¿Qué es correlación?

¿Qué es la correlación? Definición y términos clave

La correlación es una medida estadística que describe el grado y la dirección de la relación entre dos variables. En el contexto del Trading y la inversión, la correlación suele referirse a cómo se relacionan los movimientos de precio de un activo con los de otro. El coeficiente de correlación oscila entre −1 y +1:

• +1 (correlación positiva perfecta): cuando el precio de un activo sube o baja, el otro siempre se mueve en la misma dirección y de forma proporcional.
• −1 (correlación negativa perfecta): cuando el precio de un activo se mueve en una dirección, el otro se desplaza exactamente en la dirección contraria y de forma proporcional.
• 0 (correlación nula): no existe una relación lineal constante entre los movimientos de precio de ambos activos.

Principales medidas de correlación

r de Pearson (coeficiente de correlación de Pearson):

1. Definición: mide la fuerza y la dirección de una relación lineal entre dos variables continuas.
2. Rango: de −1 a +1. Los valores próximos a +1 o −1 indican una relación lineal fuerte, mientras que los valores cercanos a 0 sugieren una relación lineal débil o inexistente.
3. Interpretación:
   • 0,7 ≤ r ≤ 1,0: correlación positiva fuerte
   • 0,3 ≤ r < 0,7: correlación positiva moderada
   • −0,3 < r < 0,3: correlación débil o insignificante
   • −0,7 < r ≤ −0,3: correlación negativa moderada
   • −1,0 ≤ r ≤ −0,7: correlación negativa fuerte

ρ de Spearman (correlación de rangos de Spearman):

1. Definición: medida no paramétrica que evalúa hasta qué punto la relación entre dos variables puede describirse mediante una función monótona. En lugar de utilizar valores brutos, emplea los rangos de los datos.
2. Rango: de −1 a +1, con una interpretación similar a la r de Pearson, pero con mayor resistencia frente a valores atípicos y relaciones no lineales.

Otras medidas menos habituales, como referencia:

1. τ de Kendall: otra medida basada en rangos que evalúa la asociación ordinal entre dos variables.
2. Correlación biserial puntual: se utiliza cuando una variable es dicotómica, por ejemplo, clasificación al alza o a la baja, y la otra es continua.

Glosario de términos clave

• Correlación positiva: dos variables se mueven en la misma dirección; por ejemplo, si aumenta la rentabilidad del activo A, la del activo B tiende también a aumentar.
• Correlación negativa: dos variables se mueven en direcciones opuestas; por ejemplo, si aumenta la rentabilidad del activo A, la del activo B tiende a disminuir.
• Correlación nula o próxima a cero: no existe una relación lineal perceptible; los movimientos de precio parecen independientes.
• Correlación espuria: relación coincidente en la que dos variables parecen estar correlacionadas, pero en realidad están vinculadas por un tercer factor no observado o únicamente por azar.
• Correlación móvil: método para calcular la correlación durante una ventana temporal móvil, por ejemplo, una r de Pearson móvil de 30 días, con el fin de observar los cambios a lo largo del tiempo.
• Matriz de correlaciones: tabla que muestra los coeficientes de correlación por pares de un grupo de activos y que suele utilizarse para evaluar la diversificación general de una cartera.

Por qué la correlación es importante para los traders

Comprender la correlación ayuda a los traders y gestores de carteras a:

• Diversificar carteras: combinar activos con una correlación baja o negativa puede reducir el riesgo total de la cartera sin sacrificar la rentabilidad esperada.
• Cubrir posiciones: los traders pueden compensar riesgos; por ejemplo, si dos pares de divisas presentan una correlación negativa, una posición larga en uno puede cubrir una posición corta en el otro.
• Identificar regímenes de mercado: las correlaciones entre clases de activos suelen aumentar durante periodos de tensión, por ejemplo, entre renta variable y mercados de crédito durante la crisis de 2008, lo que puede señalar un mayor riesgo sistémico.

Limitaciones y errores habituales

Aunque la correlación es una herramienta potente para comprender las relaciones entre activos, conviene tener en cuenta varias advertencias importantes:

1. La correlación no implica causalidad
   • Que dos activos se muevan juntos no significa que uno provoque el movimiento del otro. Por ejemplo, durante una fase alcista de las materias primas, tanto el petróleo como determinadas acciones pueden subir, pero esto podría deberse a factores económicos generales, y no a que el aumento del precio del petróleo provoque directamente las ganancias en renta variable.
   • Correlaciones espurias: en ocasiones, dos variables aparentemente no relacionadas muestran una correlación elevada por pura coincidencia o debido a un tercer factor oculto. Por ejemplo, las ventas de helados y el rendimiento bursátil pueden aumentar durante el verano, pero eso no significa que comprar helados mejore la rentabilidad de una cartera.
2. Las correlaciones cambian con el tiempo (cambios de régimen)
   • Los mercados evolucionan y las relaciones que se mantuvieron durante un periodo pueden dejar de hacerlo en otro. Por ejemplo, la renta variable y los bonos soberanos suelen presentar una correlación baja o negativa en condiciones normales, pero pueden moverse en la misma dirección durante situaciones extremas de tensión.
   • Variabilidad de la correlación móvil: una correlación histórica estática, por ejemplo, basada en el último año, puede no reflejar cambios repentinos. Los traders suelen utilizar ventanas móviles, como la r de Pearson de 30 o 90 días, para supervisar cómo evolucionan las correlaciones y ajustar sus posiciones si las relaciones entre activos se desacoplan.
3. Tamaño de la muestra y selección de la ventana de datos
   • Una muestra pequeña, por ejemplo, rentabilidades diarias de solo un mes, puede producir estimaciones inestables de correlación. Las ventanas cortas suelen exagerar el ruido y pueden ofrecer señales engañosas.
   • Por el contrario, una ventana excesivamente larga, de varios años, puede ocultar cambios recientes. Es importante encontrar un equilibrio y elegir una ventana que se corresponda con el periodo de mantenimiento de la posición o con el horizonte de Trading.
   • Sesgo retrospectivo: evita optimizar decisiones basándote en datos anteriores que quizá ya no representen el comportamiento futuro.
4. Supuesto de linealidad
   • La r de Pearson mide relaciones lineales. Si dos activos presentan una relación no lineal, por ejemplo, si uno se mueve en función del cuadrado o del logaritmo del otro, la r de Pearson puede infravalorar la dependencia real.
   • En estos casos, las medidas basadas en rangos, como la ρ de Spearman, o técnicas más avanzadas, como las cópulas, pueden reflejar con mayor precisión las dependencias no lineales.
5. Dependencia excesiva de las matrices de correlaciones
   • Una matriz de correlaciones muestra relaciones por pares, pero no tiene en cuenta las interacciones multivariantes entre tres o más activos. En carteras complejas, los modelos factoriales, como el análisis de componentes principales, pueden ofrecer información más profunda sobre cómo se mueven conjuntamente los grupos de activos.
   • Falacia de la diversificación: aunque dos activos hayan mostrado históricamente una correlación baja, un acontecimiento extremo puede sincronizarlos. Durante la crisis financiera de 2008, numerosos activos supuestamente no correlacionados alcanzaron niveles elevados de correlación positiva, lo que redujo los beneficios de la diversificación.

Para aprender a supervisar las correlaciones cambiantes en tiempo real, prueba nuestra cuenta demo y experimenta con indicadores de correlación móvil en las plataformas MT4/MT5 de AvaTrade.

Aplicaciones prácticas en la construcción de carteras

El análisis de correlaciones es uno de los pilares de una construcción eficaz de carteras. Comprender cómo se mueven los distintos activos entre sí permite a traders e inversores tomar decisiones más fundamentadas sobre diversificación, cobertura y gestión del riesgo.

A continuación, se presentan las principales formas de aplicar la correlación para crear y mantener una cartera equilibrada.

Uso de una matriz de correlaciones para diversificar

Una matriz de correlaciones muestra los coeficientes de correlación por pares de un conjunto de activos, por ejemplo, renta variable, bonos, oro y pares de Forex.

Al analizar esta matriz, puedes identificar qué activos están muy correlacionados, cerca de +1, no correlacionados, alrededor de 0, o negativamente correlacionados, cerca de −1.

Ejemplo de matriz de correlaciones (r de Pearson móvil hipotética de seis meses):

Activo	Renta variable	Bonos	Oro	EUR/USD	USD/JPY
Renta variable	1,00	−0,23	0,15	0,34	0,18
Bonos	−0,23	1,00	0,02	−0,10	0,05
Oro	0,15	0,02	1,00	−0,05	−0,12
EUR/USD	0,34	−0,10	−0,05	1,00	−0,78
USD/JPY	0,18	0,05	−0,12	−0,78	1,00

 

En este ejemplo, EUR/USD y USD/JPY presentan una correlación negativa fuerte de −0,78.

Si un trader mantiene una posición larga en EUR/USD y le preocupa una apreciación del USD/JPY impulsada por el yen, puede utilizar USD/JPY como cobertura parcial.

Por otro lado, la renta variable y los bonos muestran una ligera correlación negativa de −0,23, lo que podría ayudar a suavizar la volatilidad total de la cartera.

Para profundizar en la teoría de diversificación de carteras, consulta nuestra guía de estrategias de diversificación.

Equilibrio del riesgo mediante la selección de activos

Después de construir una matriz de correlaciones, puedes identificar combinaciones de activos que reduzcan la volatilidad total de la cartera sin disminuir de forma significativa la rentabilidad esperada.

Por ejemplo, si el oro presenta una correlación próxima a cero con la renta variable, asignar una parte del capital al oro puede actuar como amortiguador durante las caídas bursátiles.

Diversificación sectorial y geográfica: el análisis de correlaciones no se limita a las clases de activos; también puede aplicarse a sectores, por ejemplo, tecnología frente a empresas de servicios públicos, o a regiones, como renta variable de mercados emergentes frente a bonos de mercados desarrollados.

Seleccionar sectores o regiones con correlaciones bajas ayuda a reducir el riesgo de concentración.

Escenario: equilibrio de una cartera de ejemplo

Imagina una cartera formada por un 60 % de renta variable, un 30 % de bonos y un 10 % de oro.

Durante el último trimestre, la matriz de correlaciones muestra que la renta variable y los bonos se han movido cada vez más en la misma dirección, con una r de Pearson media de +0,5.

Para reducir el posible riesgo de caída, podrías:

1. Reducir la exposición a renta variable: disminuir su asignación al 50 %.
2. Aumentar la asignación al oro: elevarla al 20 %, ya que la correlación del oro con la renta variable se mantiene cerca de 0,15.
3. Introducir un par de Forex con baja correlación: añadir una pequeña posición en USD/CHF, que históricamente ha mostrado una correlación negativa con la renta variable en escenarios de aversión al riesgo.

Estos ajustes pueden reducir la volatilidad total de la cartera. Volver a calcular periódicamente la matriz de correlaciones, por ejemplo, cada mes, permite reflejar los cambios en las relaciones a medida que evolucionan los regímenes de mercado.

Casos reales y escenarios históricos

Analizar acontecimientos anteriores del mercado y las relaciones entre activos permite comprender cómo se comporta la correlación en distintas condiciones.

A continuación, se presentan dos casos ilustrativos: uno sobre un escenario general de tensión del mercado y otro centrado en pares de divisas. Ambos muestran las implicaciones prácticas de los cambios en las correlaciones.

Caso práctico: la crisis financiera de 2008

Durante la crisis financiera de 2008, las correlaciones entre numerosas clases de activos convergieron hacia +1, lo que modificó de forma fundamental los beneficios de la diversificación. Entre las principales observaciones se encuentran:

• Renta variable e instrumentos de crédito:
  • Antes de 2007, los principales índices bursátiles, como el S&P 500, y el crédito con grado de inversión, por ejemplo, los índices de bonos corporativos, solían mostrar correlaciones moderadamente bajas, con una r de Pearson aproximada de entre 0,2 y 0,4.
  • Tras la quiebra de Lehman Brothers en septiembre de 2008, el temor a un colapso sistémico provocó una huida hacia activos seguros. La renta variable cayó y los diferenciales de crédito se ampliaron considerablemente, lo que hizo que sus rentabilidades se movieran casi al mismo ritmo. Los coeficientes de correlación superaron +0,8 durante varios meses.
  • Implicación: las carteras que incluían renta variable y crédito bajo la suposición de que no estaban correlacionados sufrieron caídas simultáneas, lo que demuestra que una diversificación considerada «segura» puede perder eficacia en situaciones de tensión extrema.
  • Fuente de datos: para consultar un análisis detallado de las correlaciones entre activos durante la crisis, véase el documento de trabajo n.º 284 del Banco de Pagos Internacionales, «Co-movement in commodity and equity markets», BIS, 2008.
• Renta variable y materias primas, petróleo y oro:
  • Históricamente, el petróleo y la renta variable han mostrado en ocasiones una correlación positiva baja o moderada, con una r situada entre 0,3 y 0,6.
  • A finales de 2008, el desplome de la demanda global provocó una fuerte caída del precio del petróleo. La renta variable también cayó, aunque en distinta magnitud. La correlación entre los futuros sobre petróleo crudo y los índices bursátiles alcanzó brevemente niveles cercanos a +0,7.
  • El oro, considerado habitualmente un activo refugio, subió inicialmente a mediados de 2008 y mostró una correlación negativa aproximada de −0,4 con la renta variable. Sin embargo, a medida que aumentaron los problemas de liquidez, el oro se vendió junto con otros activos, lo que elevó su correlación con la renta variable hasta aproximadamente +0,5 en noviembre de 2008.
  • Implicación: incluso los activos refugio que tradicionalmente presentan correlaciones negativas pueden pasar a estar positivamente correlacionados cuando predominan las liquidaciones forzosas y las llamadas de margen.
  • Referencia: consulta el informe sobre estabilidad financiera mundial del Fondo Monetario Internacional, publicado en octubre de 2008, para obtener datos empíricos sobre los movimientos conjuntos de los activos durante periodos de tensión.
• Lecciones aprendidas:
  1. Limitaciones de la diversificación: durante los episodios de pánico, numerosas clases de activos convergen, lo que reduce la eficacia de la diversificación.
  2. Gestión dinámica del riesgo: supervisa constantemente las correlaciones móviles en lugar de depender de medias históricas.
  3. Pruebas de estrés: incorpora escenarios extremos a las pruebas de estrés de la cartera; simula aumentos de correlación hasta +1 para estimar las posibles caídas máximas.

Caso práctico: relación entre pares de divisas (EUR/USD frente a USD/CHF)

Determinados pares principales de divisas han mostrado históricamente una correlación negativa fuerte, principalmente debido a los vínculos fundamentales entre las políticas monetarias europea y suiza, así como a los flujos hacia activos refugio. Puntos clave:

• Correlación negativa a largo plazo:
  • Entre 2000 y 2019, las rentabilidades diarias del EUR/USD y el USD/CHF ofrecieron con frecuencia valores de r de Pearson de entre −0,85 y −0,95. Cuando el euro se fortalecía frente al dólar, el franco suizo tendía a debilitarse en una magnitud similar, y viceversa.
  • Factores fundamentales: la economía suiza y el Banco Nacional Suizo (SNB) mantuvieron tradicionalmente tipos de interés inferiores a los de la eurozona, lo que generó flujos de capital que favorecieron esta relación reflejada.
• Uso en estrategias de cobertura y Trading:
  • Ejemplo de cobertura: un trader con una posición larga en EUR/USD que quisiera cubrir su exposición al euro podría abrir una posición corta en USD/CHF. Debido a la fuerte correlación negativa, los beneficios de una posición compensarían normalmente las pérdidas de la otra cuando variaran los tipos de cambio.
  • Episodios de ruptura de la correlación:
    • Durante el «impacto del franco suizo» de 2015, cuando el SNB abandonó repentinamente el suelo del EUR/CHF, el franco suizo se fortaleció con rapidez frente al euro y al dólar. En la inestabilidad posterior, la correlación negativa entre EUR/USD y USD/CHF se debilitó temporalmente hasta aproximadamente −0,4, debido a que las restricciones repentinas de liquidez y los flujos de capital distorsionaron los patrones habituales.
    • Implicación: incluso las correlaciones negativas consolidadas pueden romperse durante impactos de política monetaria o periodos de volatilidad extrema. Los traders deben establecer umbrales de alerta, por ejemplo, si la r de Pearson supera −0,6, para reevaluar sus coberturas.
  • Fuente de datos y lectura adicional: para consultar un análisis histórico detallado de correlaciones, véase el estudio del BIS «Exchange Rate Co-movements and Coordination», documento de trabajo n.º 123, 2015.
  • Conclusión para traders: durante condiciones de mercado más tranquilas, mantener una cobertura sencilla entre EUR/USD y USD/CHF podría reducir el riesgo de la posición hasta un 60 % frente a mantener un único par de divisas. Sin embargo, durante el impacto del SNB, las posiciones apalancadas en ambos pares provocaron llamadas de margen importantes en numerosas cuentas de Trading.

Explora cómo podrían aplicarse estos ejemplos históricos a tu propio Trading abriendo una cuenta demo y realizando backtesting de regímenes de correlación anteriores.

Guías paso a paso: cómo calcular e interpretar correlaciones

Comprender cómo calcular e interpretar los coeficientes de correlación es esencial para aplicar este análisis a las decisiones de Trading o inversión.

En esta sección se describen dos flujos de trabajo prácticos: uno mediante una hoja de cálculo, por ejemplo, Excel, y otro con una plataforma gráfica, como MT4/MT5, para obtener datos históricos, calcular correlaciones móviles y extraer conclusiones relevantes.

Obtención de datos históricos de precios

Elige la fuente de datos:

• Descarga datos históricos de precios de un proveedor reconocido, por ejemplo, Investing.com, Yahoo Finance o la herramienta de descarga de datos de tu bróker.
• Selecciona el intervalo de fechas que se corresponda con tu horizonte de análisis, por ejemplo, el último año para una correlación móvil de 30 días o los últimos cinco años para una visión a largo plazo.

Da formato a los datos:

• Asegúrate de que ambos conjuntos de datos tengan la misma frecuencia, por ejemplo, precios de cierre diarios.
• Alinea las fechas creando una columna principal de fechas, por ejemplo, en la columna A de Excel, y utiliza BUSCARV o ÍNDICE/COINCIDIR para trasladar el precio de cierre de cada símbolo a columnas separadas, por ejemplo, las columnas B y C.
• Elimina las filas con valores ausentes, por ejemplo, festivos, para obtener una serie limpia y continua de ambos símbolos.

Cálculo de un coeficiente de correlación sencillo en Excel

1. Selecciona el rango de datos:
   • Supongamos que la columna B contiene las rentabilidades diarias del «activo A», por ejemplo, EUR/USD, y la columna C las del «activo B», por ejemplo, USD/CHF.
   • Asegúrate de que las celdas B2:B y C2:C contengan las rentabilidades de precios alineadas. Puedes calcularlas como (cierre actual − cierre anterior) / cierre anterior, o utilizar rentabilidades logarítmicas: LN(cierre actual/cierre anterior).
2. Utiliza la función CORREL:
   • En una celda vacía, escribe =CORREL(B2:B[n], C2:C[n]).
   • Pulsa Intro para obtener el coeficiente de correlación de Pearson de toda la ventana de la muestra.
   • Interpretación: un resultado de −0,85 sugiere una relación lineal negativa fuerte; +0,30 indica una relación positiva débil.
3. Consejo sobre el cálculo de rentabilidades, opcional pero recomendado:
   • En lugar de utilizar precios brutos, calcula rentabilidades porcentuales diarias o logarítmicas en columnas separadas. Utiliza esas columnas como datos de entrada de la función CORREL para obtener una medida más precisa del movimiento conjunto.

Cálculo de correlaciones móviles en Excel

1. Elige una ventana móvil:
   • Las opciones habituales incluyen ventanas de 30, 60 o 90 días, en función de tu horizonte de Trading. Una ventana de 30 días suele utilizarse para Trading a corto plazo, mientras que una de 90 días resulta adecuada para análisis a medio plazo.
2. Configura el cálculo móvil:
   • En la celda D31, suponiendo que la fila 2 contiene la primera observación de rentabilidad, introduce: =CORREL(B2:B31, C2:C31)
   • Esto calcula la correlación de 30 días correspondiente a las filas 2 a 31.
   • Copia la fórmula hacia abajo en la columna D, de modo que D32 calcule =CORREL(B3:B32, C3:C32), y continúa hasta el final del conjunto de datos.
3. Representa la correlación móvil, opcional:
   • Selecciona la columna D, que contiene los valores de correlación móvil, e inserta un gráfico de líneas para visualizar cómo cambia la correlación con el tiempo.
   • Interpretación: observa los periodos en los que la línea se aproxima a +1, correlación positiva fuerte, o a −1, correlación negativa fuerte. Los cambios repentinos suelen indicar cambios de régimen.
4. Interpreta los resultados:
   • Una correlación móvil constantemente negativa, por ejemplo, de −0,8 o inferior, sugiere un potencial de cobertura fiable.
   • Los periodos en los que la correlación móvil se acerca a cero o cambia de signo indican que las relaciones históricas pueden estar rompiéndose. Valora ajustar las coberturas o la diversificación.

Cálculo de correlaciones en MT4/MT5

A continuación, se presenta una guía paso a paso para ambas plataformas que explica cómo obtener datos de precios, aplicar indicadores de correlación integrados o personalizados, exportar datos para analizarlos en una hoja de cálculo y configurar alertas.

Obtención de datos históricos mediante el centro de historiales

1. Abre el centro de historiales:
   • En MT4, haz clic en Herramientas → Centro de historiales, o pulsa F2.
   • En MT5, haz clic en Ver → Símbolos, selecciona el símbolo y elige Descargar. También puedes hacer clic en Herramientas → Centro de historiales.
2. Selecciona el instrumento y el marco temporal:
   • En la ventana del centro de historiales, elige el símbolo deseado, por ejemplo, EURUSD, y el marco temporal, como D1 para barras diarias o H1 para barras horarias.
   • Haz clic en Descargar en MT4 o en Descargar/Actualizar en MT5 para obtener del servidor del bróker los datos que falten.
3. Exporta los datos a CSV, si es necesario:
   • Selecciona el marco temporal correspondiente, por ejemplo, EURUSD D1, y haz clic en Exportar en MT4 o Exportar a CSV en MT5.
   • Guarda el archivo en una carpeta local. Repite el proceso para el segundo símbolo, por ejemplo, USDCHF.
4. Da formato a los datos exportados:
   • El archivo CSV incluirá columnas como fecha, hora, apertura, máximo, mínimo, cierre y volumen. Para calcular correlaciones en una hoja de cálculo, importa ambos archivos CSV en Excel o Google Sheets.
   • Alinea las fechas en una columna principal, calcula las rentabilidades diarias, por ejemplo, (Cierre_t − Cierre_t−1) / Cierre_t−1, y continúa con la función =CORREL de Excel, como se describe en nuestra guía de correlación en Excel.

Uso del indicador integrado de coeficiente de correlación

MT4 y MT5 ofrecen un indicador de «coeficiente de correlación» que calcula la r de Pearson móvil entre dos instrumentos:

1. Añade ambos instrumentos al espacio de trabajo:
   • Abre dos ventanas de gráficos, por ejemplo, EURUSD en una y USDCHF en la otra. En MT5 también puedes organizar los gráficos verticalmente haciendo clic en Ventana → Organizar verticalmente.
2. Añade el indicador de correlación:
   • En MT4:
     1. Abre el panel Navegador con Ctrl+N y despliega Indicadores.
     2. Desplázate hasta Correlation Coefficient, dentro de «Integrados» o «Personalizados» si no aparece de forma predeterminada.
     3. Arrastra Correlation Coefficient al gráfico de EURUSD.
   • En MT5:
     1. Abre el Navegador con Ctrl+N, despliega Indicadores y busca Correlation Coefficient.
     2. Haz doble clic para añadirlo al gráfico de EURUSD.
3. Configura los parámetros del indicador:
   • Símbolo que se va a comparar: introduce el ticker del segundo instrumento, por ejemplo, «USDCHF».
   • Periodo/longitud: define la ventana retrospectiva, por ejemplo, 30 para una correlación móvil de 30 días en barras diarias o 100 para una correlación móvil de 100 periodos en barras H1.
   • Precio aplicado: elige el precio que se utilizará. El cierre es la opción habitual, aunque también puedes utilizar el precio típico o el precio medio.
   • Desplazamiento, opcional: déjalo en 0 salvo que quieras comparar datos desplazados.
   • Haz clic en Aceptar para aplicar la configuración. El indicador aparecerá en una ventana secundaria debajo del gráfico principal y mostrará valores entre −1 y +1.
4. Interpreta el gráfico de correlación:
   • Los valores cercanos a +1 indican una relación lineal positiva fuerte; los valores próximos a −1 indican una relación negativa fuerte.
   • Desplaza el cursor sobre la línea de correlación para consultar los valores exactos correspondientes a fechas concretas.
   • Conclusión para el Trading: si la línea se acerca a cero desde niveles históricamente extremos, por ejemplo, desde el intervalo habitual de −0,8 a −0,6, evalúa si las coberturas siguen siendo eficaces.

Uso de indicadores personalizados o de correlación entre varios pares

Para comparar más de dos instrumentos o mostrar un mapa de calor con una matriz de correlaciones:

1. Instala un indicador personalizado de matriz de correlaciones:
   • Busca en Internet, por ejemplo, en MQL5 Market o MQL4 Code Base, «Correlation Matrix MT4» o «Correlation Heat Map MT5».
   • Descarga el archivo .ex4 para MT4 o .ex5 para MT5.
   • Copia el archivo descargado en el directorio MQL4/Indicators o MQL5/Indicators, por ejemplo, C:\Program Files\MetaTrader 4\MQL4\Indicators.
2. Compila y añade el indicador:
   • Reinicia la plataforma MT4/MT5.
   • Abre Navegador → Indicadores → Personalizados y busca el nuevo indicador de matriz de correlaciones.
   • Arrástralo a cualquier gráfico. Se abrirá una ventana de configuración para seleccionar varios símbolos, hasta diez pares o instrumentos, y el periodo de datos, por ejemplo, M15, H1 o D1.
   • Configura los umbrales de color, por ejemplo, verde para correlaciones superiores a +0,7, amarillo para valores entre +0,3 y −0,3, y rojo para valores inferiores a −0,7, o acepta los valores predeterminados. Después, haz clic en Aceptar.
3. Comprende el mapa de calor:
   • El indicador mostrará una cuadrícula con los coeficientes de correlación de todos los símbolos seleccionados. La intensidad del color de cada celda representa la fuerza y la dirección de la correlación.
   • Utiliza esta vista para identificar rápidamente oportunidades de diversificación. Las celdas verdes, correlación positiva fuerte, advierten de que los activos se mueven de forma similar, mientras que las rojas, correlación negativa fuerte, destacan posibles coberturas.

Exportación de datos de correlación y alertas

Exportación de valores de correlación

1. Activa el registro de datos del indicador:
   • Algunos indicadores integrados y personalizados permiten registrar los valores de correlación en las pestañas Expertos o Diario.
   • En la ventana de propiedades del indicador, busca una opción como «Escribir en archivo» o «Activar registro» y especifica un nombre de archivo, por ejemplo, EURUSD_USDCHF_corr.csv.
   • Si no existe una opción de registro, puedes copiar los valores manualmente:
     1. Haz clic con el botón derecho en la ventana secundaria donde aparece la línea de correlación.
     2. Selecciona Propiedades → Común y marca «Permitir importación de DLL» si el indicador personalizado lo requiere.
     3. Después de activar el registro, los valores de correlación de cada barra deberían guardarse en el archivo especificado dentro de la carpeta MQL4/Files o MQL5/Files.
2. Abre el archivo CSV guardado:
   • En MT4/MT5, ve a Archivo → Abrir carpeta de datos, entra en MQL4/Files o MQL5/Files y localiza el archivo CSV.
   • Impórtalo en Excel para realizar análisis adicionales, como representar tendencias, calcular estadísticas resumidas o superponer otras series temporales.

Configuración de alertas en umbrales de correlación

1. Haz clic con el botón derecho en el indicador de correlación:
   • En la ventana secundaria de correlación, ya sea de un indicador integrado o personalizado, haz clic con el botón derecho en la línea y selecciona Trading → Alerta en MT5 o Alerta sobre indicador en MT4.
   • Si esta opción no aparece, comprueba que el código del indicador incluya las funciones Alert() o AlertCondition(). De lo contrario, quizá tengas que modificar el código fuente o utilizar un script de alertas personalizado.
2. Configura la condición de la alerta:
   • En la pestaña Alerta, establece:

• • • Condición: por ejemplo, «Coeficiente de correlación (EURUSD frente a USDCHF) > −0,6» o «Coeficiente de correlación < +0,8».
    • Valor: introduce el umbral numérico, por ejemplo, −0,6.
    • Fuente: asegúrate de que aparezca el nombre del indicador.
    • Acción: elige Ventana emergente, Sonido, Correo electrónico o Notificación, esta última para la aplicación móvil de MT5.

1. • Haz clic en Aceptar para confirmar. Cuando la línea de correlación cruce el nivel especificado, MT4/MT5 activará la alerta seleccionada.
2. Comprueba la alerta:
   • Abre la ventana Terminal con Ctrl+T y selecciona la pestaña Alertas. Confirma que la nueva alerta aparece con el estado Activada.
   • Puedes probarla reduciendo temporalmente el umbral hasta un nivel que cumpla la correlación actual. Si se activa, restablece el umbral deseado.

Interpretación de los resultados de correlación en MT4/MT5

• Correlación positiva elevada, próxima a +1: los activos se mueven de forma casi idéntica. En este caso, incluir ambos en una cartera ofrece pocos beneficios de diversificación.
• Correlación negativa elevada, próxima a −1: los activos actúan como coberturas naturales. Por ejemplo, si la correlación entre EURUSD y USDCHF es de −0,85, los beneficios de una posición pueden compensar las pérdidas de la otra en escenarios de aversión al riesgo.
• Desplazamiento de la correlación hacia cero: cuando una relación positiva o negativa históricamente fuerte se debilita, por ejemplo, al pasar de −0,85 a −0,4, valora reequilibrar las coberturas o las estrategias de diversificación.
• Agrupaciones de volatilidad: durante periodos de volatilidad elevada, por ejemplo, alrededor de noticias importantes o decisiones de bancos centrales, las correlaciones pueden aumentar con fuerza en sentido positivo o negativo. Interpreta siempre los valores dentro del contexto general del mercado.

Resumen, preguntas frecuentes y próximos pasos

Puntos clave

• La correlación no implica causalidad: mide el movimiento conjunto, pero no demuestra que el cambio de precio de un activo provoque el de otro. Presta siempre atención a las relaciones espurias o a la influencia de terceros factores.
• Las relaciones evolucionan con el tiempo: las correlaciones históricas pueden cambiar durante las transiciones de régimen. Una cartera diversificada hoy puede pasar a estar muy correlacionada bajo tensión, por lo que conviene utilizar ventanas móviles y realizar un seguimiento periódico.
• Beneficios de la diversificación y la cobertura: una matriz de correlaciones ayuda a identificar activos con correlación baja o negativa. Combinarlos puede reducir la volatilidad total de la cartera. Por otro lado, los pares con una correlación negativa fuerte, como EUR/USD frente a USD/CHF, pueden utilizarse como cobertura cuando cambian las condiciones del mercado.
• Elección del periodo retrospectivo adecuado: las ventanas cortas, por ejemplo, una correlación móvil de 30 días, reflejan los cambios recientes, pero pueden generar ruido. Las ventanas más largas suavizan el ruido, aunque pueden reaccionar tarde ante nuevas condiciones. Elige una ventana alineada con tu horizonte de Trading.
• La implementación en la plataforma es importante: tanto si utilizas MT4/MT5 como otra plataforma, asegúrate de comprender la configuración del indicador, como la selección de símbolos, la longitud retrospectiva y el precio aplicado, y establece umbrales de alerta para detectar rupturas de correlación.
• Interpreta siempre la correlación dentro de su contexto: los valores pueden aumentar durante acontecimientos como anuncios de bancos centrales, impactos geopolíticos o crisis de liquidez. Analízalos junto con las medidas de volatilidad y las noticias del mercado.

Próximos pasos

Para comenzar, abre una cuenta demo gratuita con AvaTrade y aplica el indicador de coeficiente de correlación en MT4 o MT5.

Prueba distintos periodos retrospectivos, como 30 o 60 días, para comprobar cómo cambian las relaciones entre activos en tiempo real.

Mientras exploras estas herramientas, consulta las páginas de estrategias de diversificación y conceptos básicos de gestión del riesgo para desarrollar una base sólida.

Por último, configura alertas sencillas en MT4/MT5 para recibir una notificación inmediata cuando las correlaciones clave superen los niveles que te interesan y contacta con nuestro equipo de asistencia si necesitas ayuda.

Preguntas frecuentes

• ¿Qué significa que dos activos tengan una correlación positiva?

  Significa que tienden a moverse en la misma dirección: cuando uno sube, el otro suele subir también.

   
• ¿Por qué cambian las correlaciones con el tiempo?

  Las condiciones del mercado cambian, por lo que las relaciones que se mantuvieron el mes pasado pueden no mantenerse hoy, especialmente durante acontecimientos importantes.

   
• ¿Cómo se utiliza una ventana móvil para calcular la correlación?

  Una ventana móvil vuelve a calcular la correlación durante un periodo reciente, por ejemplo, los últimos 30 días, para mostrar cómo evoluciona la relación.

   
• ¿Una correlación nula es positiva o negativa?

  Una correlación nula significa que dos activos no se mueven conjuntamente de forma previsible. Puede ayudar a diversificar, pero no garantiza protección.