Корреляция криптовалют: как не получить десять одинаковых рисков в одном портфеле

Корреляция криптовалют нужна не для того, чтобы предсказать следующую свечу, а для ответа на более практичный вопрос: сколько разных источников риска действительно находится в портфеле. Десять тикеров могут выглядеть как десять позиций, но в момент общего снижения они способны вести себя почти как одна большая ставка. Если активы зависят от одинаковой ликвидности, одного рыночного режима, одного базового блокчейна, одного типа залога или одного источника плеча, количество названий почти ничего не говорит о диверсификации. Поэтому считать число монет недостаточно — нужно смотреть, как меняются их доходности относительно друг друга и что происходит с этой связью в стрессовых периодах.

Для инвестора корреляция особенно полезна там, где обычная логика «разные проекты — разные риски» начинает давать сбой. Токены могут относиться к DeFi, инфраструктуре, gaming и AI, но одновременно резко дешеветь при падении Bitcoin, сокращении долларовой ликвидности или каскаде ликвидаций. И наоборот, два актива одного сектора иногда временно расходятся из-за собственных событий: unlock, exploit, делистинг, изменение токеномики или крупная эмиссия. Связь не постоянна, поэтому одно число за весь год не является паспортом пары. Нужны несколько окон, отдельный стресс-анализ и понимание причин совместного движения.

В статье используется инвестиционный, а не трейдерский смысл корреляции. Цель — построить портфель, в котором риск не маскируется количеством строк. Мы разберём коэффициент корреляции, ковариацию, rolling correlation, корреляционную матрицу, вклад позиции в общий риск, факторную концентрацию, ложную диверсификацию и правила пересмотра. Формулы приведены как учебные модели: они помогают организовать данные, но не превращают исторические значения в гарантию будущего поведения.

Если вы только формируете общую систему инвестирования, сначала полезно определить горизонт, допустимую просадку и риск-бюджет в материале OneMagic про инвестиции в криптовалюту. Корреляция не отвечает на вопрос, хороший ли сам актив. Она отвечает на другой вопрос: что добавление этого актива меняет в уже существующем портфеле и не дублирует ли он тот же риск, который у вас уже есть.

Что такое корреляция криптовалют и что именно она измеряет

Коэффициент корреляции показывает направление и плотность совместного движения

В классической форме коэффициент корреляции находится в диапазоне от -1 до +1. Значение около +1 означает, что доходности двух активов в выбранном окне обычно меняются в одном направлении и относительно согласованно. Значение около -1 означает противоположное движение. Значение около нуля говорит только о слабой линейной связи в данной выборке. Оно не доказывает независимость: активы могут быть связаны нелинейно, реагировать на один фактор с разным лагом или становиться сильно зависимыми только во время кризиса.

Для портфеля важна не красивая интерпретация шкалы, а следствие для риска. Чем выше положительная корреляция при сопоставимой волатильности, тем меньше диверсификационный эффект от объединения позиций. Два актива с корреляцией 0,9 обычно дают меньше снижения совокупной волатильности, чем два актива с корреляцией 0,2. Но нельзя использовать фиксированный порог вроде «ниже 0,5 — безопасно». Результат зависит от веса позиции, собственной волатильности, ликвидности, горизонта и того, как корреляция меняется в стрессе.

Считать нужно доходности, а не уровни цены

Одна из самых частых ошибок — вычислять корреляцию самих ценовых рядов. Две криптовалюты могут годами расти в номинальном выражении и показывать высокий коэффициент просто из-за общего тренда. Для инвестиционного анализа обычно сравнивают периодические доходности: дневные, недельные или другие изменения цены. Простейшая доходность за период равна P(t)/P(t-1)-1. Для статистических моделей часто используют логарифмическую доходность ln(P(t)/P(t-1)). В рамках обычного портфельного обзора важнее последовательность и одинаковая методика, чем выбор между этими двумя вариантами.

Если один ряд взят по цене закрытия в 00:00 UTC, а другой — по локальному времени другой площадки, появляется искусственный лаг. Для круглосуточного крипторынка это особенно важно: «дневная свеча» не является естественным закрытием рынка, а лишь выбранным интервалом. Поэтому источники, часовые пояса, котируемая валюта и timestamp должны совпадать. Иначе коэффициент отражает несинхронность данных так же сильно, как экономическую связь между активами.

Ковариация связывает корреляцию с реальным портфельным риском

Корреляция стандартизирует совместное движение и удобна для сравнения разных пар, но в формуле риска портфеля работает ковариация. Для двух активов ковариацию можно представить как корреляция × стандартное отклонение первого актива × стандартное отклонение второго. Поэтому одинаковая корреляция 0,6 не означает одинаковый денежный риск. Пара двух высоковолатильных токенов способна добавить намного больше совместной вариации, чем пара более спокойных активов с тем же коэффициентом.

Отсюда следует важное правило: нельзя оптимизировать портфель только по таблице корреляций. Она показывает структуру связи, но не масштаб движения. Статья OneMagic про ликвидность криптовалюты дополняет картину операционным риском: в реальном падении коррелированные позиции могут ещё и одновременно терять глубину рынка, расширять spread и давать slippage. Статистический риск и риск исполнения усиливают друг друга.

Корреляция не означает причинность

Если BTC и несколько альткоинов падают вместе, это не доказывает, что Bitcoin непосредственно «заставил» каждый из них снизиться. Причиной может быть общий фактор: сокращение аппетита к риску, движение ставок, долларовая ликвидность, массовое закрытие плеча, отток из стейблкоинов или локальный шок отрасли. Корреляция фиксирует совместное изменение, а не механизм. Механизм нужно проверять отдельно по новостям, потокам, ликвидности и структуре рынка.

Практически это означает, что нельзя строить причинный прогноз из одной матрицы. Если связь резко выросла, спросите: какой общий фактор появился? Если связь исчезла, выясните, не возникло ли собственного события у одного актива. Такой подход защищает от двух крайностей: считать все совместные движения «доминированием BTC» и, наоборот, считать любое краткое расхождение доказательством новой независимой инвестиционной истории.

Пример: три позиции могут оказаться одной ставкой

Представим портфель из BTC, крупного L1-токена и DeFi-токена. На уровне описаний это три разных продукта. Но если L1-токен имеет корреляцию с BTC 0,82, DeFi-токен с BTC 0,78, а между двумя альткоинами корреляция 0,86, то портфель содержит сильный общий рыночный фактор. Добавление четвёртого похожего альткоина может увеличить число позиций, но почти не увеличить число независимых источников доходности. В результате просадка общего crypto beta проходит сразу через весь набор.

Это и есть центральная проблема статьи: диверсификация должна оцениваться не по названиям, а по рисковым драйверам. В будущем отдельный материал OneMagic про портфель криптовалют будет отвечать на вопрос о целевой структуре активов. Здесь же задача уже уже: определить, какие позиции действительно ведут себя по-разному, а какие лишь создают визуальное ощущение разнообразия.

Как правильно считать корреляцию криптовалют

Сначала задайте одинаковые данные и единый горизонт

Перед вычислением коэффициента решите, для какого решения он нужен. Если портфель пересматривается раз в квартал, анализ минутных свечей создаст лишний шум. Если позиция держится несколько дней, годовая корреляция по недельным данным может скрыть краткосрочную синхронизацию. Хорошая практика — иметь базовое окно, соответствующее горизонту стратегии, и дополнительное стрессовое окно. Например, 90 дней ежедневных доходностей для текущего режима плюс отдельная выборка сильных рыночных снижений.

Все ряды должны иметь одинаковые даты, одинаковую котируемую валюту и сопоставимый источник цены. Если один токен торгуется 365 дней, а другой появился 40 дней назад, общая выборка ограничивается 40 днями. Нельзя заполнять отсутствующую историю нулями: это искусственно снижает волатильность и искажает корреляцию. Для молодого токена лучше честно признать короткую статистическую историю и сильнее опираться на структурный анализ.

Pearson — базовый коэффициент, но не универсальная истина

Коэффициент Пирсона измеряет линейную зависимость. Для обычной корреляционной матрицы доходностей это разумная отправная точка: расчёт понятен, легко воспроизводится и напрямую связан с ковариационной матрицей. Но крипторынок содержит выбросы, скачки, depeg, ликвидационные каскады и асимметричные реакции. Несколько экстремальных дней могут заметно изменить результат, особенно при коротком окне.

Поэтому полезно сравнивать Pearson с ранговой корреляцией Spearman. Spearman оценивает, насколько согласован порядок движений, и меньше зависит от абсолютной величины отдельных экстремумов. Если Pearson высокий, а Spearman заметно ниже, часть линейной связи может определяться несколькими крупными событиями. Если оба устойчиво высоки на разных окнах, вероятность общей факторной зависимости выше. Это не торговый сигнал, а проверка устойчивости вывода.

Rolling correlation важнее одного коэффициента за весь период

Корреляция меняется во времени, поэтому статичное значение за два года может быть статистически аккуратным и инвестиционно бесполезным. Rolling correlation пересчитывает коэффициент на движущемся окне: например, последние 30, 60 или 90 дней для каждой новой даты. Так видно, когда связь усиливалась, ослабевала или меняла знак. Главный интерес представляет не самая свежая цифра сама по себе, а диапазон и скорость изменения режима.

Если пара большую часть времени имеет 0,2–0,4, но в каждом сильном market sell-off поднимается к 0,8–0,9, её защитные свойства ограничены именно тогда, когда они нужнее всего. Для портфельной работы полезно хранить минимум три значения: обычное rolling-окно, кризисную корреляцию и максимум, наблюдавшийся в стрессах. Это дисциплинирует лучше, чем вывод «корреляция низкая» по среднему значению.

Дневная и недельная корреляция отвечают на разные вопросы

На дневных данных хорошо видны общие потоки ликвидности, реакции на новости и быстрые каскады. На недельных часть микрошума сглаживается, а долгосрочные факторные связи становятся заметнее. Пара может иметь умеренную дневную корреляцию и высокую недельную, если один актив реагирует на общий фактор с задержкой. Или наоборот: вместе падать в панике на дневном горизонте, но иметь разные многонедельные фундаментальные циклы.

Поэтому нельзя говорить, что активы «коррелируют на 0,65», не указывая периодичность и окно. Корректная запись выглядит примерно так: Pearson 90D по дневным доходностям = 0,65; 52W по недельным = 0,48; stress subset = 0,82. Даже без сложной модели такая тройка даёт больше информации о портфельном риске, чем одна цифра из любого агрегатора.

Не смешивайте spot, perpetual и индексные цены без причины

Спотовая цена, mark price бессрочного фьючерса и индексная цена решают разные задачи. Для инвестиционного портфеля базовый ряд обычно должен соответствовать фактическому активу, который вы держите. Если пользователь владеет spot BTC и spot ETH, корреляцию разумно строить по сопоставимым spot или качественным индексным ценам. Perpetual может отклоняться из-за funding, basis и локального плеча, особенно в стрессах.

Иногда различие само по себе полезно: если корреляция spot-пар стабильна, а perpetual резко расходится, это может отражать проблемы конкретного деривативного рынка. Но такую диагностику нельзя незаметно смешивать с инвестиционной матрицей. Сначала определите, какую экономическую позицию моделирует каждый ряд, затем выбирайте соответствующую цену.

Стейблкоины требуют отдельного подхода

Стейблкоин с почти постоянной ценой около единицы может давать странные коэффициенты из-за очень низкой дисперсии. Малые технические колебания, различия площадок и редкие depeg-события начинают непропорционально влиять на статистику. Низкая обычная корреляция стейблкоина с BTC не означает, что он является безрисковым диверсификатором. У него другой набор рисков: эмитент, резервы, банк, смарт-контракт, мост, санкции, ликвидность погашения и стабильность привязки.

Для stablecoin-позиции полезнее рассматривать сценарий depeg и counterparty exposure отдельно, а не пытаться встроить её в одну матрицу наравне с волатильными активами. Корреляция полезна для ценового риска, но не измеряет вероятность заморозки, потери обеспечения или отказа механизма погашения.

Почему много монет не равно диверсификация

Одинаковый market beta делает разные токены похожими

Многие альткоины несут общий риск крипторынка: когда аппетит к риску растёт, капитал распределяется по широкому набору токенов; когда он падает, ликвидность одновременно покидает множество сегментов. У каждого актива остаются собственные новости, но общий beta-компонент может объяснять значительную часть движения. Тогда портфель из десяти альткоинов похож не на десять независимых ставок, а на одну ставку на общий режим с разными коэффициентами чувствительности.

Чтобы увидеть это, мало смотреть пары только между собой. Полезно добавить в матрицу базовый рыночный фактор — например, BTC или широкий crypto index, если у вас есть воспроизводимый источник. Затем можно оценивать не только pairwise correlation, но и то, насколько каждая позиция зависит от общего фактора. Высокая корреляция всех активов с одним и тем же драйвером — сигнал концентрации, даже если некоторые пары между собой выглядят умеренно связанными.

Секторные токены могут иметь общий источник риска

Три токена DeFi разных протоколов всё равно зависят от похожих факторов: стоимости on-chain ликвидности, активности пользователей, доходности залогов, стоимости газа, безопасности смарт-контрактов и общего состояния рынка. AI-токены могут одновременно зависеть от одного narrative; L2-токены — от спроса на масштабирование и базовой сети; liquid staking tokens — от одного underlying актива и механизма погашения. Формально проекты разные, экономически часть риска общая.

Поэтому при построении портфеля полезно присваивать каждой позиции не только сектор, но и набор risk tags: BTC beta, ETH beta, L1 activity, DeFi TVL, stablecoin collateral, bridge dependency, exchange dependency, unlock risk, regulatory risk, liquidity tier. Корреляция показывает, что риски проявлялись вместе; теги помогают объяснить, почему это происходит и что может изменить связь.

Токены одной экосистемы могут разделять инфраструктурный риск

Если несколько активов работают в одной сети, они могут зависеть от её доступности, комиссий, валидаторов, мостов, oracle-инфраструктуры и ликвидности базовых пар. При техническом сбое или проблеме безопасности рыночная реакция часто проходит сразу через целую экосистему. Поэтому разные приложения на одном L1 не являются полностью независимыми только потому, что у них разные команды и токеномика.

Особенно важно учитывать wrapped assets и liquid staking derivatives. Их цена может быть тесно связана с базовым активом при нормальной работе механизма, но в кризис появляется дополнительный риск отклонения от NAV, очереди на погашение, контрагента или bridge. Высокая обычная корреляция здесь ожидаема, а полезным сигналом становится именно её нарушение: сильное расхождение может означать не диверсификацию, а проблему обёртки.

Одна площадка создаёт невидимую концентрацию контрагента

Портфель может быть хорошо распределён по токенам и плохо распределён по инфраструктуре хранения. Если все активы находятся на одной централизованной площадке, появляется общий counterparty risk: остановка вывода, технический сбой, юридическое ограничение или проблема ликвидности затрагивает весь набор сразу. Ценовая корреляция этого не увидит до события, потому что риск находится не в графиках токенов, а в архитектуре владения.

Поэтому OneMagic рассматривает диверсификацию в двух слоях: рыночном и операционном. Рыночный слой — корреляция и ковариация доходностей. Операционный — кошельки, кастодианы, сети, мосты и точки отказа. Если один слой диверсифицирован, а второй концентрирован, портфель остаётся уязвимым. Корреляционная матрица не заменяет карту хранения.

Общий залог и плечо усиливают совместное падение

На leveraged-рынке активы могут становиться более связанными из-за механики ликвидации. Падение одного крупного актива уменьшает collateral value, заставляет участников сокращать позиции в других монетах, повышает требования к марже и запускает новые продажи. Возникает feedback loop, который не обязан существовать в спокойном рынке. Поэтому стрессовая корреляция часто выше обычной.

Даже если ваш собственный портфель без плеча, вы всё равно испытываете последствия рыночного deleveraging через цену и ликвидность. Именно поэтому нельзя считать, что историческая низкая корреляция автоматически защитит в каскаде. Для каждой крупной позиции полезно иметь стресс-сценарий: что произойдёт, если все crypto-risk активы одновременно снизятся, spread расширится и возможность быстрой продажи ухудшится.

Количество активов — плохая метрика количества независимых ставок

Десять равновзвешенных позиций создают арифметическую картинку 10 × 10%, но не говорят, сколько независимых факторов в портфеле. Если восемь позиций имеют высокую взаимную корреляцию и одинаковый macro beta, фактическая концентрация гораздо выше. Можно использовать кластеризацию корреляционной матрицы, factor buckets или простое ручное объединение тесно связанных активов. Даже грубое деление на 3–4 risk clusters полезнее, чем подсчёт тикеров.

Это особенно важно для небольшого капитала. Пользователь может раздробить сумму на множество позиций, увеличить комиссии и сложность учёта, но не снизить риск. Перед добавлением очередного токена задайте вопрос: какой новый драйвер он приносит? Если ответ — «тот же рост рынка, только более волатильный», это может быть увеличение beta, а не диверсификация.

Корреляционная матрица и вклад каждого актива в риск портфеля

Матрица позволяет увидеть кластеры риска

Корреляционная матрица — таблица, в которой строки и столбцы содержат одинаковый набор активов, а каждая ячейка показывает корреляцию пары. Диагональ всегда равна 1, потому что актив идеально коррелирует сам с собой. Полезность начинается вне диагонали: видны группы позиций, которые движутся почти синхронно, и активы, связь которых слабее. В крупном портфеле визуальная heatmap помогает быстрее находить кластеры, но решение всё равно нужно подтверждать числами и структурным объяснением.

Числа в таблице учебные и не описывают конкретные монеты. В реальной работе важно хранить дату расчёта, источник данных, окно и периодичность. Без этих метаданных матрица быстро превращается в набор цифр, который невозможно воспроизвести.

Формула риска портфеля учитывает не только веса и волатильность

Для двух активов дисперсия портфеля содержит три части: вклад волатильности первого актива, вклад второго и перекрёстный член 2 × w1 × w2 × covariance12. Именно перекрёстный член показывает, почему корреляция важна. Если covariance высокая и положительная, совместный риск растёт. Если связь слабая или отрицательная, комбинация может снижать общую вариацию при тех же индивидуальных волатильностях.

Для N активов логика та же, только все пары собираются в covariance matrix. На практике обычному инвестору необязательно вручную умножать матрицы каждый день. Важно понимать причинность формулы: одинаковый вес не означает одинаковый вклад в риск, а большое число активов не гарантирует низкую дисперсию. Высоковолатильная и сильно коррелированная позиция может доминировать в риск-профиле даже при сравнительно небольшой денежной доле.

Вес капитала и вклад в риск — разные величины

Позиция 10% портфеля не обязательно отвечает за 10% риска. Если её волатильность в три раза выше средней и она тесно связана с крупными позициями, marginal contribution to risk может быть существенно выше. Напротив, более крупная по капиталу позиция с меньшей волатильностью и слабой связью с остальными иногда добавляет меньше предельного риска. Поэтому для серьёзного портфельного контроля полезно смотреть не только allocation weights, но и risk contribution.

Простейший практический суррогат без сложной оптимизации — сравнить вес × volatility и затем скорректировать вывод с учётом корреляционного кластера. Это не полноценная матричная модель, но уже лучше равных денежных лимитов. Если три токена входят в один высококоррелированный кластер, разумно установить cap на кластер, а не три независимых caps.

Кластерный лимит защищает от ложной диверсификации

Предположим, у пользователя есть правило «не более 10% на один токен». Оно не спасает, если пять токенов одного типа занимают по 10% и падают вместе. Тогда 50% капитала фактически зависит от одного risk cluster. Более устойчивый подход вводит два уровня: лимит на отдельный актив и лимит на кластер. Например, не более X% на один токен и не более Y% на высококоррелированную группу. Конкретные проценты зависят от общего капитала и риск-толерантности, а не берутся из универсальной таблицы.

Кластер можно определить статистически или экспертно. Статистика показывает фактическое совместное движение; экспертная разметка учитывает новые активы, у которых ещё нет длинной истории. Если оба метода указывают на один источник риска, аргумент особенно сильный. Если они расходятся, нужен дополнительный анализ вместо автоматического доверия одной цифре.

Эффективное число ставок меньше количества строк портфеля

В профессиональном управлении существуют разные метрики effective number of bets и concentration measures. Их точная форма зависит от модели, но идея проста: если риск распределён неравномерно и активы тесно связаны, эффективное число независимых ставок значительно меньше числа позиций. Для частного инвестора достаточно концептуального вывода: считайте не монеты, а независимые драйверы.

Практически можно сделать таблицу «актив — основной фактор — вторичный фактор — корреляционный кластер — вес — stress loss». Если десять строк сводятся к трём основным факторам, портфель нужно оценивать как три кластера. Такая таблица часто выявляет концентрацию быстрее, чем сложная оптимизация, потому что заставляет объяснить экономическую роль каждой позиции.

Не оптимизируйте веса по исторической матрице до второго знака после запятой

Оптимизаторы чувствительны к входным данным. Небольшое изменение ожидаемой доходности, volatility или correlation способно резко переставить рекомендуемые веса. В криптовалюте параметрическая неопределённость особенно велика: режимы быстро меняются, история отдельных токенов короткая, а экстремальные события влияют на оценки. Поэтому «оптимальный» вес 7,34% выглядит точным, но точность может быть иллюзорной.

Для практической системы полезнее устойчивые интервалы, caps и стресс-тесты. Например: кластер высокорисковых альткоинов ограничен диапазоном; одна позиция не превышает cap; матрица пересматривается по расписанию; вес уменьшается, если стрессовая корреляция и volatility растут одновременно. Это менее изящно математически, но обычно лучше соответствует реальной неопределённости.

Почему корреляция меняется во времени и ломается в стрессовых режимах

Рыночный режим важнее долгосрочного среднего

Перед интерпретацией режима полезно сопоставить матрицу с тем, почему растёт Bitcoin, и с широким индексом страха и жадности криптовалют. Эти материалы не дают коэффициент корреляции, но помогают понять общий фон, на котором связи между активами усиливаются или ослабевают.

В спокойном рынке цена актива сильнее реагирует на собственные новости, продуктовые метрики и локальную ликвидность. В панике участники сначала сокращают общий риск, а уже потом разбираются в фундаментальных различиях. Поэтому корреляции между риск-активами способны резко увеличиваться. FINRA отдельно предупреждает о concentration risk из-за коррелированных активов, а исследования портфельной теории рассматривают correlation как один из центральных механизмов диверсификации. Для криптовалют этот механизм нужно считать динамическим, а не фиксированным.

Недавние академические работы по crypto connectedness также показывают, что взаимосвязи внутри рынка меняются и могут усиливаться в downturn. Это важнее попытки запомнить «типичную» корреляцию BTC и конкретного альткоина. Инвестору нужна система, которая замечает переход режима и снижает доверие к старым параметрам, когда рынок ведёт себя иначе.

В кризисе общий спрос на ликвидность синхронизирует активы

Когда участникам срочно нужны деньги или collateral, они продают то, что можно продать. Это создаёт общий flow across assets. Одновременно market makers расширяют spreads, глубина ордербука падает, а ликвидации деривативов добавляют механические продажи. В таких условиях активы, которые раньше имели разные фундаментальные драйверы, на коротком горизонте могут двигаться вместе. Корреляция растёт именно из-за общей потребности в ликвидности.

Поэтому при стресс-тесте нельзя использовать только обычную volatility и обычную корреляцию. Один из простых подходов — пересчитать матрицу отдельно на худших 10–20% дней рынка или на заранее выбранных sell-off эпизодах. Это не прогноз следующего кризиса, но показывает, как диверсификация работала, когда она была наиболее нужна.

Резкое падение корреляции тоже требует объяснения

Если токен внезапно перестал двигаться вместе с рынком, это не всегда хорошая новость. Причиной может быть exploit, depeg, unlock, судебное событие, остановка сети, делистинг, изменение листинга, манипуляция на тонком рынке или собственный памп. Низкая корреляция, возникшая из-за idiosyncratic distress, не является бесплатной диверсификацией. Она может означать новый самостоятельный риск.

Поэтому изменение коэффициента нужно связывать с event log. Храните рядом с rolling chart краткие заметки: крупные рыночные события, технические инциденты, token unlocks, миграции, изменения контрактов и ликвидности. Это позволяет отличить структурную независимость от временного разрыва из-за аварии.

Чем короче окно, тем быстрее реакция и выше шум

30-дневное окно быстро замечает смену режима, но чувствительно к нескольким экстремальным дням. 180-дневное устойчивее, но реагирует поздно. Поэтому разумно использовать несколько окон, например 30D/90D/180D, и смотреть не на «правильное» одно значение, а на согласованность. Если все окна растут, связь усиливается устойчиво. Если скачнуло только короткое окно после единичного события, нужно понять природу события прежде, чем менять всю структуру портфеля.

Для долгосрочного инвестора короткое окно — сигнал наблюдения, а не автоматический приказ. Решение о ребалансировке должно учитывать тезис, налоги, комиссии, ликвидность и размер отклонения от целевого риска. Избыточно частая реакция на статистический шум превращает управление риском в скрытый market timing.

Tail dependence важнее обычной корреляции для плохих сценариев

Обычный Pearson описывает линейную связь всей выборки. Но инвестора часто интересует совместное поведение именно в левом хвосте — когда оба актива сильно падают. Две позиции могут иметь умеренную общую корреляцию и при этом часто снижаться вместе в экстремальные дни. Это называется tail dependence. Полноценные copula-модели сложны, но базовый стресс-анализ доступен без них: отберите худшие дни общего рынка и сравните условные доходности активов.

Если в обычные дни связь низкая, а в худшие дни все позиции теряют 10–20% одновременно, портфель не обладает той защитой, которую обещает средний коэффициент. Для частного инвестора такой вывод ценнее сложной математической терминологии: «как мои активы ведут себя вместе, когда действительно плохо?»

Историческая корреляция — оценка, а не постоянное свойство токена

Корреляция не записана в смарт-контракте и не закреплена навсегда. Она возникает из структуры участников, ликвидности, narrative, макрофакторов, биржевой инфраструктуры и поведения капитала. По мере взросления рынка, появления новых ETF, деривативов, институциональных участников или изменений регулирования связи могут меняться. Поэтому число, посчитанное два года назад, не должно автоматически переноситься в 2026 год.

Хорошая политика — назначить review cadence. Для долгосрочного портфеля можно делать краткий ежемесячный мониторинг и полный квартальный пересчёт, а вне графика — после крупного structural event. Смысл не в частоте ради частоты, а в том, чтобы модель не отставала от реального устройства риска.

Bitcoin, Ethereum, альткоины, стейблкоины и традиционные активы: как читать связи

BTC часто выступает общим crypto market factor, но не объясняет всё

Bitcoin остаётся крупным источником рыночного beta для многих криптоактивов, поэтому корреляция альткоинов с BTC полезна как базовая диагностика. Но нельзя сводить весь рынок к одной зависимости. ETH, отдельные L1, DeFi, memecoins и инфраструктурные токены имеют собственные факторы, которые в разные периоды становятся доминирующими. Кроме того, один и тот же токен может быть тесно связан с BTC в risk-off и намного слабее в период собственного каталитического события.

Практически лучше хранить две перспективы: корреляцию с широким market factor и корреляции внутри сектора. Если актив слабосвязан с BTC, но тесно связан с пятью токенами одного narrative, диверсификация всё равно ограничена. И наоборот, высокая BTC beta не исключает idiosyncratic risk, который может сделать конкретный токен ещё более опасным.

ETH-экосистема создаёт отдельный кластер зависимости

Токены, связанные с Ethereum, могут зависеть от цены ETH, сетевой активности, стоимости blob/gas, staking economics, ликвидности DEX, стабильности L2 и мостов. Некоторые связи прямые — например, liquid staking derivative по определению связан с underlying ETH. Другие косвенные — DeFi-протокол может получать выручку от активности, которая растёт и падает вместе с экосистемой. Корреляционная матрица помогает увидеть результат, а структурная карта объясняет механизм.

Поэтому владение ETH плюс несколькими ETH-beta токенами нужно считать как кластер, даже если каждый проект имеет уникальный продукт. В стресс-тесте задайте общий shock для всей экосистемы и дополнительные idiosyncratic shocks для отдельных протоколов.

Стейблкоин — не «нулевая корреляция = нулевой риск»

Почти стабильная цена делает обычную volatility низкой, но скрывает jump risk. Если происходит depeg, распределение доходностей меняется резко и историческая матрица оказывается слабой защитой. Кроме того, несколько стейблкоинов могут зависеть от одних банков, custodians, резервных активов, протоколов или collateral chains. Такая зависимость операционная и кредитная, а не обязательно ценовая в обычные дни.

Поэтому stablecoin allocation нужно анализировать через issuer risk, reserve structure, redemption path, on-chain contract, blacklist/freeze functionality, bridge risk и ликвидность. Корреляция остаётся одним инструментом, но не основным. Это хороший пример общего правила: матрица цен не измеряет все виды риска.

Корреляция крипты с акциями и другими традиционными активами тоже меняется

Исследования показывают, что связь Bitcoin с традиционными рынками способна быть time-varying. В одних периодах она низкая и даёт диверсификационный эффект, в других возрастает. Поэтому утверждение «BTC всегда некоррелирован с S&P 500» или «BTC всегда ходит как tech stocks» слишком сильное. Корректнее говорить о наблюдавшейся корреляции на конкретном окне и проверять её заново.

Для пользователя, у которого основной капитал вне крипты, это особенно важно. Риск нужно смотреть на уровне всего капитала, а не только внутри crypto-sleeve. Портфель из BTC и нескольких альткоинов может быть диверсифицирован внутри крипты хуже, чем кажется, и одновременно усиливать общий equity-like risk другого инвестиционного портфеля.

Низкая корреляция с золотом или долларом не превращает криптоактив в hedge автоматически

Hedge означает способность компенсировать риск конкретной позиции или сценария, а не просто иметь низкую среднюю корреляцию. Актив с correlation 0,1 может всё равно падать вместе с портфелем в нужный момент. Для хеджирования важны conditional correlation, downside behavior, ликвидность, стоимость удержания и надёжность механизма. Поэтому слова safe haven и hedge требуют отдельной проверки, особенно для высоковолатильных активов.

Если цель — уменьшить crypto drawdown, сначала определите, какой риск вы хотите хеджировать: общий market beta, конкретный токен, stablecoin depeg, процентные ставки, ликвидность или событие протокола. После этого выбирают инструмент. Корреляция помогает описать прошлую связь, но не заменяет дизайн hedge.

Wrapped и synthetic assets нужно считать вместе с underlying и добавочным риском

WBTC-подобный актив, liquid staking token или synthetic representation может иметь очень высокую корреляцию с underlying, потому что именно это и является его назначением. В портфеле такие пары не создают независимую рыночную экспозицию. Но они добавляют инфраструктурный риск: custody, smart contract, bridge, oracle, redemption. Поэтому их нельзя считать просто «ещё одним активом» и нельзя считать полностью идентичными underlying.

Правильная модель состоит из двух слоёв: рыночный beta к underlying почти 1 плюс отдельный operational tail risk. Если correlation внезапно падает, это скорее повод проверить peg и redemption, чем радоваться диверсификации.

Практический алгоритм OneMagic: как проверить корреляцию перед добавлением нового актива

Шаг 1. Опишите роль позиции до расчёта

Сначала запишите, зачем актив нужен портфелю: growth exposure, отдельный сектор, снижение зависимости от BTC, доходность, ликвидная резервная часть или иной сценарий. Если роль формулируется только как «может сильнее вырасти», это не диверсификационная роль. Корреляция должна проверять заранее поставленную гипотезу, а не служить украшением уже принятого решения.

Для выбора самого актива используйте отдельный материал OneMagic как выбирать криптовалюту. Сильная корреляционная позиция может быть качественным активом, просто она не приносит новый источник риска/доходности. Эти два вывода нельзя смешивать.

Шаг 2. Соберите чистые сопоставимые данные

Возьмите одинаковую периодичность, котируемую валюту, timezone и источник. Удалите даты, где один из рядов отсутствует, вместо искусственного заполнения. Для молодого токена отметьте длину истории. Проверьте, не является ли ряд синтетическим, индексным или деривативным. Запишите дату выгрузки, чтобы повторить анализ позже.

Не используйте слишком тонкий рынок, где одна сделка заметно меняет цену. Если ликвидность мала, статистическая корреляция может быть артефактом stale prices и нерегулярных принтов. Сначала оцените качество рынка, затем доверяйте коэффициентам.

Шаг 3. Посчитайте доходности и несколько окон

Минимальный набор: 30D, 90D и 180D по дневным доходностям, если история позволяет. Для долгосрочной стратегии добавьте недельные данные. Не ищите одно «верное» окно: сравните, насколько вывод устойчив. Если 30D = 0,2, 90D = 0,6 и 180D = 0,7, связь скорее временно ослабла, чем стала структурно низкой.

Если актив существует меньше 90 дней, нельзя изображать долгую историю. Отметьте повышенную неопределённость и сильнее ограничьте размер позиции до накопления данных. Short history risk — отдельный аргумент против агрессивной оптимизации.

Шаг 4. Постройте матрицу не только для новой пары, а для всего портфеля

Проверять новый токен только против BTC недостаточно. Он может быть слабо связан с BTC, но почти дублировать другую вашу позицию. Поэтому добавьте его в полную матрицу текущих активов. Найдите максимальные pairwise correlations, среднюю связь с существующими кластерами и поведение относительно самой крупной позиции.

Если портфель небольшой, это можно сделать в обычной таблице. Для каждого актива храните вес, volatility, cluster и три ключевые корреляции. Главное — дисциплина данных, а не сложность программы.

Шаг 5. Отдельно посчитайте stress correlation

Выберите плохие рыночные периоды: крупные дневные снижения BTC, недели общего sell-off или собственные худшие дни портфеля. Посмотрите, что делал новый актив в те же даты. Если он падал вместе со всеми, обычная низкая корреляция преувеличивает защиту. Если он держался лучше, выясните почему и повторялось ли это в нескольких эпизодах.

Не используйте один знаменитый кризис как универсальный тест. Разные события проверяют разные механизмы: macro shock, exchange failure, protocol exploit, stablecoin depeg, regulatory event. Портфель, устойчивый к одному сценарию, может быть уязвим к другому.

Шаг 6. Проверьте структурные общие факторы

После чисел задайте вопросы: тот же L1? тот же collateral? тот же bridge? тот же custodian? тот же exchange? тот же revenue driver? тот же unlock calendar? тот же narrative? Если несколько ответов «да», считайте позицию частью существующего risk cluster даже при временно низкой статистической корреляции.

Этот этап особенно важен для новых токенов и быстро меняющихся протоколов. Структурная зависимость способна проявиться позже, когда накопится история или наступит общий шок.

Шаг 7. Пересчитайте ожидаемый вклад в риск после добавления позиции

Сделайте два портфеля: до и после. Сравните weights, portfolio volatility, максимальный кластерный вес и stress loss. Если новый актив почти не меняет общий риск, но добавляет сложность, комиссии и custody exposure, его роль сомнительна. Если он снижает концентрацию и приносит новый драйвер, аргумент сильнее.

Не забывайте execution cost. Покупка и последующая ребалансировка создают комиссии, spread, возможный slippage и налоговый учёт. Статья OneMagic про slippage помогает оценить цену перестройки портфеля, особенно для менее ликвидных токенов.

Шаг 8. Запишите условия пересмотра

До покупки определите, когда корреляционная гипотеза считается сломанной. Например: rolling correlation с ключевым кластером устойчиво выше заданного диапазона; stress beta резко вырос; актив потерял самостоятельный драйвер; ликвидность ухудшилась; инфраструктурный риск стал общим с другими позициями. Порог не должен автоматически означать продажу, но должен запускать review.

Хороший процесс разделяет сигнал и действие. Сигнал говорит «структура риска изменилась». Действие зависит от тезиса, налогов, комиссий, ликвидности, размера позиции и общего портфеля. Это защищает от механической торговли по статистике.

Типичные ошибки при использовании корреляции криптовалют

Ошибка 1. Считать корреляцию ценовых уровней

Трендовые цены способны создать ложное ощущение сильной связи. Используйте доходности одинаковой периодичности. Это базовая, но критическая проверка: многие красивые графики correlation становятся другими после перехода от price levels к returns.

Если цель — совместная динамика drawdown или уровней, это отдельная метрика и отдельный вопрос. Не называйте её обычной корреляцией доходностей.

Ошибка 2. Делать вывод по одному окну

Любое окно — компромисс между актуальностью и шумом. Один 30D coefficient не описывает полный режим; один 2Y coefficient слишком медленно отражает смену рынка. Используйте несколько окон и stress subset. Если вывод устойчив, доверие выше. Если значения конфликтуют, сама нестабильность correlation является информацией о риске.

При конфликте не выбирайте окно, которое подтверждает желаемое решение. Заранее задайте методику и применяйте её ко всем активам одинаково.

Ошибка 3. Считать нулевую корреляцию независимостью

Нулевая линейная correlation не исключает нелинейную связь, общий crash risk, lagged reaction или dependence only in tails. Криптоактив может вести себя независимо 95% времени и одновременно обваливаться вместе с рынком в худшие 5%. Для управления потерями второй факт важнее среднего коэффициента.

Минимальная защита — scatter plot, Spearman, rolling windows и stress-day analysis. Даже без сложных моделей они показывают, не скрывает ли Pearson важную структуру.

Ошибка 4. Верить отрицательной корреляции как постоянному hedge

Отрицательное значение особенно привлекательно, потому что обещает взаимную компенсацию. Но в короткой выборке оно может возникнуть случайно, а при смене режима исчезнуть. Настоящий hedge оценивают по стабильности, downside behavior, ликвидности и стоимости удержания, а не по одному минусу перед коэффициентом.

Для криптовалют устойчиво отрицательные pairwise correlations внутри одного risk universe встречаются реже, чем временные отрицательные окна. Поэтому относитесь к ним как к гипотезе, требующей stress validation.

Ошибка 5. Игнорировать survivorship bias

Если анализ включает только монеты, которые дожили до сегодняшнего дня, история выглядит лучше и стабильнее, чем была реальность. Исчезнувшие, делистнутые или почти обесценившиеся токены выпадают из выборки. Это влияет и на оценки диверсификации: портфель прошлого мог содержать позиции, которые больше не представлены в текущем наборе данных.

Для ретроспективных тестов используйте исторический universe, если он доступен. Для текущего решения хотя бы помните, что красивая матрица surviving assets не отражает риск исчезновения проекта.

Ошибка 6. Игнорировать ликвидность и stale prices

Тонко торгуемый токен может выглядеть слабо коррелированным просто потому, что цена обновляется реже. В реальной продаже при стрессе он может резко догнать рынок одним большим движением. Это classic stale pricing problem. Чем хуже liquidity, тем меньше доверия к красивой низкой correlation.

Проверяйте volume, spread, depth и число активных площадок. Материал OneMagic про устройство рынка криптовалют помогает связать статистику с реальной структурой торгов.

Ошибка 7. Оптимизировать прошлое и получить хрупкий портфель

Можно перебрать сотни окон и найти комбинацию, которая исторически дала минимальную variance. Но это не доказывает устойчивость результата. Чем больше настроек подгоняется под историю, тем выше риск overfitting. В будущем correlations, volatilities и returns меняются, а «идеальная» матрица перестаёт существовать.

Используйте robust rules: ограниченные веса, округлые caps, несколько окон, stress test и регулярный review. Если стратегия требует точности параметра до сотых, а сам параметр прыгает каждый месяц, конструкция слишком хрупкая.

Ошибка 8. Забывать про операционную корреляцию

Рыночные цены могут быть слабо связаны, но все активы могут зависеть от одного аккаунта, одного устройства, одной seed-фразы, одной сети вывода или одного банка для фиатного маршрута. При operational failure они становятся идеально связанными с точки зрения доступности капитала. Этот риск не появится в covariance matrix.

Поэтому у портфеля должна быть отдельная карта точек отказа. Цена — только один слой. Custody, access, compliance, tax documentation и recovery procedure должны проверяться независимо.

Мини-кейс: четыре токена и один скрытый фактор

Рассмотрим учебный портфель из четырёх активов: BTC 40%, Token A 20%, Token B 20% и Token C 20%. В обычной таблице это выглядит как четыре позиции, а максимальный отдельный вес ограничен 40%. Но после расчёта выясняется, что A и B имеют высокий beta к BTC и корреляцию между собой, а C слабее связан с BTC, но зависит от того же L1 и ликвидности стейблкоина, что и B. Формально монет четыре, фактически значимая часть риска сводится к двум-трём общим драйверам. Если market factor падает, BTC, A и B снижаются синхронно; если возникает проблема базовой сети, B и C получают второй общий shock.

Что меняет такой разбор? Вместо вопроса «сколько процентов в каждой монете» появляется вопрос «сколько процентов капитала и риска приходится на каждый общий фактор». Пользователь может решить, что BTC-cluster уже слишком велик, а новый токен A не добавляет независимости. Или сохранить структуру сознательно, если цель — активная ставка на общий crypto beta. Ключевой момент — концентрация становится видимой и перестаёт маскироваться количеством тикеров. Это и есть практическая ценность корреляции до того, как портфель переживёт реальный sell-off.

Мини-кейс: низкая обычная корреляция, высокая стрессовая

Другой учебный пример: Token D имеет 90-дневную корреляцию с BTC всего 0,28. На первый взгляд он выглядит сильным диверсификатором. Но если отобрать десять худших дней BTC за тот же период, D снижался в восьми из десяти случаев и средняя потеря в эти дни была существенно выше его обычной дневной волатильности. Значит, низкая общая correlation возникла потому, что в спокойные дни токен часто двигался по собственным причинам, однако при общем risk-off он присоединялся к рынку. Для защиты портфеля это важное различие.

Такой анализ не требует сложной tail-copula модели. Достаточно заранее определить stress subset и сравнивать conditional behavior одинаково для всех кандидатов. Если актив независим в обычные дни, но систематически падает вместе с рынком в плохие, его нужно считать слабым crash diversifier. Он всё ещё может быть интересен фундаментально, но роль в портфеле должна быть сформулирована честно: новый источник alpha или narrative, а не защита от общего снижения.

Мини-кейс: сильная корреляция не всегда означает бесполезную позицию

Высокая корреляция сама по себе не делает актив ненужным. Допустим, ETH и Token E тесно связаны, но E даёт экономическую экспозицию к конкретному протоколу, который пользователь сознательно хочет иметь. Тогда позиция может быть оправдана как активная ставка внутри ETH-cluster. Ошибка возникнет только в том случае, если E включили ради «диверсификации» и посчитали самостоятельным защитным активом. Корреляция не запрещает концентрацию — она помогает назвать её правильно.

Это важное различие между risk management и автоматическим минимизированием volatility. Инвестор может сознательно принимать больше общего beta ради ожидаемой доходности, но должен видеть последствия для drawdown и размера позиции. Поэтому результат анализа — не бинарное «покупать/не покупать», а корректная классификация роли, cluster cap и stress budget.

Как отличать факторную корреляцию от случайного совпадения

Сильный коэффициент становится более убедительным, если он устойчив на нескольких окнах, сохраняется при переходе с Pearson на Spearman, проявляется в разных рыночных режимах и имеет экономическое объяснение. Например, два liquid staking актива зависят от одного underlying, поэтому высокая связь ожидаема. Если же корреляция возникла только на 30-дневном окне и не имеет понятного общего драйвера, доверие к ней должно быть ниже.

Полезно вести таблицу evidence: статистическая устойчивость, общий сектор, общий collateral, общая сеть, общий источник доходности, общий market beta, общая инфраструктура. Чем больше независимых подтверждений одного кластера, тем меньше вероятность, что высокая correlation случайна. И наоборот, если статистика высокая, но структурных причин нет, стоит проверить качество данных, timestamp, thin trading и единичные выбросы.

Почему beta и correlation нельзя считать одним и тем же

Correlation показывает плотность совместного движения после стандартизации масштабов, а beta показывает чувствительность доходности актива к движению выбранного фактора. Актив может иметь высокую корреляцию с BTC и beta выше единицы: он движется в том же направлении, но обычно сильнее. Другой актив может иметь такую же correlation, но beta ниже единицы и меньшую амплитуду. Для risk budget эти позиции неэквивалентны.

В портфельной диагностике полезно использовать оба понятия. Correlation отвечает «насколько синхронно», beta — «насколько чувствительно». Если токен имеет высокие оба показателя относительно общего crypto factor, небольшая денежная доля способна создавать большой market exposure. Если correlation высокая, а beta ниже, позиция всё равно не даёт много независимости, но её вклад в амплитуду может быть меньше.

Почему корреляционная матрица должна храниться как версия, а не как вечная таблица

Каждый расчёт имеет контекст: дата окончания выборки, длина окна, периодичность, источник цен, способ обработки пропусков и universe активов. Если эти параметры не сохранены, через месяц невозможно понять, почему текущая матрица отличается от прошлой. Версионирование превращает correlation analysis из одноразовой картинки в наблюдаемую систему. Можно сравнить, какой кластер усилился, какой распался и какие события совпали со сменой режима.

Для редакционного или личного инвестиционного журнала достаточно простого имени версии: 2026-09-03_daily_90d_spot и отдельного файла с методикой. Это особенно важно, когда портфель меняется: добавление или удаление актива меняет размер матрицы, а переход на другого поставщика данных может изменить свечи. Контроль версий защищает от ложного вывода, что рынок изменился, когда на самом деле изменился источник.

Корреляция и drawdown нужно анализировать вместе

Volatility измеряет разброс доходностей, correlation — совместность движений, drawdown — глубину потери от предыдущего максимума. Портфель может иметь умеренную текущую volatility, но содержать несколько активов, которые исторически одновременно переживали глубокие drawdowns. Поэтому один correlation coefficient без анализа потерь неполон. Инвестору важно знать не только, движутся ли активы вместе, но и что происходило с общей стоимостью портфеля в плохих режимах.

Практический отчёт может содержать три блока: matrix of correlations, individual max drawdowns и portfolio stress drawdown при повышенных correlations. Если все три указывают на один cluster как основной источник риска, решение о снижении концентрации становится намного более обоснованным, чем реакция на одну цифру.

Корреляция и ликвидность могут ухудшаться одновременно

В спокойном рынке две позиции могут иметь умеренную связь и хорошую глубину. В кризисе correlation растёт, а liquidity падает. Это двойной удар: активы одновременно дешевеют и становятся дороже в исполнении. Если план выхода построен по обычному spread, фактический убыток превысит модель. Поэтому stress test должен менять не только доходности, но и execution assumptions.

Для крупных относительно ордербука позиций полезно считать cluster liquidation cost: сколько стоит одновременно сократить несколько связанных токенов. Даже если каждый ордер по отдельности укладывается в slippage budget, одновременная продажа всего кластера может ухудшить цены. Такая проверка особенно важна для low-cap и токенов, торгующихся на ограниченном числе площадок.

Корреляция и токеномика: одинаковое движение может иметь разные будущие причины

Два токена могут исторически двигаться почти одинаково, но иметь совершенно разную будущую эмиссию. Если у одного впереди крупные unlocks, а у другого supply стабилен, прежняя correlation может разорваться. Поэтому статистика должна пересматриваться вместе с фундаментальными событиями. Это ещё одна причина, почему матрица не заменяет due diligence и будущую отдельную статью OneMagic про токеномику.

С другой стороны, одинаковые unlock cycles или зависимость от одного типа incentive program могут усиливать общую реакцию. Если несколько позиций имеют сходный график emissions и одинаковую аудиторию liquidity providers, риск может быть структурно связан даже до того, как длинная история покажет высокий коэффициент.

Когда уменьшение корреляции действительно улучшает портфель

Снижение pairwise correlation полезно, если новый актив сохраняет приемлемую собственную volatility, ликвидность и фундаментальное качество, а его низкая связь объясняется независимым экономическим драйвером. В таком случае он может уменьшить covariance terms и сделать распределение риска равномернее. Но если correlation низкая из-за stale prices, short history или локальной аварии, улучшение матрицы фиктивно.

Поэтому критерий можно сформулировать так: новый актив должен приносить не просто низкую цифру, а новый устойчивый источник поведения. Это требует одновременно статистического и структурного подтверждения. Чем больше капитал и длиннее горизонт, тем важнее такая двойная проверка.

Как использовать корреляцию при покупке, DCA, ребалансировке и выходе

Перед первой покупкой проверяйте не только актив, но и его место среди существующих рисков

Хороший актив может быть плохим добавлением к конкретному портфелю. Если у пользователя уже высокая доля ETH-beta и новый токен приносит тот же risk factor с большей volatility, решение должно учитывать концентрацию. Иногда правильный вывод — уменьшить другую позицию, иногда — не добавлять новую, иногда — принять концентрацию сознательно, но записать её как активную ставку.

Размер покупки должен вытекать из общего risk budget. Для первоначальной оценки суммы можно использовать материал OneMagic на какую сумму купить криптовалюту, а затем скорректировать размер с учётом кластерной концентрации.

DCA снижает timing risk, но не корреляцию портфеля

Для операционной дисциплины полезно отделять инвестиционный план от краткосрочной торговли криптой: корреляционный лимит портфеля и торговый риск — связанные, но разные уровни контроля.

Регулярная покупка одного или нескольких активов распределяет момент входа, но не создаёт новый источник риска. Если пользователь каждый месяц покупает пять высококоррелированных альткоинов, он систематически наращивает один cluster exposure. Средняя цена становится плавнее, а концентрация может расти. Поэтому перед очередным траншем полезно проверять не только average cost, но и текущий cluster weight.

Если корреляции усилились и один кластер уже выше лимита, DCA можно направить в недовзвешенные части портфеля, приостановить или пересмотреть. Это не означает реагировать на каждый рыночный шум; решение должно следовать заранее записанной политике.

Ребалансировка должна возвращать риск, а не только проценты капитала

Классическая ребалансировка возвращает weights к целевым значениям. Но если volatility и correlation изменились, прежние денежные веса могут больше не соответствовать прежнему риск-профилю. Поэтому при полном review полезно пересчитывать covariance structure и смотреть, не стал ли один кластер намного опаснее при том же allocation.

Иногда достаточно вернуть target weights; иногда нужен новый target. Причины изменения должны быть документированы: рост концентрации, ухудшение ликвидности, смена тезиса, новый operational dependency. Не используйте корреляцию как оправдание частой торговли без заранее определённых критериев.

Стресс-тест должен предполагать, что диверсификация временно ухудшится

Консервативный стресс-сценарий не обязан брать текущую матрицу как неизменную. Можно задать повышенные correlations внутри risk clusters и одновременно расширенные spreads. Например, предположить, что альткоины становятся ближе к общему market factor, а ликвидность падает. Такая модель не предсказывает точный кризис, но проверяет устойчивость капитала к неблагоприятной комбинации факторов.

Посчитайте денежный убыток по каждому cluster shock и портфелю в целом. Если сценарий превышает допустимую просадку, проблему нужно решать размером позиций и структурой, а не надеждой, что историческая correlation останется низкой.

План выхода тоже зависит от совместного риска

Если для отдельных позиций используются защитные уровни, их механику нужно сверять отдельно с материалом OneMagic про stop-loss и take-profit: одновременное срабатывание уровней в коррелированном кластере способно увеличить суммарный slippage.

В сильном sell-off несколько коррелированных позиций могут одновременно достигнуть ваших уровней сокращения. Если все заявки большие относительно глубины рынка, фактический slippage окажется выше расчёта по одной позиции. Поэтому exit plan должен учитывать совокупный объём ликвидации кластера, а не только отдельный ордер.

Для контроля результата после сделок полезно вести realized и unrealized PnL. Материал OneMagic про PnL помогает разделить изменение стоимости и фактически зафиксированный результат. Корреляция объясняет совместный риск, PnL показывает его денежную реализацию.

Используйте checklist вместо попытки угадать следующую корреляцию

1. Определить роль нового актива и максимальный вес.
2. Собрать синхронные данные по доходностям.
3. Посчитать Pearson на нескольких окнах.
4. Сравнить с Spearman или другим robustness-check.
5. Построить полную матрицу портфеля.
6. Выделить risk clusters и общий market beta.
7. Посчитать stress correlation и stress loss.
8. Проверить ликвидность, custody и общие точки отказа.
9. Оценить вклад нового актива в общий риск, а не только его вес.
10. Записать условия review, pause и rebalance.

Если хотя бы несколько шагов пропущены, итоговая цифра корреляции легко превращается в ложную точность. Система ценнее отдельного коэффициента: она позволяет одинаково анализировать новые активы и сравнивать решения во времени.

Когда корреляция полезна, а когда нужно остановиться

Корреляция полезна для проверки диверсификации, обнаружения общих факторов, кластеризации позиций, расчёта covariance risk и стресс-тестов. Она менее полезна как самостоятельный прогноз цены, доказательство причинности или гарантия hedge. Чем сильнее решение зависит от редкого tail event, тем меньше можно полагаться только на среднее линейное значение.

Если у актива короткая история, тонкая ликвидность, сильный structural break или риск определяется прежде всего контрактом/эмитентом, статистика должна уступить место сценарию и fundamental due diligence. Это не отказ от данных, а правильное соответствие инструмента вопросу.

Correlation drift: что делать, если связь портфеля постепенно усиливается

Корреляция редко меняется одним аккуратным скачком. Чаще portfolio drift выглядит как постепенное сближение активов: 90D correlation растёт несколько пересчётов подряд, одновременно повышается общий beta и доля одного risk cluster. Если следить только за последней цифрой, процесс легко пропустить. Полезнее хранить историю метрик и отмечать направление: stable, rising, falling. Три последовательных квартальных наблюдения иногда важнее одного экстремального дня, потому что показывают структурное изменение поведения капитала.

При устойчивом correlation drift не обязательно сразу продавать позиции. Сначала проверьте причины: изменился состав участников, сектор стал зрелее, токен потерял собственный драйвер, выросла доля общего collateral, усилилась зависимость от одной сети или просто закончился период локального narrative. Затем пересчитайте cluster cap и стресс-сценарий. Если портфель стал заметно более концентрированным при тех же денежных весах, новые покупки можно направлять в другие части структуры или уменьшить целевой вес кластера при очередной плановой ребалансировке.

После добавления или удаления актива матрицу нужно строить заново

Корреляционный анализ относится к конкретному universe. Когда пользователь продаёт крупную позицию, добавляет новый токен или меняет доли, значение матрицы для решения меняется. Старая таблица остаётся исторической версией, но текущий риск нужно оценивать по новому составу. Особенно это важно после сильного роста одной позиции: capital weight может увеличиться без новых покупок, и та же pairwise correlation начинает сильнее влиять на portfolio variance.

Поэтому quarterly review должен включать не только обновление цен, но и пересборку universe, weights, covariance matrix и stress clusters. Если нужен контекст того, почему рынок в конкретный период стал двигаться синхроннее, сопоставьте расчёт с материалом OneMagic почему падает крипта и отдельно с индексом страха и жадности Bitcoin: они помогают проверить рыночный режим, но не заменяют собственную матрицу портфеля.

Не путайте корреляцию с оценкой привлекательности или дороговизны актива

Корреляция ничего не говорит о том, переоценён токен или недооценён, хороша ли его токеномика и насколько устойчив продукт. Два дорогих по фундаментальным метрикам актива могут иметь низкую correlation, а два качественных — высокую. Поэтому сначала решается вопрос качества и инвестиционного тезиса, затем вопрос места в портфеле. Для сравнения unit price, капитализации и supply полезен материал OneMagic про самую дорогую криптовалюту и корректное сравнение стоимости.

Аналогично текущий курс крипты — это входное наблюдение, а не характеристика независимости позиции. Корреляция строится по последовательности доходностей и должна интерпретироваться в контексте volatility, liquidity и структуры риска. Такое разделение защищает от типичной ошибки: выбирать «другую монету» только потому, что у неё другая цена или иной narrative, хотя фактически она добавляет тот же market exposure.

Итог: считайте не монеты, а независимые источники риска

Главный вывод прост: корреляция криптовалют нужна для того, чтобы портфель не маскировал одну большую ставку под множество названий. Высокая положительная связь уменьшает диверсификационный эффект; низкая связь полезна только тогда, когда она устойчива, экономически объяснима и сохраняется хотя бы частично в стрессах. Корреляция должна рассматриваться вместе с volatility, liquidity, weights, custody и структурными факторами.

Правильная последовательность такова: сначала определить роль позиции и риск-бюджет, затем посчитать доходности и несколько correlation windows, построить матрицу, выделить кластеры, проверить stress behavior и только после этого решать, добавляет ли актив новый источник риска/доходности. Такой подход не обещает избежать потерь, но делает структуру портфеля видимой и позволяет заранее понять, где десять монет на самом деле могут быть одной ставкой.