24 juni 2021 11:21

Kruiscorrelatie

Wat is kruiscorrelatie?

Kruiscorrelatie is een meting die de bewegingen van twee of meer sets tijdreeksgegevens ten opzichte van elkaar volgt. Het wordt gebruikt om meerdere tijdreeksen te vergelijken en objectief te bepalen hoe goed ze op elkaar aansluiten en, in het bijzonder, op welk punt de beste overeenkomst plaatsvindt.

Kruiscorrelatie kan ook eventuele periodiciteiten in de gegevens onthullen.

Belangrijkste leerpunten

  • Kruiscorrelatie wordt gebruikt om de overeenkomsten in de beweging van twee factoren in de tijd te volgen.
  • Aandelenbeleggers gebruiken het om te bepalen in welke mate twee aandelen samen bewegen.
  • Portefeuillediversificatie vereist het selecteren van aandelen en andere activa die in tegengestelde richting bewegen om verliezen af ​​te dekken.

Kruiscorrelatie begrijpen

Kruiscorrelatie wordt over het algemeen gebruikt bij het meten van informatie tussen twee verschillende tijdreeksen. Het mogelijke bereik voor de correlatiecoëfficiënt van de tijdreeksgegevens is van -1,0 tot +1,0. Hoe dichter de kruiscorrelatiewaarde bij 1 ligt, hoe dichter de sets identiek zijn.

Beleggers en analisten gebruiken kruiscorrelaties om te begrijpen hoe de prijzen van twee of meer aandelen – of andere activa – presteren ten opzichte van elkaar. Dit is vooral belangrijk voor correlatiehandel, zoals spreidingsstrategieën en parenhandel.

Bovenal wordt kruiscorrelatie gebruikt in  portefeuillebeheer  om de mate van diversificatie tussen de activa in een portefeuille te meten. Beleggers vergroten de diversificatie van hun activa om het risico op grote verliezen te verkleinen. Dat wil zeggen dat de prijzen van twee technologieaandelen meestal in dezelfde richting kunnen bewegen, terwijl een technologieaandeel en een olievoorraad in tegengestelde richting kunnen bewegen. Kruiscorrelatie helpt de belegger zijn bewegingspatronen nauwkeuriger vast te stellen.



Kruiscorrelatie kan alleen patronen van historische gegevens meten. Het kan de toekomst niet voorspellen.

Formule voor kruiscorrelatie

In de eenvoudigste versie kan het worden beschreven in termen van een onafhankelijke variabele, X, en twee afhankelijke variabelen, Y en Z. Als onafhankelijke variabele X variabele Y beïnvloedt en de twee positief gecorreleerd zijn, zal naarmate de waarde van X stijgt dat ook doen de waarde van Y.

Als hetzelfde geldt voor de relatie tussen X en Z, dan zal de waarde van X stijgen naarmate de waarde van Z toeneemt. Van variabelen Y en Z kan worden gezegd dat ze kruislings gecorreleerd zijn omdat hun gedrag positief gecorreleerd is als gevolg van elk van hun individuele relaties met variabele X.

Hoe kruiscorrelatie wordt gebruikt

Aandelen markt

Kruiscorrelatie kan worden gebruikt om zicht te krijgen op de algemene aard van de grotere markt. In 2011 vertoonden verschillende sectoren binnen de S&P 500 bijvoorbeeld een correlatie van 95%.

Dat betekent dat alle sectoren vrijwel in lockstep met elkaar bewogen. Het was moeilijk om aandelen te kiezen die het in die periode beter deden dan de bredere markt. Het was ook moeilijk om aandelen in verschillende sectoren te selecteren om de diversificatie van een portefeuille te vergroten. Beleggers moesten naar andere soorten activa kijken om hun portefeuillerisico te helpen beheersen.

Aan de andere kant betekende de hoge marktcorrelatie dat beleggers aandelen in indexfondsen konden kopen om blootstelling aan de markt te krijgen, in plaats van te proberen individuele aandelen te kiezen.

Portfoliomanagement 

Kruiscorrelatie wordt bij portefeuillebeheer gebruikt om de mate van diversificatie tussen de activa in een portefeuille te meten.  Moderne portefeuilletheorie (MPT) gebruikt een maatstaf voor de correlatie van alle activa in een portefeuille om de meest efficiënte grens te bepalen. Dit concept helpt om het verwachte rendement te optimaliseren tegen een bepaald risiconiveau.

Het opnemen van activa die een lage correlatie met elkaar hebben, helpt om het algehele risico in een portefeuille te verminderen. Toch kan kruiscorrelatie in de loop van de tijd veranderen. Het kan ook alleen historisch worden gemeten. Twee activa die in het verleden een hoge mate van correlatie hebben gehad, kunnen niet-gecorreleerd raken en afzonderlijk gaan bewegen. Dit is in feite een tekortkoming van MPT. Het veronderstelt stabiele correlaties tussen activa.