CryptoFutures

Guides

Анализ корреляции между криптовалютами

Категория:Криптовалютный трейдинг Категория:Технический анализ Анализ корреляции между криптовалютами — метод оценки взаимосвязи движений цен двух или более цифровых активов. Используется для диверсификации портфеля,…

Анализ корреляции между криптовалютами — Guides, CryptoFutures

Категория:Криптовалютный трейдинг Категория:Технический анализ

Анализ корреляции между криптовалютами — метод оценки взаимосвязи движений цен двух или более цифровых активов. Используется для диверсификации портфеля, хеджирования и построения арбитражных стратегий. В отличие от фундаментального или новостного анализа, корреляционный анализ опирается исключительно на исторические ценовые ряды.

Суть метода

Корреляция измеряется коэффициентом Пирсона (r), который принимает значения от −1 до +1. Значение +1 означает абсолютно синхронное движение активов, −1 — зеркально противоположное, 0 — отсутствие связи. В криптовалютной среде чаще всего наблюдается положительная корреляция, особенно между альткоинами и биткоином.

Расчёт производится по формуле:

r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2 \sum (y_i - \bar{y})^2}}

где x_i и y_i — доходности активов за период, \bar{x} и \bar{y} — их средние значения.

Почему это важно

  • Диверсификация: если активы имеют низкую или отрицательную корреляцию, убытки одного могут компенсироваться прибылью другого.
  • Хеджирование: зная пары с высокой корреляцией, трейдер может открывать противоположные позиции для снижения риска.
  • Прогнозирование: движение одного актива часто предшествует движению другого (опережающая корреляция).
  • Риск-менеджмент: высокая корреляция означает, что портфель фактически менее диверсифицирован, чем кажется.

Как интерпретировать результаты

  • 0.7–1.0: сильная положительная связь (например, ETH и BTC в периоды бычьего рынка).
  • 0.3–0.7: умеренная связь (альткоины среднего уровня).
  • 0–0.3: слабая связь (редкие пары, например, BTC и стейблкоины).
  • −0.3 и ниже: отрицательная корреляция (встречается редко, но возможна между BTC и некоторыми токенами DeFi в кризис).

Практическое применение

Выбор активов для портфеля

Трейдеры и инвесторы строят матрицы корреляции для десятков монет. Если цель — минимизация риска, выбираются активы с r < 0.5.

Торговые стратегии

  • Парный трейдинг: покупка недооценённого актива и продажа переоценённого при временном расхождении корреляции.
  • Хеджирование портфеля: открытие шорта по BTC при лонге по ETH, если корреляция близка к 1.
  • Портфельный ребалансинг: снижение доли актива, корреляция которого с рынком резко выросла.

Анализ сдвигов корреляции

Корреляция нестабильна во времени. Во время крипто-зимы она резко растёт, а на растущем рынке — снижается. Мониторинг скользящей корреляции (например, за 30 или 90 дней) помогает вовремя заметить смену режима.

Ограничения и подводные камни

  • Корреляция ≠ причинность. Совпадение движений не означает, что один актив влияет на другой.
  • Нестационарность. Коэффициент, рассчитанный за год, может быть бесполезен для текущей ситуации.
  • Ложные сигналы. На низколиквидных монетах корреляция часто искажается единичными крупными сделками.
  • Синхронность vs опережение. Стандартный коэффициент не учитывает временные лаги — для этого используется кросс-корреляция.
  • Разные таймфреймы. Корреляция на часовых свечах может отличаться от дневной.

Инструменты для расчёта

  • Python-библиотеки: pandas, numpy, scipy (функция pearsonr).
  • Торговые терминалы: TradingView (инструмент Correlation Matrix), Coinglass.
  • Онлайн-сервисы: CoinMetrics, IntoTheBlock, Cryptowatch.

Пример кода на Python

python import pandas as pd import numpy as np

  1. Загрузка цен закрытия (пример) df = pd.read_csv('prices.csv', index_col='date', parse_dates=True) returns = df.pct_change().dropna()

  2. Матрица корреляции corr_matrix = returns.corr(method='pearson') print(corr_matrix)

  3. Скользящая корреляция BTC и ETH за 30 дней rolling_corr = returns['BTC'].rolling(30).corr(returns['ETH']) print(rolling_corr.tail())

Связь с другими видами анализа

Корреляционный анализ часто комбинируют с анализом волатильности, кластеризацией активов и регрессионными моделями. В продвинутых стратегиях используется копулы для моделирования хвостовых зависимостей, которые не видны при обычном коэффициенте Пирсона.

См. также