RECHERCHE ET PRATIQUE
Corrélation et concentration crypto : plusieurs positions, une seule exposition
Mesurez la concentration crypto avec des rendements alignés, des corrélations changeantes et des scénarios de stress, sans présumer la diversification des symboles.
Détenir plusieurs cryptoactifs peut donner une impression de diversification tout en conservant une grande partie de la même exposition au marché. La question utile concerne leur comportement conjoint, surtout quand les conditions se dégradent. La corrélation est un outil d'investigation, mais son sens dépend de la définition des rendements, de la fenêtre d'échantillon et de la qualité des observations. Une estimation historique décrit un échantillon ; elle ne promet pas la persistance de la relation.
Calculer les relations à partir de rendements comparables
Utilisez des rendements sur des intervalles alignés, plutôt que de corréler des niveaux de prix bruts pouvant partager une tendance. Précisez s'il s'agit de rendements simples ou logarithmiques et gardez une convention cohérente. Exprimez tous les actifs dans la même devise de reporting et utilisez une frontière temporelle commune. Un prix manquant ne doit pas créer automatiquement un rendement nul : des cotations périmées peuvent donner à un actif illiquide une stabilité et une faible corrélation artificielles. Conservez une règle de couverture définissant les intervalles admissibles et indiquez la quantité de données restante après application.
Distinguer nombre de symboles et exposition économique
Deux positions peuvent dépendre des mêmes flux d'investisseurs, conditions de collatéral, plateformes ou risques d'écosystème malgré des symboles différents. Inversement, un court échantillon historique peut produire par hasard une faible corrélation mesurée. Regroupez les expositions selon une explication économique défendable et comparez ces groupes aux relations observées des rendements. Les recherches du FMI sur les cryptomonnaies et les marchés financiers plus larges trouvent une interdépendance variable dans la période historique étudiée ; elles ne fournissent pas un coefficient permanent pour le portefeuille d'aujourd'hui. La conséquence pratique est de tester les changements de dépendance au lieu de considérer une matrice comme une propriété fixe.
Un calcul hypothétique de variance à deux actifs
Considérons deux actifs équipondérés ayant chacun une volatilité annualisée hypothétique de 20%, dans un modèle simplifié à covariance constante. Avec une corrélation de 1, la volatilité du portefeuille est de 20%. Avec une corrélation de 0, elle est d'environ 14.14%. Avec une corrélation de 0.8, elle atteint environ 18.97%. Le calcul utilise les deux variances individuelles et deux fois le terme de covariance pondérée. Ces nombres servent à une comparaison pédagogique, pas à une prévision ni à une recommandation d'allocation. Ils montrent pourquoi ajouter un actif aussi volatil peut peu réduire le risque estimé lorsque les deux évoluent ensemble.
Mettre à l'épreuve la relation autant que les actifs
Comparez une estimation de période ordinaire à un scénario défavorable où plusieurs positions baissent ensemble et où la liquidité s'affaiblit. La corrélation décrit les mouvements conjoints sans déterminer elle-même l'ampleur des pertes ; énoncez donc les deux hypothèses. Examinez séparément les dépendances communes de devise de cotation, de conservation et de plateforme : une matrice de rendements ne capture pas toutes les défaillances opérationnelles. Évitez de choisir seulement les intervalles passés où la diversification a fonctionné. Un tableau de stress utile rend visible le choc commun supposé et montre la variation d'exposition si la compensation attendue entre positions ne se réalise pas.
Respecter l'incertitude d'échantillonnage et l'évolution de la composition
Une fenêtre courte réagit vite, mais peut produire des estimations instables ; une fenêtre longue moyenne des conditions qui ne sont peut-être plus comparables. Examinez plusieurs fenêtres prédéfinies sans sélectionner après coup la plus favorable. Alignez historiquement l'univers des instruments afin que de nouveaux survivants ne remplacent pas les actifs réellement détenus. Lorsque le nombre d'actifs est élevé par rapport aux observations, une matrice de covariance estimée peut être difficile à utiliser de façon fiable. Ajouter des décimales ne résout pas ce problème. Indiquez la sensibilité à l'échantillon et évitez de présenter un vecteur de pondérations optimisé mécaniquement comme l'unique bonne réponse.
Utiliser le résultat pour expliquer la concentration
Créez une revue recensant grandes positions, facteurs communs, hypothèses de dépendance, couverture des données et effet d'une suppression ou réduction d'exposition dans une comparaison hypothétique. Rapprochez le résultat des avoirs réels et de la devise de reporting. Le but est d'identifier où une variété apparente dissimule un risque commun et où les preuves sont trop faibles pour juger. Les candidats les mieux classés d'un scanner peuvent rester très liés entre eux ; les classer indépendamment ne diversifie pas leur ensemble. L'interprétation du portefeuille exige donc une étape distincte après la découverte des candidats.
Sources et portée des exemples
Les sources étayent les définitions et les mécanismes. Les scénarios chiffrés sont des exemples pédagogiques hypothétiques, pas des cours actuels, des prévisions ni des résultats publiés par HOSTuvo. Les images sont des illustrations éditoriales.