Как использовать криптовалютные корреляции в торговле

Полезная статья, которая поможет более грамотно составлять портфель и пользоваться одной из фич DefiLlama.

📚 О корреляции и коэффициенте Пирсона
В финансовой сфере корреляция означает наличие (или отсутствие) взаимосвязи между активами. Максимально практично вопрос, на который отвечает корреляция, можно сформулировать так: как ведут себя актив А и Б относительно друг друга? Ответы можно разделить на три категории:
• Активы, которые движутся вместе (положительная корреляция).
• Активы, которые движутся в противоположных направлениях (отрицательная корреляция).
• Активы, которые движутся независимо друг от друга (некоррелированные).

Наиболее распространенным способом измерения корреляций является коэффициент Пирсона, который измеряется по шкале от -1 до 1.
• 1 означает идеальную положительную корреляцию.
• -1 означает идеальную отрицательную корреляция.
• 0 означает, что активы не имеют заметной связи.

⚙️ Как использовать матрицу корреляций DefiLlama
Перейдите на вкладку Correlation в разделе Tools слева. Матрица использует коэффициент Пирсона для отображения корреляции активов от -1 до 1.
• Фильтровать данные можно по трем временным рамкам: недельной, месячной и годовой.
• Добавлять активы можно по кнопке «+» на матрице.

🛠 Как использовать корреляцию
Одно из применений корреляции — диверсификация портфеля. Если все ваши активы положительно коррелируют между собой, то падение цены одного, вероятно, повлечет за собой аналогичное падение цен на все. Если же в портфеле присутствуют активы с низкой или отрицательной корреляцией, то падение цены одного актива не отразится на других. То есть портфель с отрицательно коррелированными активами теоретически является более устойчивым.

Другой вариант использования корреляции — в трейдинге. Если активы имеют сильную положительную корреляцию и один из них вырос в цене, вероятно, в ближайшее время вырастет и второй. Для отрицательно коррелированных активов верно обратное.

❕ Обратите внимание: корреляция не подразумевает причинно-следственной связи. Даже если два или более актива движутся вместе, это не значит, что эти движения напрямую обусловлены друг другом. Корреляционные данные полезны, но важно понимать их ограниченность.

Понравился пост? Ставьте лайки, подписывайтесь на канал, заходите в чат👇

🧑‍🚀 Канал | Чат | Twitter