	+99,5%
31.12.10	8 256,71	+26,8%	18 364,51	+17,1%	1 581,16	+22,0%
Прибыль	+28,1% годовых		+23,4% годовых		+28,5% годовых
Риск	53,1%		37,7%		37,8%

*По материалам закрытых семинаров С.Спирина

Рассмотрены инвестиции в два ПИФа – в ПИФ облигаций «Илья Муромец» и в ПИФ акций «Добрыня Никитич» от компании Тройка Диалог. И инвестиции в диверсифицированный портфель из 50% акций и 50% облигаций этих ПИФов.

Обратите внимание, что доходность диверсифицированного инвестиционного портфеля оказалась выше, чем доходность инвестиций в отдельные инвестиционные инструменты. А риск инвестиций в портфель оказался на уровне риска инвестиций в консервативный инструмент.

Вспоминая известное изречение «Не клади яйца в одну корзину» можно предположить, что было бы правильно разложить весь свой инвестиционный ресурс по как можно большему количеству разных групп инвестиционных активов.

На самом деле это не совсем так. К сожалению, существует определенные проблемы диверсификации, которые не дадут нам это сделать.

На практике (и это несложно показать и чисто математически) по мере диверсификации инвестиционных активов с одной стороны мы имеем увеличение прибыли и снижение риска.

С другой стороны с каждым новым шагом диверсификации прибыль увеличивается все менее существенно и снижение риска также замедляется.

А вот сложность управления инвестиционным процессом при этом возрастает очень и очень серьезно.

Важно! Диверсифицировать инвестиционный ресурс на очень мелкие группы инвестиционных активов смысла не имеет.

Но это еще полбеды. Здесь начинает играть свою роль взаимная корреляция между инвестиционными активами. Диверсификация хорошо работает, если инвестиционный портфель состоит из инвестиционных активов с отрицательной корреляцией (что это такое рассмотрим немного ниже) или, хотя бы, независимых.

Боле того, при увеличении числа даже независимых активов в геометрических размерах увеличивается корреляция между ними.

Если мы имеем два актива между ними одна корреляция, если мы имеем три актива между ними уже три взаимных корреляции, если четыре актива мы имеем шесть корреляций между этими активами, 5 активов 10 корреляций, 6 активов 15 взаимных корреляций и т.д.

То есть число корреляций растет в геометрической прогрессии.

А в реальном мире еще два некоррелированных актива найти можно. Но вот три уже очень сложно.

И при попытке найти очень много независимых групп активов мы сталкиваемся с тем что группы начинают коррелировать между собой.

Внимание! Поэтому пытаться формировать диверсифицированный инвестиционный портфель увеличивая количество активов в портфеле до бесконечности смысла не имеет.

Выигрыша уже не будет никакого, но сложность, повторюсь, увеличится многократно.

Поэтому оптимальное количество независимых групп инвестиционных активов в диверсифицированном инвестиционном портфеле должно быть не более 10 точно, а вообще в классических вариантах - до 2-4 групп (классов) не коррелированных между собой инвестиционных активов.

Несистемный и системный риски

При формировании диверсифицированного инвестиционного портфеля важно различать и учитывать природу несистемных и системных рисков.

На рыночный риск, присущий данному рынку в целом, мы повлиять при формировании диверсифицированного инвестиционного портфеля никак не можем. Это системный риск.

Существует также риск, приходящийся на одного эмитента – это несистемный риск.

Если мы вкладываемся в отдельно взятую компанию, то она может оказаться, к примеру, очень хорошим эмитентом, который за много лет вырастит во много раз, а может оказаться и «Юкосом», на котором мы свои инвестиции потеряем.

Если мы инвестируем в отдельно взятые акции, то несистемный риск получается высоким относительно даже рыночного (системного) риска.

Однако с увеличением количества эмитентов в инвестиционном портфеле акций, когда получаем более дифференцированный портфель, рыночный риск остается неизменным, мы не можем на него никак повлиять, это системный риск, присущий данному рынку в целом.

Но несистемный риск портфеля серьезно снижается.

Внимание! Когда в дальнейшем мы будем говорить про вложения в акции, мы будем всегда понимать под этим очень широкий портфель акций.

Если мы говорим, например, про российские акции, то имеем в виду индекс ММВБ, включающий в себя 30 акций, или индекс РТС, включающий в себя 50 акций.

Поэтому отдельно взятых акций, отдельно взятых активов, для которых существует вероятность падения в цене в вашем портфеле быть не должно.

Поэтому мы рассматриваем только вложения в индексы, а не в отдельные бумаги.

Портфельная теория подразумевает, что вы инвестируете в дифференцированный портфель.

Важно. Индексный ПИФ может рухнуть, только если рухнет рынок в целом. Может ли рухнуть рынок? Вот эту вероятность мы с вами обсуждали, рассматривая СКО, которая показывает нам падение рыночных котировок. Но просто рухнуть как банк ПИФ не может, за ним стоят активы.

Второе важное понятие в диверсификации инвестиционного портфеля – это корреляция активов, входящих в портфель

Корреляция:

Составление диверсификации инвестиционного портфеля из активов с некоррелированными результатами уменьшает риск, поскольку в то время, как прибыль на один актив падает, на другой она, вероятно, растет.
Корреляция - мера взаимосвязи между двумя активами (рассчитывается методами корреляционного анализа – это совокупность методов обнаружения так называемой корреляционной зависимости между случайными величинами).
Коэффициент корреляции - от -1.00 до +1.00

Значение +1.00 - полностью положительная корреляция
Значение 0 00 - отсутствие корреляции
Значение -1.00 - полностью отрицательная корреляция

Вычисление - EXCEL: =КОРРЕЛ(массив1; массив2)

При попытке строить диверсифицированный инвестиционный портфель из активов с ярко выраженной отрицательной корреляцией мы можем получить неожиданный и очень полезный для нас эффект.

Суммарная доходность инвестиционного портфеля может оказаться выше доходности отдельных активов, а соответственно риск может оказаться ниже, чем риск того и другого активов.

Как это может быть в жизни.

Вот для рынка США.

Корреляции между классами активов, США, 1926 - 2009

moningstar.com	Small stocks	Large stocks	LT corp bonds	LT govt bonds	IT govt bonds	Treasury bills
Small stocks Акции малых компаний	1,00
Large stocks Акции крупных компаний	0,79	1,00
LT corp bonds Долгосрочные корп. облигации	0,07	0,17	1,00
LT govt bonds Долгосрочные гос. облигации	-0,07	0,03	0,89	1,00
IT govt bonds Среднесрочные гос. облигации	-0,10	-0,01	0,88	0,90	1,00
Treasury bills Казначейские векселя	-0,09	-0,01	0,20	0,22	0,47	1,00

Для фондового рынка США имеется самое большое количество доступных статистических данных.

О чем говорят эти данные по корреляционной зависимости между разными группами активов:

Взаимная корреляция между акциями малых предприятий и акциями крупных предприятий – (+0.79). Это довольно высокая корреляция. Хотя и не 1. Все-таки крупные акции и малые акции ведут себя несколько по-разному.
Между акциями и облигациями корреляция уже близка к нулю.
Корреляции между акциями и краткосрочными облигациями и казначейскими векселями тоже близки к нулю и даже несколько отрицательные.
Облигации друг с другом коррелируются достаточно высоко. Долгосрочные краткосрочные облигации имеют между собой корреляцию 0.8 - 0.9.
Долгосрочные облигации с казначейскими векселями напротив – резкое понижение корреляции.

Кстати здесь мы можем увидеть те три группы активов, которые стабильно рассматривают для включения в инвестиционный портфель:

это акции;
это облигации и
казначейские векселя, как отдельная группа активов, потому что у них корреляция низкая даже с облигациями и отрицательная корреляция с акциями.

Это данные по США с 1926 по 2009 год.

Если мы уменьшим период и возьмем более свежие данные с 1980 года, то сможем увидеть данные по еще двум группам активов, таким как REIT"s – фонды недвижимости и Commodities или товарные активы.

Корреляции между классами активов, США, 1980 – 2009 годы

moningstar.com	Large stocks	Small stocks	Bonds	Treasury bills	REIT"s	Comm.
Large stocks Акции крупных компании	1,00
Small stocks Акции малых компании	0,75	1,00
Bonds Облигации	0,16	0,03	1,00
Treasury Bills Казначейские векселя	0,03	-0,03	0,08	1,00
REIT"s Фонды недвижимости	0,54	0,60	0,08	-0,03	1,00
Commodities Товарные активы	0,15	0,16	-0,07	-0,10	0,17	1,00

Обратите внимание как коррелирует недвижимость с акциями крупных и малых компаний, с облигациями и с казначейскими векселями – достаточно высокая 0.54- 0.60 .

Товарные активы (нефть, медь зерно) - довольно низкая корреляция с со всеми прочими группами активов.

Правда и доходность у Commodities будет на уровне инфляции. Но вот такая низкая корреляция с другими группами активов приводит к тому, что часто включают товарные активы или Commodities в портфель именно для того, чтобы получить независимый актив с минимальной корреляцией с другими группами активов.

Посмотрим теперь корреляцию между различными регионами.

Корреляции между регионами, акции, 1990 – 2009 годы

moningstar.com	Asia	Pacific	Europe	U.K.	Japan	Canada	U.S.
Asia Азиатский регион	1,00
Pacific Тихоокеанский регион	0,92	1,00
Europe Европа	0,64	0,70	1,00
U.K. Великобритания	0,58	0,68	0,82	1,00
Japan Япония	0,46	0,48	0,50	0,51	1,00
Canada Канада	0,68	0,75	0,70	0,65	0,45	1,00
U.S. США	0,63	0,67	0,77	0,74	0,42	0,76	1,00

В этой таблице показана корреляция между вложениями в акции в различных регионах. Отдельно США, Канада, Япония и Великобритания, отдельно Европа, Азиатский регион и Тихоокеанский регион:

Видим, что корреляция между близко лежащими регионами достаточно высокая. Между Азией и Тихоокеанским регионом корреляция около 0.92. Между Канадой и США также достаточно высокая корреляция.
А вот чем дальше друг от друга отстоят регионы, тем ниже между ними корреляция. Даже у Японии с Великобританией или Японии с Канадой и США корреляция меньше чем 0.5.

Важно. При желании уменьшить риск инвестиционного портфеля мы можем включать в него акции из разных частей света.

Данные по России.

Корреляции между активами, Россия, 2000 – 2009 годы*

	ММВБ	«ДН»	«ИМ»	Au	Аg	USD	EUR	Кв.м.
Индекс ММВБ	1,00
ПИФ «Добрыня Никитич»	0,94	1,00
ПИФ «Илья Муромец»	0,50	0,56	1,00
Золото (Аu)	-0,01	-0,01	-0,07	1,00
Серебро (Аg)	0,15	0,14	0,05	0,71	1,00
Доллар США (USD)	-0,17	-0,14	-0,11	0,44	0,15	1,00
Евро (EUR)	-0,08	-0,05	-0,06	0,41	0,23	0,39	1,00
Жилье в Москве (Кв. м.)	-0,17	-0,18	-0,18	0,20	0,07	0,51	0,13	1,00

*По данным закрытых семинаров С.Спирина

Здесь показана корреляция между индексом ММВБ, двумя ПИФами УК «Тройка Диалог», золотом, серебром, долларом, евро и московской недвижимостью:

Корреляция между индексом акций и фондом акций, конечно, высокая. Корреляция между акциями и облигациями где то на уровне 0.5. Между ценными бумагами и золотом корреляция близка к нулю (даже немного отрицательная).
Корреляция между золотом и серебром высокая. Поэтому пытаться включать в свой инвестиционный портфель и золото и серебро особого смысла не имеет.
Корреляция между долларом и евро и между акциями и облигациями опять же нулевая или даже отрицательная.
Корреляция между жильем и индексом ММВБ в России даже отрицательная (на уровне минус 0.17-0.18). Что, кстати, довольно не типично по мировым меркам.

Выводы: Без правильной диверсификации активов с учетом их взаимной корреляции невозможно сформировать эффективный инвестиционный портфель, который позволит Вам приумножить Ваш капитал или, во всяком, случае сохранить его.

В следующих материалах про инвестиционный портфель мы более подробно поговорим, как построить персональный инвестиционный портфель под Вас, под Ваши инвестиционные цели, под Ваши инвестиционные горизонты, под Ваше отношение к рискам.

До встречи!

PS. Если материал "Диверсификация и корреляция активов в портфельных инвестициях" оказался Вам полезным нажмите на кнопку «Мне нравится» в начале статьи и оставьте свой комментарий в конце статьи. Поделитесь с друзьями в социальных сетях. Они будут Вам благодарны.

Куда пенсионеру вложить свои деньги для ЖИЗНИ на пенсии и как их не потерять?
Тайные манипуляции на рынке Форекс (FOREX)
Начинающему инвестору: Инвестиционный портфель для пенсионных накоплений
Начинающему инвестору: Куда вложить деньги, чтобы была гарантия их не потерять?
Начинающему инвестору: Балансировка инвестиционного портфеля
Начинающему инвестору: Приемлемый уровень риска потери вложенных в инвестиции денег
Начинающему инвестору: Несколько практических советов по торговле акциями
Начинающему инвестору: Как научиться зарабатывать на торговле акциями?
Начинающему инвестору: Как инвестировать деньги в акции?
Начинающему инвестору: От чего зависит стоимость акций?
Начинающему инвестору: Акции как финансовый инструмент для инвестиций
Инвестиции в недвижимость
Начинающему инвестору - Инвестиции в золото
Инвестиции в биржевые товары (commodities)
Начинающий инвестор vs Биржевой спекулянт (активный трейдер)
Начинающему инвестору: финансовые инструменты с нефиксированным доходом?
Начинающему инвестору – вложение денег в ПИФы? ч.3
Начинающему инвестору – вложение денег в ПИФы? ч.2
Начинающему инвестору – вложение денег в ПИФы?
Финансовые инструменты с фиксированным доходом (fixed incomes): облигации
Финансовые инструменты с фиксированным доходом (fixed incomes): банковский вклад (депозит)
Зачем начинающему инвестору страховые компании?
Начинающему инвестору: Как вложить деньги в фондовый индекс
Начинающему инвестору: Экономические индексы
Жизнь на пенсии: ПФР или НПФ?
Инфраструктура финансового рынка: Страховые компании, негосударственные пенсионные фонды, регуляторы рынка
Инфраструктура финансового рынка: Инвестиционные управляющие компании и депозитарий ценных бумаг
Инфраструктура финансового рынка: Биржи и брокерские компании
Инфраструктура финансового рынка: Банки и банковские депозиты для частного инвестора
Инвестиции: Доверительное управление
Производные финансовые инструменты: опционные контракты (опционы) ч.2
Производные финансовые инструменты: опционные контракты (опционы) ч.1
Производные финансовые инструменты: фьючерсные контракты (фьючерсы) ч.2

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.

Поведение цен акций зависит от множества параметров. Наи- более притягательным для анализа, в силу своей простоты, является согласованное поведение цен или индексов. Наличие такого рода согласованности в поведении невозможно отри- цать и оно проявляется во множестве примеров. Так, цены акций многих российских компаний изменяются «с оглядкой» на поведение других акций. Например, несмотря на значительные отличия в динамике, легко усмотреть элементы согласованности поведения акций Газпрома, Сбербанка – наиболее ликвидных бумаг российского фондового рынка. Такого рода согласованность поведения не кажется странной с учетом вовлеченности акций в динамику финансовых пото- ков, направляющихся на фондовый рынок. Хотя с точки зрения анализа финансов отдельно взятой компании может показаться, что динамика цен акций компаний из различных секторов экономики должна быть независимой. Рис. 2, 3 На длительном периоде согласованность поведения цен акций и индексов проявляется наиболее ярко. Степень согласован- ности поведения различных кривых можно оценивать с помощью коэффициента корреляции. Определенные на годовом интервале коэффициенты корреляции поведения цен акций Сбербанка с индексом ММВБ изменяются со временем, зачастую приближаясь к единице, при которой поведение двух кривых близко к полной согласованности. В случае с ценами акций Сбербанка и индексом ММВБ можно легко найти объяснение подобной связанности. В других случаях связь не столь очевидна, пусть даже определяемые эмпириче- ски коэффициенты корреляции систематически превышают значения, которые могли бы получаться для пар независимых величин. С использованием коэффициента корреляции можно пытаться строить регрессионные зависимости, оценивать динамику активов по величине и изменению других связан- ных величин. Однако в таких оценках имеется ряд серьезных трудностей, что иногда заставляет делать ложные выводы о бесполезности такого рода связности. Тем не менее, исполь- зование коэффициентов корреляции может быть полезным для анализа динамики цен акций и индексов. Более того, указанные коэффициенты могут быть существенным элементом торговых систем, но при их использовании важно помнить о наиболее важных ограничениях.

1. Коэффициент корреляции это лишь одна характеристика из множества параметров и не нужно переоценивать его значения

Приходящие с биржевых терминалов потоки ценовой информации указывают на наличие как хаотичного случайного компонента в поведении цен, так и неко- торой их согласованности с ценами других активов. Математическая статистика позволяет выявить эле- менты связности поведения временных рядов. Для этого можно проводить анализ Фурье или оценивать другие параметры. Наиболее удобным и простым является коэффициент регрессии (корреляции) К. Он часто используется для анализа степени связанности двух временных рядов. Этот коэффициент может быть определен для любых двух совокупностей (в том числе случайных) величин Xi и Yi, где i пробега- ет значения от 1 до n. По выборке длиной n можно определить эмпирической коэффициент корреляции, который определяется по следующей формуле:

K= , где Mx и Му – оценки математического ожидания случайных ве- личин {X} и {Y}, а – величины их среднеквадратичных отклонений. К изменяется в пределах (-1, 1).

Коэффициент корреляции оказывается равным едини- це для наборов двух величин X(ti) и Y(ti), значения которых синфазно изменяются со временем, таких как обозначенные буквами А и В синусоиды на рисунке 4. На серии рисунков 5 эти наборы зависимостей X(ti) и Y(ti) представлены в координатах (Х и У). Для проти- вофазных колебаний (кривые А и D) коэффициент корреляции равен -1. При смещении фазы одного из процессов коэффициент корреляции уменьшается, чтобы стать близким к нулю для ортогональных коле- баний sin(t) и cos(t) (кривые А и C). Аналогично, нулевую корреляцию обнаружим у колебаний с отли- чающимися в два раза периодами колебаний sin(t) sin(2t) (Кривые А и F). Коэффициент корреляции уменьшается и за счет «зашумления» колебаний двух разных процессов. Так, для синхронно колеблющихся кривых G и H, в которых имеется случайный шум, рассчитанный коэффициент корреляции оказывается уже меньшим единицы. Чаще именно подобное зашумленное поведение наблюдается для цен различных активов. Корреляция набора чисто случайных чисел Yi с любой зависимостью X(ti) будет стремиться к нулю по мере роста выборки, а «график» пар чисел X(ti) и Yi не будет давать даже намеков на зависимость, как это изображено на последнем графике для «зависимости» пар чисел Xi и Yi, где Xi бралось с верхней синусоидальной кривой А, а Yi считывалось с кривой I, представляющей собой набор равномерно распределенных случайных чисел.

2. Следует помнить о возможной точности определения корреляции

В рыночных зависимостях кроме детерминированных компо- нент, которые приводят к часто наблюдаемой связанности их поведения, присутствуют также другие слагаемые, которые можно трактовать как «число случайные». Случайные слагае- мые тоже дают вклад в определяемый коэффициент корреляции К. Так, при расчете К для конечной выборки раз- мером N между двумя наборами Xi и Yi случайных величин, равномерно распределенных на интервале (0-1), тоже будут получаться отличные от нуля значения. Значение Кj(250) (для выборки размером 250 пар) будет зависеть от номера j самой выборки. Коэффициент корреляции К будет случайной вели- чиной, реализации которого Kj согласно закону больших чисел оказываются распределенными по нормальному закону. На представленном рисунке видим, как изменялись коэффициен- ты корреляций Кj(250) между выборками по 250 пар случайных величин для тысячи реализаций (j=1,2,3…1000). Среднеквадратичное отклонение?? случайной величины К (250) близко к 0,062, а значит, что в 77% случаев эмпирическое значение коэффициента корреляции Кj(250) для 250 пар случайных величин будет находиться в пределах ±2??. (Ли- нии ±0,124 приведены на рисунке). А за пределы 3*?? (±0,186) случайная величина Кj(250) будет выходить только в 1,35% случаев. Таким образом, значе- ние К(250) для набора 250 пар чисел, большее по модулю 0,2, скорее всего, не может быть связанным со случайными обстоятельствами, и для временных рядов с К>0,2 приходится отбрасывать идею об их случайном изменении и можно ис- кать возможные причины их коррелированного поведения. Для нормально распределения Kj(N) величина?? обратно пропорциональна квадратному корню из размера выборки N. Поэтому для выборки размером в 1000 пар случайных чисел?? уменьшится в два раза по сравнению с выборкой из 250 пар случайных чисел, а выборки меньшей в четыре раза, размером в 62 пары точек??, напротив, вырастет в два раза. Если считать, что в цене акций имеется заданный детерминированный компонент и случайное слагаемое, то увеличивая объем выборки можно уменьшить добавку в коэффициент корреляции, которая возникает за счет случайного слагаемого. В случае временного ряда, для сниже- ния вклада случайных компонентов нужно увеличивать период, с которого берутся используемые точки. Однако слишком увеличивать период исследования тоже нельзя, поскольку на большом интервале вполне может изменяться характер согласованности кривых. Понятно, что с помощью коэффициента корреляции оценивается только среднее значение корреляции за период. Поэтому в качестве окна изучения чаще всего используют годовой интервал, дающий с учетом выходных и праздничных нера- бочих дней около 250 дневных цен закрытия. Выбирая годовой интервал, следует помнить, что в полученном коэффициенте корреляции К(250) могут давать вклад случайные компоненты цены, величина которого на выборке в 250 точек легко может составлять ±0,1, а в отдельных (пусть и редких) случаях дос- тигать даже ±0,2. Поэтому реально при вычислении коэффициента корреляции на годовом интервале есть смысл удерживать только одну значащую цифру по- сле запятой, а все остальное может быть связано со статистическими погрешностями. Если же коэффициент корреляции К(250) оказывается меньшим 10%, то о взаимосвязи исходных величин лучше не думать. (Нет смысла искать неслучайных вещей там, где доминирует случайность).

3. Корреляции индексов

С учетом приведенной выше оценки точности можно рассчитать коэффициенты корреляции потенциально наиболее значимых для индекса РТС величин. На приведенном рисунке изображены относительные изменения индекса РТС, американского индекса S&P 500, японского Nikkei225 и французского CAC40. Оказывается, что в последний год коэффициент кор- реляции индекса РТС с указанными индексами составлял отрицательную величину. (Значения К для РТС с указанными выше индексами приведены в подписях к кривым на рисунке). Отрицательной величина корреляции становится за счет длительных периодов разнонаправленных движений индексов. Так, индекс РТС в первой половине года снижался, в то время как индексы указанных стран показывали рост. Особенно сильно подрос индекс N225, что и дало высокий отрицательный коэффициент К. По- ложительным коэффициент корреляции (из приведенных кривых) оказался только для цен нефти марки Brent. Хотя коэффициент К с нефтью +0,6 оказывается не столь высоким, как это можно было бы предположить, с учетом зависимости нашей эко- номики от цен на это сырье.

Из приведенной Таблицы 1 попарных корреляций видим, что указанные активы распределяются на две группы. В одной располагаются индексы развитых стран, которые имеют между собой достаточно высокие положительные значения по- парной корреляции. Так, коэффициент корреляции индекса S&P 500 и индекса САС 40 очень высок и составляет +0,9. В то время как коэффициенты корреля- ции с индексами стран BRICS для них оказываются отрицательными.
В другую группу выделяются индексы стран BRICS. На совместном графике относительных изменений индексов хорошо видно их согласованное поведение. Коэффициент корреляции РТС с индексами Китая и Бразилии оказывается даже чуть большим, чем зави- симость индекса РТС от цен нефти. Это указывает на достаточно высокую связанность поведения индексов стран BRICS. Из приведенных на двух рисунках кривых и коэффи- циентов корреляции этих кривых с индексом РТС можно сделать предположение, что на годовом гори- зонте решение об инвестировании в фондовый рынок России, Бразилии и Китая набором основных инве- сторов, определявших динамику индексов, принимались по схожим соображениям. Аналогично, как и решения об инвестировании в рынки США, Японии и Франции.

4. Корреляции приращений цен

Важно обратить внимание еще на одну важную осо- бенность. Для спекулянта гораздо большее значение имеет не корреляция цен акций, но корреляция днев- ных изменений цен. А это совсем не одно и то же. На рисунке 9. представлены три модельных графика. Каждый из них представляет сумму длиннопериод- ной синусоиды (годовые изменения) с соответствующей добавкой. А вот добавка для трех графиков разная. Для графика А - это «недельная» синусоида с периодом в 5 дней. Для графика В и С – недельная синусоида имеет отрицательный знак, так что на графиках А она находится в противофазе с добавкой на графиках В и С. На графике С, кроме того, имеется случайная добавка. Амплитуды всех добавок выбраны равной пятой части амплитуды основного колебания. Попарные коэффициенты кор- реляции кривых, несмотря на добавки, близки к единице и равны КА-В=+0,92; КА-С=+0,9; КB-С= + 0,9.

А вот для «дневных приращений цены», приведенных на втором графике картина, совсем иная. Точки на кривых А, В, С на рис. 10 получены в результате вычисления разностей последовательных по времени значений на кривых рис.9: Арис.10=Арис.9(t)-A рис.9(t-?t). Как видим, дневные приращения цен гораздо меньше зависят от годовых трендов, но в большей мере опре- деляются короткими колебаниями, имеющими период в несколько дней. Для указанных разностных кривых (рис.10) коэффициенты корреляции имеют совсем другие значения КА-В= -1,0; КА-С= -0,7; КB-С= + 0,7. Коэффициенты корреляции вычислены по вы- боркам в 250 пар. (С учетом предыдущего пункта ограничиваемся одним знаком после запятой для кривых содержащих случайную компоненту).

Аналогично можно поступить с использовавшимися выше индексами и обра- зовать из них наборы дневных приращений. Для полученных рядов относительных приращений были рассчитаны значения коэффициентов кор- реляции. Как видим из приведенной ниже таблицы 2, значения коэффициентов корреляции принципиально отличаются от соответствующих величин, приведенных в таблице 1.

Главное отличие состоит в большей устойчивости таких коэффициентов. Кроме того, корреляции приращений в основном оказываются положитель- ными. Исключением оказалось отрицательная величина корреляции приращений цены нефти и приращений японского индекса Nikkei 225. Однако абсолютные значения коэффициентов корреляции для приращений оказыва- ются, как правило, заметно меньшими, чем для самих величин и, в большинстве случаев, лишь немногим превышают возможные значения для наборов чисто случайных величин.

Степень устойчивости коэффициента корреляции можно продемонстрировать на их временных зави- симостях. Как уже упоминалось, коэффициент корреляции зависит от времени. Так, для двух наибо- лее ликвидных бумаг российского рынка, цен акций Сбербанка и Газпрома коэффициент корреляции (вычисленный по предыдущим 250 дням - пример- ный годовой интервал) сильно изменяется со временем. Например, в конце 2008 года коэффициент корреляции приближался к +1. Значит, в 2008 году в динамике цен акций преобладала согласованная ком- понента. Однако были периоды, когда коэффициент корреля- ции опускался в отрицательную область. Значит, в течение года, предшествовавшего таким провалам, значений корреляции, цены акций Газпрома и Сбер- банка изменялись в большей мере разнонаправленно. Такого рода разнонаправленность является довольно частым явлением на нашем рынке. Так часто проти- вофазное рынку движение показывали акции Сургутнефтегаза, Норильского Никеля или некото- рые другие акции. Это происходило либо по специфическим корпоративным причинам, либо, когда инвесторы на рынке выбирали какие-либо ак- ции в качестве защитного актива. А вот краткосрочные изменения цен акций, пусть даже в среднем, не являются столь высоко согласо- ванными, но зато демонстрируют большую устойчивость коэффициента корреляции в разные периоды времени. Такое отличие можно увидеть, сопоставляя поведение корреляции как самих цен акций Сбербанка и Газпрома (рис. 12), так и их изме- нений (рис.13). Рис.14 Стоит отметить, что даже для периодов высокой корреляции «зависимость» приращений цен одних акций от приращения цен других акций выглядит совсем не как динамическая кривая. Тем не менее, при больших К с достаточно большой вероятностью будет работать линейная регрессионная зависимость. В результате, можно, например, по приращению цен акций Газпрома оценить приращение акций Сбербан- ка (и наоборот). Однако беда такой зависимости состоит в том, что приращения цен указанных акций происходят за один временной интервал. И оценка вероятности приращения цены акций Сбербанка в определенный день возможна только при завершении этого же дня для акций Газпрома.

Определение коэффициентов корреляции между различными рядами данных позволяет быстро выявить наиболее простые зависимости и найти активы, ко- торые коррелируют с изучаемым. Так, по изменениям индексов зарубежных рынков или цен на товарные группы можно делать оценки вероятности теку- щих изменений индексов на нашем рынке. Но вот с самым главным – возможностью делать вероятностные прогнозы по уже произошедшим событиям все немного хуже. А ведь именно такого рода прогнозы имеют наибольшую ценность. Для этого нужно изучать корреляции сегодняшних приращений индекса с прошлыми приращениями индексов дру- гих рынков или приращениями цен товарных групп. Но по факту оказывается, что информация о прошлом довольно быстро девальвирует со временем. Из- вестная «максима» технического анализа «история цен содержат всю информацию о рынке», работает с большой натяжкой и при условии учета про- исходящих on-line событий. Реально прошлые цены определяют будущую динамику лишь в ограниченной мере. Для определения того, какое прошлое наиболее существенным образом влияет на настоящее, для начального анализа можно пытаться выстраивать корреля- цию текущих приращений с изменениями значений индексов, цен акций в предыдущие моменты времени. По факту оказывается, что уровни корреляции приращений из разных временных интервалов, как правило, имеют довольно низкие значения.

Это можно проиллюстрировать на примере автокорреля- ционной функции приращений индекса ММВБ. Корреляция берется для двух последовательных рядов дневных изменений индекса ММВБ. И если в качестве значений Xi берется дневное приращение индекса ММВБ за текущий день, то в качестве Yi выступают приращения индекса за предыдущий день. Из приведенного на рисунке 15 графика видим, что, во- первых, величина автокорреляции не сильно превышает значения коэффициента корреляции для пар чисто слу- чайных чисел. Во-вторых, К может изменять знак. И все же в длительные периоды знаковой определенно- сти коэффициента корреляции, с его использованием можно заработать на рынке деньги. Для этого, при поло- жительных К, достаточно покупать индекс под занавес торгов в дни, когда он закрывается с положительным приращением, и продавать в дни, когда индекс имеет отрицательное приращение. В результате, на периоде положительной определенности К можно получить ста- тистически значимое положительное приращение счета. В периоды отрицательного К, работоспособной будет контр трендовая к изменениям прошедшего дня методика.

В заключение отметим, что из рядов данных, имеющих наибольшую корреляцию с изучаемым активом, можно отобрать наборы, имеющие наибольшие по модулю ко- эффициенты корреляции. Тогда, (взвешивая, например, пропорционально величине К) можно строить синтетиче- ские активы, которые будут потенциально иметь более глубокую связь с интересующим нас активом, и иметь большее значение коэффициента корреляции. На рис. 16 приведены рассчитанные за предыдущий прошедший год коэффициенты корреляции приращений индекса РТС к приращениям индекса Bovespa, Shanghai Com., цен нефти марки Brent. Видим, что все три указанных коэффициен- та в течение последнего года изменялись в окрестности значений 0,3. Образовав гипотетический актив, изменения которого равны среднему значению изменений трех указанных величин, так же можно рассчитать коэффициент корре- ляции для дневных приращений полученного актива. Рассчитанные по тем же правилам значения коэффици- ента корреляции приращений индекса РТС и указанного синтетического актива приведены на рис. 16 жирной линией. Видим, что уровни корреляции вновь образован- ного актива оказались систематически большими, чем для входящих в него слагаемых. На таком пути можно образовывать другие активы добиваясь получения более высоких значений коэффициентов корреляции. Наиболее очевидное практическое значение имеет ком- бинирование таких синтетических активов из уже ушедших в историю рядов данных. Так, в пару к Xi - изменениям индекса РТС можно, например, составить актив Yi из трех величин: изменений цен нефти и индек- са Bovespa в предыдущий день и значения индекса Shanghai Сomp., но уже в текущий торговый день, кото- рый в Китае заканчивается намного раньше, чем закрываются торги в Москве. Как и в предыдущем слу- чае, коэффициент корреляции приращений индекса РТС с такой синтетической переменной оказывается выше попарных корреляций с каждой из этих величин по от- дельности. Тем самым коэффициент корреляции помогает найти более тесно связанную с изменениями индекса РТС переменную, значения которой появляются раньше по времени, чем время закрытия индекса РТС. Поступая аналогичным образом можно отбирать наборы таких переменных, выбирая из них наиболее связанную пару с интересующим активом.

(Нужно быть готовым к кропотливой работе по предварительной очистке данных, учету праздничных дней, торговле в выходные дни, как это проис- ходит по нефти марки Brent и т.д.). И еще: правильнее брать не среднее значение входящих величин, а их взвешенные значения по средней величине коэффициента корреляции. Лучше ввести изменяемые параметры, подбирая которые можно добиться лучших результатов. Однако оптимизацию лучше проводить уже не по величине коэффициента корреляции, а по потенциаль- ной прибыли, которую можно получить, используя ту или иную торговую методику. Можно уже на этапе подбора исходных данных использовать нейросети, когда оптимизирующая система на этапе обучения сама подбира- ет наиболее подходящие коэффициенты. Но все это уже скорей относится к созданию торговой системы. В данном же тексте продемонстрировано то, как можно использовать коэффициенты корреляции.

Как акции, так и индексы нередко используются для прогнозирования именно валютного рынка. Ничего удивительного, в этом нашем мире спекулянтов все, так или иначе, взаимосвязано. Безусловно, фондовый рынок - самый частый гость финансовых новостей на ТВ и в интернете. Акции то, акции се… акции Apple выросли на 5%, ну и замечательно, я как раз люблю свой iPhone.

Тут сразу же прослеживается связь между акциями и валютами. Скажем, если вы захотите купить акции японской компании на Токийской фондовой бирже, сделать это можно только в национальной валюте. В результате, ваши рубли или что там у вас есть в заначке нужно будет конвертировать в йену (JPY), что приводит, естественно, к увеличению спроса на нее. Чем больше акций на Токийской бирже покупается, тем йена более востребована. И напротив, чем больше валюту продают, для любых целей, тем меньше ее стоимость.

Когда фондовый рынок страны кажется инвесторам вкусным и питательным, они начинают заливать его деньгами. И напротив, если фондовый рынок страны находится в развалинах, инвесторы бегут с него сломя голову, ища более привлекательные места для инвестиций.

Трейдеры БО и форекса акции, естественно, не покупают (разве что CFD на них) хотя многие БО конторы и принимают ставки на их котировки. Несмотря на это, состояние акций ведущих стран мира должно представлять для вас первостепенный интерес.

Если фондовый рынок одной страны показывает лучшие результаты, нежели рынок другой, капитал из одной страны будет перетекать в другую. Это незамедлительно скажется на их валютах. Где деньги - там и крепче валюта, где фондовый рынок слаб - национальная валюта ослабляется.

Сильный фондовый рынок - сильная валюта.
Слабый фондовый рынок - слабая валюта.

Другими словами, между состоянием фондового рынка и курсом национальной валюты нередко прослеживается прямая корреляция. Упал юань - перед этим рухнула Шанхайская биржа. Растет MICEX (индекс Московской биржи) – за ним бежит рубль.

Самый простой способ отслеживать состояние фондового рынка - это поставить на график специальный индекс. У него есть цена, как и у каждого актива и за ней весьма удобно наблюдать.

Основные мировые индексы

Рассмотрим ключевые мировые индексы, что нас интересуют. Как вы сразу заметите, многие из них коррелируют и дополняют друг друга.

Индекс Доу Джонса

Старейший и самый известный индекс в мире. Их, на самом-то деле, несколько, но самый популярный называется «промышленный индекс Доу Джонса», он же Dow Jones Industrial Average (тикер DJIA ).

Ключевой фондовый индекс США, в котором объединены 30 компаний с публично доступными акциями. Кстати несмотря на название, эти компании не особенно связаны с промышленностью, ибо она сейчас не в фаворе. Там просто 30 крупнейших компаний Америки.

За этим индексом пристально наблюдают инвесторы во всем мире. Он представляет собой отличный индикатор всего состояния американской экономики, реагирует на местные и зарубежные экономические и политические события. В индексе отслеживаются невероятно богатые компании, вы слышали о большинстве из них. Макдональдс, Intel, Pfizer – все это там есть.

Индекс S&P 500

Индекс Standard & Poor 500, он же S&P 500 – один из самых известных индексов планеты. Это средневзвешенный индекс цен на акции 500 крупнейших компаний США.

По сути, это ключевой индикатор всей американской экономики и по нему судят о ее состоянии. Индекс S&P 500 (тикер SPX ) - самый популярный по торговым объемам индекс в мире после промышленного индекса Доу Джонса.

Есть целые фонды, будь-то ETF либо пенсионные, основная задача которых - отслеживать эффективность S&P 500, в торговлю которым вложены сотни миллиардов долларов.

NASDAQ Composite

Это биржевой индекс NASDAQ (National Association of Securities Dealers Automated Quotations) – крупнейшего электронного рынка США, в котором участвует более 4000 компаний и корпораций.

Это один из самых ликвидных фондовых рынков в мире. Тикер на графике NASX .

Nikkei

Индекс Nikkei – это такой промышленный индекс Доу Джонса, но для японцев. В нем усредненно отображаются показатели 225 крупнейших компаний японского фондового рынка.

Типичные представители Nikkei - это компании Toyota, Mitsubishi, Fuji и прочие. Тикер на графике NKY .

DAX

Расшифровывается как Deutscher Aktien Index - индекс немецкой фондовой биржи, включающий в себя 30 «голубых фишек» — крупнейших компаний, чьи акции торгуются на Франкфуртской фондовой бирже.

Германия - самая мощная экономика ЕС, поэтому если вас интересует судьба Евро - вы должны смотреть за DAX. В индекс входят компании вроде Adidas, Deutsche Bank, SAP, Daimler AG и Volkswagen. Тикер на графике DAX .

DJ EURO STOXX 50

Индекс Dow Jones Euro Stoxx 50 - один из ключевых индексов еврозоны, отображающих успехи крупнейших компаний ЕС. В индекс входит 50 предприятий из 12 стран ЕС.

Создан компанией Stoxx Ltd., что является совместным предприятием Deutsche Boerse AG, Dow Jones & Company и SIX Swiss Exchange. Тикер на графике MPY0 .

FTSE

Расшифровывается как Financial Times Stock Exchange, он же «футси» (footsie) - индекс акций крупнейших компаний, котируемых на Лондонской фондовой бирже.

Есть несколько его разновидностей (так часто с индексами бывает). Скажем, FTSE 100 включает в себя 100 компаний, а FTSE 250, соответственно, 250 крупнейших компаний Великобритании. Тикер на графике FTSE .

Hang Seng

Фондовый индекс Hang Seng для Гонконгской биржи отображает изменения в ценах компаний, что котируются на бирже Гонконга.

В индекс входит 50 крупнейших компаний с капитализацией 58% от общего объема биржи. Тикер на графике HSI .

Индекс РТС

Наш, родной русский индекс (тикер RTS ), учитывающий 50 крупнейших отечественных компаний, чьи акции котируются на Московской бирже. Считается, кстати, в долларах США. Список компаний, чьи акции учитываются в индексе, пересматриваются раз в 3 месяца. Появился индекс 1 сентября 1995 года и получил базовое значение 100.

В индекс РТС входят такие компании, как АФК Система, Аэрофлот, Башнефть, Лукойл, РусГидро, УралКалий, Татнефть и многие другие. Есть и разновидности этого индекса - RTS-2, RTS Standard Index и прочие, но старый добрый индекс РТС - самый популярный.

Как видите, индексы штука простая и очень полезная - позволяет сразу получить полную информацию о состоянии не просто отдельно взятого фондового рынка, но и всей экономики страны в целом. Ведь состояние крупнейших компаний и является ключевым индикатором.

Взаимосвязь фондового и валютного рынка

Теперь разберемся, стоит ли принимать во внимание все эти индексы, если работать с валютными парами в FX/БО. Безусловно, стоит - для определения общих рыночных трендов на старших таймфреймах (вспоминаем ).

В целом, если не мудрить, когда фондовый рынок на подъеме, инвесторы охотнее в него инвестируют, скупая для этого национальную валюту. Что приводит, естественно, к ее укреплению.

Если же фондовый рынок безутешно падает, инвесторы забирают свои денежки, конвертируя их обратно в свою валюту и национальная денежная единица ослабевает. Именно эта история происходит сейчас у нас, достаточно взглянуть на ужасающее состояние индекса РТС, что падает аж с 2011 года.

Однако, есть два исключения - США и Япония. Рост экономики этих стран нередко приводит к тому, что их национальные валюты ослабевают - такой вот забавный парадокс связанный, тем не менее, с определенными экономическими механизмами.

Взглянем на то, как промышленный индекс Доу Джонса взаимодействует с Nikkei.

Как видим, индекс DJIA и Nikkei 225 идут друг за другом как влюбленная парочка. При этом, обратите внимание - иногда движение одного индекса предвосхищает движение другого, что позволяет использовать такую миниатюрную машину времени для прогнозов.

USD/JPY и индекс Nikkei

Посмотрим, как японский индекс отражается на валюте доллар/йена. Прежде чем в 2007 году начался глобальный финансовый кризис, когда ведущие экономики мира падали квартал за кварталом, между Nikkei и USD/JPY была обратная корреляция.

Инвесторы были уверены, что эффективность японского фондового рынка напрямую влияла на экономическое состояние страны, поэтому рост Nikkei привел к укреплению японской йены. Справедлива и обратная ситуация, если Nikkei падает - йене тоже не здоровится.

И все было хорошо до тех пор, пока не грянул финансовый кризис. Тут-то все перевернулось с ног на голову. В результате, на графике индекс и валюта стали идти в одном направлении. Чудеса, да и только: укрепляется Nikkei - ослабевает йена и наоборот.

Тем не менее, корреляция осталась более чем прозрачной - просто изменилась ее полярность.

USD/JPY и DJIA

Индекс Доу Джонса и доллар/йена, дружат ли они или так, провели ночь вместе и «пока, я позвоню»? Казалось бы, между ними должна быть четкая корреляция. Однако, судя по графику, ситуация вовсе не такая однозначная. Хотя некоторая корреляция присутствует, она вовсе не безусловная.

Видно что после финансового кризиса все снова смешалось и были периоды, когда вместо взаимодействия на графике было черти-что.

Что ж, никто не обещал, что будет легко. Понятно, что нам нужно использовать технический и фундаментальный анализ, не говоря уже об инструментах вроде , чтобы выжать с индексов максимальную пользу.

EUR/JPY и фондовые индексы

Как мы уже обсуждали, чтобы купить акции какой-то компании на фондовой бирже, нужно ваши бумажки поменять на национальную валюту. Возьмем немецкий индекс DAX. В теории, если растет индекс - то укрепляется и евро, ведь все напропалую скупают европейские акции. И такая корреляция действительно существует, хотя и не абсолютная.

Что еще интереснее, у EUR/JPY есть корреляция и с другими мировыми фондовыми индексами. Не удивительно, ведь йена, как и американский доллар, считается «безопасной гаванью» во времена экономических кризисов. Если мировая экономика падает и трейдерам страшненько, они нередко забирают деньги с фондового рынка, что приводит к падению индексов DAX и S&P 500. В результате, цена EUR/JPY падает, ибо трейдеры скупают йену.

Когда же все хорошо, девушки красивы, а солнце сияет, инвесторы заливают деньги в фондовый рынок, то цена на EUR/JPY растет. Вот так и появляется корреляция.

Сравним EUR/JPY с S&P 500:

А вот с DAX:

Мы видим пусть не зеркальную, но вполне отчетливую корреляцию. Так что обязательно возьмите вашу любимую валютную пару и посмотрите, есть ли у нее корреляция с фондовыми индексами или другими активами?

Скажем, взял я любимую свою пару GBP/JPY и сравнил с FTSE. Что мы видим? Им явно интересно вместе, экие шалуны.

Ну а это из разряда «лучше один раз увидеть». Корреляция USD/RUB и цены на нефть сорта Brent. Картина маслом, почти Пикассо: эти ребята явно поцелуются и сойдутся вместе, как уже бывало с ними ранее.

Все взаимосвязано

Корреляцию можно расценивать как дополнительный индикатор глобального рыночного тренда. Если показатели двух взаимосвязанных активов расходятся - тренды каждого намного проще определить методами технического анализа. А уж что делать с линиями тренда и вы так знаете.

Рассмотрим несколько популярных корреляций между товарами и валютными парами.

Золото вверх, доллар вниз . В экономические кризисы инвесторы часто за доллары покупают золото, что всегда в цене.
Золото вверх, AUD/USD вверх . Австралия - третий по величине поставщик золота в мире, поэтому курс австралийского доллара в немалой степени связан со спросом на золото.
Золото вверх, NZD/USD вверх . Новая Зеландия тоже производит немало золотишка.
Золото вверх, USD/CAD вниз . Канада - 5й по величине поставщик золота в мире. Поэтому если цены на золото идут вверх, пара USD/CAD движется вниз (ибо все покупают CAD).
Золото вверх, EUR/USD вверх . Как золото, так и евро считаются такими себе «антидолларами». Поэтому рост цены на золото нередко приводит к росту курса EUR/USD.
Нефть вверх, USD/CAD вниз . Канада - крупнейший нефтедобытчик мира, экспортирующий более 2 миллионов баррелей в сутки, в основном, в США. Если нефть дорожает, пара на графике идет вниз.
Проценты по облигациям вверх/нац. валюта вверх . Тут все понятно, чем больше процентов дают гособлигации, тем больше их покупают за национальную валюту. Растет спрос на нее - растет и ее курс.
DJIA вниз, Nikkei вниз . Экономики США и Японии очень тесно связаны и вместе идут как вверх, так и вниз.
Nikkei вниз, USD/JPY вниз . Инвесторы часто выбирают йену как «безопасную гавань» в периоды экономических проблем.

Фондовый рынок, состояние которого можно анализировать через индексы, самым непосредственным образом коррелирует с валютными парами. Изучая их взаимодействие вы нередко сможете найти ситуации, когда эти данные расходятся так, что одни показатели выступают как “машина времени” для другого. При этом важен факт не только самой корреляции, но и изменения ее полярности с позитивной на негативную и наоборот.

Наконец, почти у всех брокеров есть возможность работать прямо по этим индексам, что в БО, что в форексе. Чем и можно воспользоваться, хоть с корреляциями, хоть без них.

Назад:
Вперед:

В статистике коэффициент корреляции (англ. Correlation Coefficient ) используется для проверки гипотезы о существовании зависимости между двумя случайными величинами, а также позволяет оценить ее силу. В портфельной теории этот показатель, как правило, используется для определения характера и силы зависимости между доходностью ценной бумаги (актива) и доходностью портфеля . Если распределение этих переменных является нормальным или близким к нормальному, то следует использовать коэффициент корреляции Пирсона , который рассчитывается по следующей формуле:

Среднеквадратическое отклонение доходности акций Компании А составит 0,6398, акций Компании Б 0,5241 и портфеля 0,5668. (О том, как рассчитывается среднеквадратическое отклонение можно прочитать )

Коэффициент корреляции доходности акций Компании А и доходности портфеля составит -0,864, а акций Компании Б 0,816.

R A = -0,313/(0,6389*0,5668) = -0,864

R Б = 0,242/(0,5241*0,5668) = 0,816

Можно сделать вывод о присутствии достаточно сильной взаимосвязи между доходностью портфеля и доходностью акций Компании А и Компании Б. При этом, доходность акций Компании А демонстрирует разнонаправленное движение с доходностью портфеля, а доходность акций Компании Б однонаправленное движение.