ยินดีต้อนรับสู่โลกแห่งความจริงของสหสัมพันธ์ (Correlation)!
ใน FRM Part I คุณได้เรียนรู้วิธีการคำนวณสหสัมพันธ์ (Correlation) ออกมาเป็นตัวเลขที่ดูเรียบง่ายและสะอาดตาในช่วงระหว่าง -1 ถึง +1 แต่ในโลกแห่งความเป็นจริงของการวัดและจัดการความเสี่ยงด้านตลาด (Market Risk Measurement and Management) นั้น สหสัมพันธ์ไม่ใช่เรื่องง่ายเลย มันเป็นสิ่งที่ "อารมณ์แปรปรวน" ได้ง่าย มันเปลี่ยนแปลงเมื่อตลาดเผชิญกับสภาวะตึงเครียด มันเคลื่อนไหวไปตามกาลเวลา และแทบจะไม่หยุดนิ่งอยู่ตรงที่คุณคาดหวังไว้เลย
ในบทนี้ เราจะมาสำรวจกันว่าสหสัมพันธ์มีพฤติกรรมอย่างไรในตลาดการเงินจริงๆ การทำความเข้าใจคุณสมบัติเหล่านี้ถือเป็นเรื่องสำคัญมาก เพราะหากแบบจำลองความเสี่ยงของคุณสมมติให้สหสัมพันธ์คงที่ คุณอาจต้องเผชิญกับเหตุการณ์ไม่คาดฝันเมื่อเกิดวิกฤตขึ้น เรามาเริ่มเจาะลึกกันเลยดีกว่า!
1. สหสัมพันธ์ไม่ได้คงที่ (แปรผันตามเวลา - Time-Varying)
สิ่งแรกที่ต้องตระหนักคือสหสัมพันธ์มีความ พลวัต (dynamic) หากคุณวัดสหสัมพันธ์ระหว่างหุ้นสองตัวในวันนี้ ผลลัพธ์ที่ได้ย่อมแตกต่างจากการวัดในอีกหกเดือนข้างหน้า
การกลับเข้าสู่ค่าเฉลี่ย (Mean Reversion)
แม้ว่าสหสัมพันธ์จะเคลื่อนไหวไปมา แต่มักจะมีแนวโน้มของ การกลับเข้าสู่ค่าเฉลี่ย (mean reversion) หมายความว่าหากสหสัมพันธ์ระหว่างสินทรัพย์สองตัวสูงหรือต่ำผิดปกติเมื่อเทียบกับค่าเฉลี่ยในอดีต มันมักจะค่อยๆ ปรับตัวกลับมาหาค่าเฉลี่ยนั้นเมื่อเวลาผ่านไป
คำอุปมา: ให้ลองนึกถึงหนังยาง คุณสามารถดึงมันให้ยืดออกได้ (ทำให้สหสัมพันธ์ห่างจากค่าเฉลี่ย) แต่ในที่สุดมันก็ต้องการที่จะหดกลับคืนสู่รูปทรงเดิม (ค่าเฉลี่ยระยะยาว)
ทบทวนสั้นๆ: ทำไมเรื่องนี้ถึงสำคัญ?
หากคุณเป็นผู้จัดการความเสี่ยงที่ใช้สหสัมพันธ์แบบ "คงที่" (static) ในแบบจำลอง Value-at-Risk (VaR) ของคุณ คุณกำลังมองข้ามความจริงที่ว่าความเสี่ยงสามารถเปลี่ยนแปลงได้อย่างรวดเร็ว แบบจำลองความเสี่ยงสมัยใหม่ส่วนใหญ่จึงหันมาใช้ GARCH หรือ EWMA (ที่คุณเคยเห็นใน Part I) เพื่อรองรับธรรมชาติที่ "เคลื่อนไหวได้" ของสหสัมพันธ์นี้
2. ผลกระทบจาก "วิกฤต": สหสัมพันธ์และความผันผวน
นี่อาจเป็นคุณสมบัติเชิงประจักษ์ที่โด่งดังที่สุดของสหสัมพันธ์ ในโลกแห่งความเป็นจริง สหสัมพันธ์มักจะเพิ่มสูงขึ้นในช่วงที่ตลาดมีความผันผวนสูงและช่วงที่ตลาดพังทลาย
คุณรู้หรือไม่? ในโลกการเงิน เรามักพูดกันว่า: "สิ่งเดียวที่พุ่งสูงขึ้นในตลาดขาลง คือสหสัมพันธ์"
ทำไมถึงเป็นเช่นนั้น?
ในช่วงที่ตลาดตื่นตระหนก นักลงทุนมักเลิกมองที่ "ปัจจัยพื้นฐาน" ของบริษัท แต่กลับเทขายทุกอย่างเพื่อถือเงินสดหรือออกจากตลาด ปรากฏการณ์ "โรคระบาดทางการเงิน" (contagion effect) นี้ทำให้สินทรัพย์เสี่ยงเกือบทั้งหมดร่วงลงพร้อมๆ กัน ส่งผลให้ค่าสหสัมพันธ์พุ่งเข้าใกล้ระดับ 1.0
ประเด็นสำคัญ: การกระจายความเสี่ยง (Diversification) จะมีประสิทธิภาพสูงสุดในช่วงที่ตลาดสงบ แต่โชคร้ายที่ การกระจายความเสี่ยงมักหายวับไปในตอนที่คุณต้องการมันมากที่สุด (นั่นคือช่วงที่ตลาดพังนั่นเอง)
3. ความไม่สมมาตรของสหสัมพันธ์ (Asymmetry in Correlation)
สหสัมพันธ์ไม่ได้ตอบสนองต่อความผันผวนเพียงอย่างเดียว แต่ยังตอบสนองต่อ ทิศทาง ของตลาดด้วย ซึ่งเรียกว่า สหสัมพันธ์แบบไม่สมมาตร (asymmetric correlation)
หลักฐานเชิงประจักษ์แสดงให้เห็นว่า:
- สหสัมพันธ์ระหว่างหุ้นจะ สูงขึ้น มากในช่วงที่ ตลาดขาลงอย่างรุนแรง
- สหสัมพันธ์มักจะ ต่ำกว่า ในช่วงที่ ตลาดขาขึ้น (ตลาดกระทิง)
ถ้ารู้สึกยากในตอนแรก ไม่ต้องกังวลนะ! แค่จำไว้ว่า: ความกลัวเป็น "สิ่งที่รวมกลุ่ม" ได้แข็งแกร่งกว่าความโลภ เมื่อผู้คนกลัว พวกเขาทุกคนจะวิ่งไปที่ทางออกพร้อมกัน ทำให้หุ้นเคลื่อนไหวไปในทิศทางเดียวกัน แต่เมื่อพวกเขามีความสุข พวกเขามักจะเลือกสรรหุ้นที่จะซื้อมากขึ้น
4. Tail Dependence: เกินกว่าสหสัมพันธ์เชิงเส้น
หนึ่งในข้อผิดพลาดที่ใหญ่ที่สุดในการจัดการความเสี่ยงคือการพึ่งพาเพียง Pearson Correlation (ค่า \(\rho\) มาตรฐานที่คุณได้เรียนมา) สหสัมพันธ์มาตรฐานวัดความสัมพันธ์เชิงเส้น แต่ไม่สามารถจับประเด็นเรื่อง "Tail Dependence" ได้
Tail Dependence คืออะไร?
Tail dependence คือความน่าจะเป็นที่สินทรัพย์สองตัวจะเกิดการเคลื่อนไหวที่รุนแรงมาก (บริเวณ "หาง" ของการกระจายตัว) พร้อมๆ กัน แม้ว่าสินทรัพย์สองตัวจะมีสหสัมพันธ์เฉลี่ยต่ำ แต่อาจจะมี lower-tail dependence ที่สูง หมายความว่าพวกมันอาจจะพังพร้อมกันในช่วงเหตุการณ์ "หงส์ดำ" (black swan)
ข้อผิดพลาดที่ควรหลีกเลี่ยง: การสมมติว่าค่าสหสัมพันธ์ที่ 0.30 หมายความว่าคุณปลอดภัย เพราะหากสินทรัพย์เหล่านั้นมี tail dependence สูง ค่า 0.30 นั้นอาจพุ่งไปถึง 0.90 ในช่วงวิกฤต ซึ่งนำไปสู่การขาดทุนที่มากกว่าที่แบบจำลองของคุณคาดการณ์ไว้มาก
5. คุณสมบัติในสินทรัพย์แต่ละประเภท
สหสัมพันธ์มีพฤติกรรมแตกต่างกันไปตามสิ่งที่คุณกำลังเทรด นี่คือสรุปสั้นๆ:
ตราสารทุน (หุ้น)
- โดยปกติจะมีค่าเป็นบวก
- มีความอ่อนไหวต่อการพังของตลาดสูง (ไม่สมมาตร)
- สหสัมพันธ์ของหุ้นระหว่างประเทศเพิ่มสูงขึ้นเมื่อเวลาผ่านไปเนื่องจากกระแสโลกาภิวัตน์
ตราสารหนี้ (พันธบัตร)
- สหสัมพันธ์ระหว่างพันธบัตรรัฐบาลคุณภาพสูง (เช่น US Treasuries) กับหุ้น มักจะมีค่า ติดลบ ในช่วงวิกฤต นี่คือปรากฏการณ์ "การหนีเข้าหาสินทรัพย์ปลอดภัย" (flight to quality)
- อย่างไรก็ตาม "Junk Bonds" (ผลตอบแทนสูง) จะมีพฤติกรรมเหมือนหุ้นมากกว่า และจะมีสหสัมพันธ์สูงขึ้นในช่วงวิกฤต
ค่าเงิน (Currencies)
- สหสัมพันธ์ของค่าเงินได้รับอิทธิพลอย่างมากจากนโยบายการเงินและส่วนต่างอัตราดอกเบี้ย
- ค่าเงินมีความไม่เสถียรสูงและมักเปลี่ยนแปลงกะทันหันตามการแทรกแซงของธนาคารกลาง
สรุป:
ตลาดขาขึ้น (Bull Market): สหสัมพันธ์ต่ำ + การกระจายความเสี่ยงสูง
ตลาดขาลง (Bear Market): สหสัมพันธ์สูง + การกระจายความเสี่ยงต่ำ
6. ผลกระทบของกรอบเวลา (Time Horizon)
การวัดสหสัมพันธ์โดยใช้ข้อมูลรายวันเทียบกับรายเดือนให้ผลต่างกันไหม? ต่างแน่นอน!
ในเชิงประจักษ์ เมื่อ กรอบเวลายาวขึ้น ค่าสหสัมพันธ์ที่วัดได้มักจะมีแนวโน้ม สูงขึ้น บ่อยครั้งเป็นเพราะ "สัญญาณรบกวน" (noise) ระยะสั้นหรือการเคลื่อนไหวของราคาแบบสุ่มนั้นหักล้างกันไปเมื่อผ่านไปนานขึ้น ทำให้เห็นความเชื่อมโยงทางเศรษฐกิจที่แท้จริงระหว่างสินทรัพย์
เทคนิคช่วยจำ: ระยะสั้นเต็มไปด้วยเสียงรบกวน ระยะยาวอบอุ่นและชัดเจนกว่า (สหสัมพันธ์ดูสูงขึ้น/แข็งแกร่งขึ้นในระยะยาว เพราะการขึ้นลงรายวันที่สุ่มไปมาจะถูกเกลี่ยให้ราบเรียบขึ้น)
7. หลุมพรางในการวัดค่าสหสัมพันธ์
เมื่อคุณพิจารณาข้อมูลสหสัมพันธ์ ต้องระวังกับดักสองอย่างนี้:
1. อคติจากความผันผวน (Volatility Bias)
ในทางคณิตศาสตร์ หากความผันผวนของกลุ่มตัวอย่างเพิ่มขึ้น ค่าสัมประสิทธิ์สหสัมพันธ์ที่คำนวณได้มักจะดูสูงขึ้น แม้ว่าความสัมพันธ์ที่แท้จริงจะไม่ได้เปลี่ยนไปเลยก็ตาม นี่เป็นลูกเล่นทางสถิติที่อาจทำให้ผู้จัดการความเสี่ยงประเมินค่าสหสัมพันธ์ที่ "แท้จริง" สูงเกินจริงได้
2. การซื้อขายที่ไม่พร้อมกัน (Non-synchronous Trading)
หากคุณกำลังวัดสหสัมพันธ์ระหว่างหุ้นในนิวยอร์กกับหุ้นในโตเกียว ตลาดเหล่านั้นไม่ได้เปิดพร้อมกัน ความ "ล่าช้า" นี้อาจทำให้สหสัมพันธ์ดู ต่ำกว่า ความเป็นจริง ซึ่งปรากฏการณ์นี้เรียกว่า Epps Effect
ทบทวนสั้นๆ ครั้งสุดท้าย
สรุปประเด็น "ต้องรู้" สำหรับการสอบของคุณ:
- Mean Reversion: สหสัมพันธ์มีการเคลื่อนไหวแต่จะกลับเข้าสู่ค่าเฉลี่ยในที่สุด
- Asymmetry: สหสัมพันธ์สูงกว่าในตลาดขาลงเมื่อเทียบกับตลาดขาขึ้น
- Diversification Breakdown: ในช่วงวิกฤต สหสัมพันธ์จะพุ่งเข้าใกล้ 1.0 ทำให้พอร์ตการลงทุนเสี่ยงกว่าที่คาดไว้
- Tail Dependence: สหสัมพันธ์เชิงเส้น (\(\rho\)) ไม่สามารถจับเหตุการณ์สุดโต่งที่เกิดขึ้นพร้อมกันได้ เราต้องดูที่ "หาง" ของข้อมูล
- Horizon: ช่วงเวลาการวัดที่ยาวขึ้นมักส่งผลให้ค่าประมาณสหสัมพันธ์สูงขึ้น
สู้ต่อไป! คุณเพิ่งทำความเข้าใจหนึ่งในบทที่นำไปใช้งานได้จริงที่สุดในวิชา Market Risk การเข้าใจว่า "ตัวเลขเปลี่ยนไปเมื่อสถานการณ์เลวร้าย" คือหัวใจสำคัญของสุดยอดผู้จัดการความเสี่ยง!