← 返回博客列表

相关系数（Correlation）：CFA备考中容易混淆的考点对比分析

一、核心概念解析：相关系数与线性关系

在CFA考试中，相关系数（Correlation Coefficient） 是量化金融工具间联动性的关键指标，其本质是衡量两个变量间线性关系的强度与方向。相关系数的取值范围为[-1, +1]：
- +1表示完全正线性相关
- -1表示完全负线性相关
- 0表示无线性相关

需要特别注意其与协方差（Covariance）的区别：协方差仅反映变量同向/反向变动趋势，而相关系数通过标准化处理消除了量纲影响，使不同资产间的相关性具备可比性。例如，股票A与B的协方差为50，股票C与D的协方差为-30，无法直接比较其相关性强度，但通过相关系数即可明确判断。

二、计算实战：双变量相关系数求解

例题示范

假设某投资组合包含两个资产：
- 资产X收益率：2%, 3%, 5%, 8%
- 资产Y收益率：1%, 2%, 4%, 7%

计算两者的相关系数。

BA II Plus操作步骤

1. 按2nd DATA进入数据输入模式
2. 输入X值序列：2→Enter, ↓, 3→Enter, ↓, 5→Enter, ↓, 8→Enter
3. 按RCL调出Y值输入界面
4. 输入Y值序列：1→Enter, ↓, 2→Enter, ↓, 4→Enter, ↓, 7→Enter
5. 按2nd STAT选择统计模式
6. 按↓切换至LinReg线性回归模式
7. 按↓直至显示r=，即得相关系数结果0.9819

💡 替代方案：使用TI BA II Plus iOS应用的RBA Calculator模块，在移动端完成相同计算流程，适合考前快速验证。

三、高频混淆点警示

❌ 错误认知1：相关系数=因果关系

某考生看到黄金与石油价格相关系数达0.72，误认为"石油涨价导致黄金上涨"。实际上相关系数仅反映统计关联，需结合经济逻辑判断因果链。

❌ 错误认知2：非线性关系可被相关系数捕捉

当两变量呈U型关系时（如债券价格与利率），相关系数可能接近0，但实际存在强非线性关联。此时应使用散点图辅助判断。

❌ 错误认知3：高相关系数=稳定关系

2008年危机前美股与新兴市场相关性仅0.4，危机期间骤升至0.9，说明相关系数具有时变特征，需动态跟踪。

四、FAQ答疑

Q1：相关系数为负数时，是否意味着必须做空？
A：负相关仅表示反向变动趋势，是否做空需结合风险预算、波动率等因素综合决策。例如，黄金与美元常呈负相关，但金价走势还受实际利率影响。

Q2：如何判断相关系数是否显著？
A：需进行t检验，计算公式为t = r√(n-2)/√(1-r²)。当|t|>临界值时（通常取α=0.05），认为相关性显著。例如n=24时，r=0.45对应t=2.56，超过临界值2.07即显著。

Q3：多资产组合如何评估相关性？
A：应构建相关系数矩阵，重点关注：
- 对角线外的最大/最小值
- 资产平均相关系数
- 极端情况下的相关性变化（如压力测试）

Q4：相关系数能否用于套利策略？
A：统计套利常利用相关系数的均值回归特性，但需注意：
1. 历史相关性可能突然失效
2. 交易成本会侵蚀价差收益
3. 需配合协整检验验证长期均衡关系

五、备考建议

在CFA一级定量分析、二级权益估值、三级资产组合构建中，相关系数始终是核心工具。建议考生：
1. 通过散点图直观理解线性关系形态
2. 掌握相关系数与协方差的换算公式：ρ = Cov(X,Y)/(σₓσᵧ)
3. 重点练习不同市场环境下的相关性变化案例
4. 善用计算器功能快速验证计算结果

理解相关系数的本质及其局限性，不仅能提升考试成绩，更是构建稳健投资组合的基石。掌握这个看似简单的统计指标，实则是量化投资思维的重要启蒙。