Ярослав Суков – Индекс корреляции активов (DCE) (страница 2)

Проблема статических коэффициентов

Почему же мы до сих пор цепляемся за коэффициент Пирсона, этот «окаменелый» инструмент?

Представьте, что вы пытаетесь измерить температуру больного, прикладывая термометр к тому месту, где он лежал час назад. Статическая корреляция делает именно это. Она усредняет поведение активов за фиксированный период, не различая, была ли связь между ними сильной в понедельник (из-за выхода макро-данных) и слабой во вторник (из-за корпоративных отчетов).

У статического подхода три смертельных греха:

1. Нестационарность: Рынки не имеют постоянной «средней» корреляции. Распределение корреляций меняется во времени. Строить модель на основе среднего значения корреляции за 5 лет — это все равно что строить прогноз погоды на завтра, основываясь на среднем значении температуры за последнее десятилетие.

2. Линейная слепота: Пирсон измеряет только линейную связь. Но рынок живет в мире нелинейностей. Два актива могут быть никак не связаны, когда рынок спокоен (корреляция 0), но в моменты обвала (когда оба актива теряют 10% за день) они связаны жесткой хвостовой зависимостью (tail dependence). Статический коэффициент не видит этого, пока не станет слишком поздно. Это как детектор лжи, который реагирует только на громкость голоса, игнорируя микровыражения лица.

3. Гомоскедастичность (предположение о постоянстве дисперсии): Модели предполагают, что «шум» (волатильность) постоянен. Но в кризис волатильность взрывается, и вместе с ней взрывается структура корреляций. В периоды высокой волатильности факторная структура рынка коллапсирует: вместо множества факторов (секторальных, страновых) остается один доминирующий фактор — «глобальный риск».

Предел статики.

Представьте себе паука, который плетет паутину (портфель). Если паук оценивает прочность каждой нити по тому, как она вела себя вчера, он не заметит, что сегодня по паутине прошел ветер, изменивший угол натяжения всех нитей одновременно. Ветер — это смена режима.

Именно здесь заканчивается власть статических коэффициентов и начинается территория DCE. Мы переходим от вопроса «Какова корреляция?» к вопросу «Как скорость изменения корреляции влияет на структуру скрытых факторов в моем портфеле, и как мне динамически перестроить связи, чтобы паутина не порвалась, а поймала добычу?»

В следующей главе мы разберем анатомию этого перехода. Мы увидим, как концепция фрактального рынка (Mandelbrot) и копул (Sklar) закладывают математический фундамент для создания DCE — инструмента, который не просто измеряет связи, а предсказывает их разрывы и схлопывания, превращая хаос корреляций из угрозы в источник алгоритмического превосходства.

Глава 2. Классическая корреляция: основы и ограничения

Коэффициент Пирсона и его ловушки

Карл Пирсон, британский математик конца XIX века, подарил миру мощный инструмент. Его коэффициент (r) был создан для изучения наследственных признаков — роста отцов и сыновей, длины листьев ирисов. В этом биологическом мире, где причинно-следственные связи укоренены в эволюции, а данные были стационарны (гены не меняют поведение каждую секунду), коэффициент Пирсона работал безупречно.

Но когда финансисты в середине XX века, очарованные элегантностью математики, перетащили этот инструмент на рынки, они совершили ту же ошибку, что и герои древнегреческих мифов, пытавшиеся использовать земные орудия в битве с богами. Они применили статический инструмент к живой, дышащей, эволюционирующей системе.

Что же такое коэффициент Пирсона на самом деле?

Формула, которую мы все заучивали, элегантна:

r = { ∑ (X_t - X^-)(Y_t - Y^-)} /{ sqrt{ ∑ (X_t - X^-)² ∑ (Y_t - Y^-)²} }

Но за этой элегантностью скрываются три жестких предположения, которые рынок нарушает каждую микросекунду.

Ловушка первая: Линейность. Пирсон измеряет только силу линейной связи. Он говорит: если X увеличивается на одну единицу, Y увеличивается (или уменьшается) на постоянную величину. Но финансовые активы редко общаются друг с другом так прямолинейно. Представьте себе два актива: акции авиакомпании и цены на нефть. Классическая экономика говорит: рост нефти — это плохо для авиакомпании (издержки растут), корреляция отрицательная. Но что происходит, когда нефть падает с 120 до 30 долларов?

При низких ценах нефть продолжает падать — и авиакомпании продолжают расти? Не всегда. При сверхнизких ценах на нефть рынок начинает интерпретировать это как сигнал глобальной рецессии, и акции авиакомпании падают вместе с нефтью. Связь изгибается, становится нелинейной.

Коэффициент Пирсона, усреднив весь этот путь, покажет слабую или нулевую корреляцию, хотя на самом деле связь есть — просто она меняет направление. Это как измерять скорость автомобиля, усредняя его движение за весь день: вы не узнаете, что он то разгонялся, то тормозил, то стоял в пробке.

Ловушка вторая: Стационарность. Пирсон предполагает, что статистические свойства (среднее, дисперсия, ковариация) двух рядов не меняются во времени. Представьте себе брак, где характер отношений меняется каждые пять лет: в молодости они страстно коррелированы (все делают вместе), в зрелости становятся независимыми (каждый занят своим делом), в старости снова становятся неразлучны.

Если вы спросите случайного прохожего: «Какова корреляция между этими двумя людьми?» — он пожмет плечами. Но финансовые модели упорно спрашивают именно это, усредняя десятилетия данных, в которых рыночная структура менялась кардинально. Корреляция между акциями и облигациями США за 50 лет: то была положительной (1970-е, инфляция бьет по всему), то отрицательной (1980–2020, «золотая эра» 60/40), то снова положительной (2022). Усреднение этих эпох дает число, не имеющее никакого отношения к текущей реальности.

Ловушка третья: Гомоскедастичность (предположение о постоянной волатильности). Пирсон молчаливо предполагает, что шум вокруг взаимосвязи постоянен. Но в финансах волатильность кластеризуется: за периодами спокойствия следуют взрывные всплески. И, что самое коварное, корреляции имеют свойство расти вместе с волатильностью.

В кризис, когда волатильность каждого актива взлетает до небес, корреляции между ними тоже взлетают, стремясь к +1 или -1. Статический коэффициент, рассчитанный за год, включающий спокойные и бурные периоды, дает нечто среднее, что не описывает ни одно из состояний рынка. Это как если бы врач усреднил температуру пациента за месяц и сказал: «У вас нормально», хотя у пациента была неделя лихорадки и три недели гипотермии.

История LTCM — это идеальная иллюстрация. Их модели использовали исторические корреляции за длительные периоды, предполагая, что связь между итальянскими и датскими облигациями останется такой же, как в спокойные годы. Они не учли, что в момент, когда кризис заставит всех бежать к ликвидности, все облигации, независимо от страны, станут двигаться синхронно. Они строили дом на песке стационарности.

Нелинейные зависимости, которые вы не видите

Если вы смотрите на рынок через призму коэффициента Пирсона, вы похожи на человека, который смотрит на звездное небо в обычный бинокль: вы видите яркие точки, но не замечаете двойных звезд, туманностей и черных дыр. Нелинейные зависимости — это те самые невидимые структуры, которые определяют судьбу портфеля в моменты истины.

Рассмотрим четыре типа зависимостей, которые ускользают от Пирсона, но критически важны.

1. Асимметричная зависимость (Correlation Asymmetry)

Рынок часто ведет себя по-разному на подъемах и на спадах. Два актива могут расти независимо (корреляция 0), но падать вместе, как будто связанные веревкой. Классический пример: акции страховых компаний и ураганы. В обычные дни они движутся в такт с рынком, а в дни, когда ураган действительно обрушивается, все они падают синхронно, независимо от фундаментальных показателей. Пирсон, смешав восходящие и нисходящие движения, даст низкую корреляцию, скрыв от вас смертельную опасность: хвостовая зависимость (tail dependence).

2. Режимная зависимость (Regime-Dependent Correlation)

Здесь связь меняется в зависимости от внешних условий. Возьмем пару: доллар США и золото. Десятилетиями они были отрицательно коррелированы: сильный доллар — дешевое золото. Но в моменты геополитического кризиса (война, дефолт) оба могут стать убежищами и расти вместе. Корреляция «переключает знак». Пирсон, усреднив, покажет «слабо отрицательную», что бесполезно для прогнозирования в момент начала войны.

3. Зависимость, меняющаяся от масштаба времени

Корреляция на часовых интервалах может быть отрицательной, на дневных — нулевой, на месячных — положительной. Это следствие фрактальной природы рынка, открытой Бенуа Мандельбротом. Трейдеры высоких частот видят одни связи, долгосрочные инвесторы — другие. Пирсон не различает масштабы, он дает одно число, не спрашивая: «А какой горизонт вас интересует?»

4. Нелинейная связь, не выражаемая ковариацией

Представьте, что движение актива Y — это квадрат движения актива X. Если X растет, Y растет; если X падает, Y все равно растет. Связь жесткая, детерминированная, но коэффициент Пирсона покажет ноль, потому что линейная зависимость отсутствует. На рынках такое встречается в опционах и производных инструментах, где волатильность (Y) нелинейно реагирует на движение базового актива (X).