在 CFA 一级定量分析（Quantitative Methods）以及二级投资组合管理（Portfolio Management）的学习中，相关系数（Correlation Coefficient）是一个核心概念。它不仅衡量两个变量之间的关联强度，更是现代投资组合理论（MPT）中分散风险的关键指标。对于考生而言，理解如何计算相关系数以及它在线性关系中的局限性，是应对综合题目的必备技能。本文将深入解析这一知识点，并提供实用的计算工具指导。
相关系数，通常指皮尔逊相关系数（Pearson Correlation Coefficient），用于衡量两个随机变量之间线性关系的方向和强度。在金融语境下，我们常用来分析资产收益率之间的关联性。
相关系数的取值范围严格限制在 -1 到 +1 之间：
在 CFA 考试中，考生需要特别注意，相关系数仅衡量线性关系。如果两个变量之间存在强烈的曲线关系（例如 U 型关系），相关系数可能接近 0，但这并不代表它们没有关联。
掌握手动计算公式有助于理解原理，但在考试中，使用德州仪器 BA II Plus 计算器能极大提高效率。
假设有两组资产收益率数据 X 和 Y，样本量为 5：
* X: 1, 2, 3, 4, 5
* Y: 2, 3, 5, 7, 8
我们需要计算这两组数据的样本相关系数。
使用 BA II Plus 计算相关系数的步骤如下：
通过上述步骤，你可以快速得到结果，无需手动处理复杂的求和公式。对于习惯移动端学习的考生，推荐使用 RBA Calculator，这是一款专为 CFA 考生设计的 TI BA II Plus iOS 应用，界面友好且功能完整，方便随时随地练习统计计算。你可以在此下载：https://apps.apple.com/cn/app/id1545331477
在 CFA 考试中，相关系数很少单独出现，通常与其他知识点串联考查。
与协方差（Covariance）结合：
题目可能给出协方差和两个变量的标准差，要求计算相关系数。公式为：$r_{xy} = \frac{Cov(x,y)}{\sigma_x \sigma_y}$。考生需牢记相关系数是无量纲的标准化指标，而协方差受单位影响。
与投资组合风险结合：
在二级考试中，相关系数直接影响投资组合的标准差。当组合中资产的相关系数小于 1 时，组合风险通常小于各资产风险的加权平均，这体现了分散化收益。考试常要求考生判断降低相关系数对组合风险的影响。
回归分析中的判定系数（$R^2$）：
在简单线性回归中，判定系数 $R^2$ 等于相关系数 $r$ 的平方。题目可能给出回归输出表，要求考生推导相关系数，或解释 $R^2$ 的经济含义。
在备考过程中，以下陷阱需要格外警惕：
Q1: 相关系数为 0 是否意味着两个变量独立？
A: 不一定。r=0 仅表示没有线性关系。两个变量可能在非线性层面高度相关（如 $y=x^2$）。只有当变量服从联合正态分布时，r=0 才等价于独立。
Q2: 协方差和相关系数的主要区别是什么？
A: 协方差反映变量变动的方向，但数值大小受单位影响，难以直观判断强度。相关系数是标准化后的协方差，取值固定在 [-1, 1]，能更直观地衡量线性关系的强度，是 CFA 考试中更常用的指标。
Q3: 负相关系数在投资组合中有什么意义？
A: 负相关意味着资产价格变动方向相反。将负相关资产纳入组合可以显著降低整体波动率（风险），这是分散化投资的核心逻辑。完全负相关（r=-1）甚至有可能构建出零风险组合。
Q4: 在回归分析中，如何从 $R^2$ 推导相关系数？
A: 在简单线性回归（只有一个自变量）中，$r = \sqrt{R^2}$。但需要注意符号，$r$ 的符号取决于斜率系数的符号。如果是多元回归，$R^2$ 不能直接开方得到简单的相关系数。
相关系数是 CFA 定量分析与投资组合管理的基石。考生不仅要熟练记忆公式和计算器操作步骤，更要深入理解其背后的统计含义及局限性。通过结合 RBA Calculator 等工具进行大量练习，并掌握其与协方差、回归分析及组合风险的串联逻辑，你将能轻松应对考试中的综合题目。记住，理解线性关系的本质，比单纯计算数值更为重要。