在CFA一级定量分析模块中，相关系数（correlation） 是衡量两个变量线性关系强度与方向的核心指标。其取值范围为[-1, 1]，绝对值越接近1表示线性关系越强，0则表示无线性相关。这一概念不仅单独考查，更常与协方差、投资组合理论结合出题，成为考试中的高频考点。
考试提示：当题目出现"linear relationship"或"degree of association"等表述时，应优先考虑相关系数的应用。
某投资者持有ABC股票和XYZ债券，历史收益率数据如下：
| 月份 | ABC收益率(%) | XYZ收益率(%) |
|---|---|---|
| 1 | 2.3 | -1.5 |
| 2 | 1.8 | 0.7 |
| 3 | -0.5 | 2.1 |
| 4 | 3.2 | -0.3 |
要求：计算两种资产的相关系数
数据输入
[2ND][DATA] → 清空内存
输入ABC数据：2.3↓, 1.8↓, -0.5↓, 3.2↓
输入XYZ数据：-1.5↓, 0.7↓, 2.1↓, -0.3↓
统计计算
[2ND][STAT] → 进入统计模式
[↓] → 选择Y列数据
[2ND][STAT] → 返回主界面
结果提取
[2ND][STAT] → 查看汇总
记录：
Cov(X,Y) = -0.82 (协方差)
σ_x = 1.87, σ_y = 1.52 (标准差)
r = Cov(X,Y)/(σ_x*σ_y) = -0.82/(1.87×1.52) = -0.288
通过TI BA II Plus官方iOS应用（下载链接），可在移动设备完成相同计算：
1. 打开应用→选择「Statistical Calculations」
2. 输入X/Y两列数据
3. 自动计算相关系数（显示为「r」值）
效率提示：当数据点超过10个时，建议使用电子表格预计算再输入计算器，可节省40%操作时间。
| 错误类型 | 正确理解 |
|---|---|
| 将r=0视为"无关系" | 实际表示"无线性关系"，可能存在非线性关联 |
| 混淆相关与因果 | 相关系数仅描述统计关联，不能证明因果关系 |
| 忽略样本量影响 | 小样本（n<5）计算的相关系数可靠性低 |
| 直接比较不同单位的相关系数 | 需注意标准化处理（如使用z-score） |
典型陷阱题：当题目给出散点图显示明显曲线趋势时，即使相关系数接近0，也不能断言两变量无关。
Q1：相关系数为0.9和-0.9哪个表示更强的线性关系？
A：两者强度相同，仅方向相反。考试时应关注绝对值大小。
Q2：如何用相关系数调整投资组合风险？
A：根据公式σ_p² = w₁²σ₁² + w₂²σ₂² + 2w₁w₂Cov(1,2)，负相关资产可降低组合波动率。例如黄金与股票常呈负相关，适合作为对冲工具。
Q3：相关系数是否适用于非线性关系分析？
A：不适用。此时应考虑斯皮尔曼等级相关系数（Spearman's rank correlation）。
Q4：样本相关系数与总体相关系数如何区分？
A：样本用r表示，总体用ρ表示。考试题目若提到"population"需特别注意符号差异。
近年考试中，相关系数常以以下形式综合考查：
1. 多变量分析：给出三资产收益率矩阵，要求计算相关系数矩阵并选择最优投资组合
2. 动态调整：结合滚动窗口法计算时变相关系数
3. 概念辨析：通过判断题区分"correlation"与"causation"
备考建议：重点掌握相关系数在Modern Portfolio Theory中的应用，特别是与有效前沿（efficient frontier）的关联。历年真题显示，涉及资产配置的题目有68%会要求计算或解释相关系数的影响。
掌握相关系数的本质是理解变量间的线性协动关系，这不仅是定量分析的基石，更是构建投资组合理论的重要工具。通过系统练习计算步骤、识别常见误区，并结合RBA Calculator等工具提升效率，考生可在考试中快速应对各类相关系数题型。