一文搞懂相关系数：CFA备考必读

引言

在CFA考试中，相关系数（correlation） 是量化分析模块的核心概念之一，尤其在投资组合理论和风险管理中应用广泛。它不仅是统计工具，更是理解资产间联动性的关键。本文将从基础概念、计算实操到易错点解析，助你彻底掌握这一考点。

什么是相关系数？

相关系数 是衡量两个变量间线性关系强度与方向的统计指标，取值范围为 -1 到 +1：
- +1：完全正相关（变量同向变动）
- 0：无线性相关（但可能存在非线性关系）
- -1：完全负相关（变量反向变动）

核心特性

仅描述线性关系：无法捕捉非线性关联（如U型曲线）。
对异常值敏感：极端值可能显著扭曲结果。
无因果性：高相关性≠因果关系（经典误区）。

示例：股票A与B的相关系数为0.8，表明二者股价趋势高度一致，但无法推断A的涨跌导致B变动。

计算例题与BA II Plus实操

例题

已知某资产X与Y的5期收益率数据：
| 期数 | X(%) | Y(%) |
|------|------|------|
| 1 | 2 | 5 |
| 2 | 4 | 7 |
| 3 | 6 | 10 |
| 4 | 8 | 12 |
| 5 | 10 | 15 |

手动计算步骤：
1. 计算X、Y均值：
$\bar{X} = \frac{2+4+6+8+10}{5} = 6$，$\bar{Y} = \frac{5+7+10+12+15}{5} = 9.8$
2. 计算协方差：
$\text{Cov}(X,Y) = \frac{\sum (X_i - \bar{X})(Y_i - \bar{Y})}{n-1} = \frac{(2-6)(5-9.8)+\cdots+(10-6)(15-9.8)}{4} = 8.4$
3. 计算标准差：
$\sigma_X = \sqrt{\frac{\sum (X_i - \bar{X})^2}{n-1}} = \sqrt{10} ≈ 3.16$，$\sigma_Y ≈ 4.24$
4. 相关系数：
$r = \frac{\text{Cov}(X,Y)}{\sigma_X \sigma_Y} = \frac{8.4}{3.16 \times 4.24} ≈ 0.98$

BA II Plus操作步骤

进入统计模式：2nd → DATA
输入X数据：依次输入2, 4, 6, 8, 10（每步按↓确认）
输入Y数据：按↓切换至Y列，输入5, 7, 10, 12, 15
计算相关系数：2nd → STAT → 3: r → ENTER

提示：若无法携带实物计算器，可使用 RBA Calculator（TI BA II Plus iOS应用）完成相同操作，支持离线计算且界面与实体机一致。下载链接

常见错误提醒

❌ 错误1：混淆相关与因果

案例：发现冰淇淋销量与溺水事件相关系数为0.9，误认为吃冰淇淋导致溺水。
正解：二者受共同因素（夏季高温）影响，需警惕“伪相关”。

❌ 错误2：忽略线性假设

案例：用相关系数分析股票价格与时间的关系，结果接近0，但实际存在趋势性增长。
正解：先绘制散点图判断关系形态，非线性数据需转换变量或用其他模型。

❌ 错误3：过度依赖数值大小

案例：认为相关系数0.5“较弱”，直接排除资产组合中的某标的。
正解：结合行业背景判断——在低波动市场中，0.5已属显著关联。

FAQ：高频疑问解答

Q1：相关系数为0是否意味着两个变量独立？

A：不一定。仅表示无线性相关，可能存在非线性依赖（如 $Y = X^2$ 时 $r=0$）。

Q2：如何快速判断相关系数的正负？

A：观察数据走势：
- 同向变动（如X↑→Y↑）→ 正相关
- 反向变动（如X↑→Y↓）→ 负相关

Q3：CFA考试中相关系数常考哪些场景？

A：
- 投资组合分散化效果分析（负相关资产可降低风险）
- 因子模型中变量间多重共线性检验
- 市场风险溢价与宏观经济指标的关联性

Q4：相关系数与协方差有何区别？

A：
| 指标 | 协方差 | 相关系数 |
|------------|-------------------------|-------------------------|
| 单位 | 受原始数据单位影响 | 无量纲（-1~1） |
| 可比性 | 不同数据集间无法直接比较| 可直接比较关系强度 |

结语

掌握相关系数不仅是CFA考试的得分点，更是实际投资分析的基础技能。通过理解其统计本质、熟练计算工具操作，并规避常见误区，你将能更精准地评估资产间联动性。记住：数字背后是逻辑，而非简单的数值游戏。

备考建议：结合历史真题练习，用BA II Plus或RBA Calculator反复验证计算过程，建立对结果合理性的直觉判断。