很多人用相关系数判断两个资产能不能互相分散风险:系数低,就认为组合更稳。这个做法有用,但边界很清楚。相关系数回答的是“两个收益序列有没有线性同步变化”,它不回答“极端时候会不会一起亏”,也不回答“亏损的幅度是否对称”。把相关系数当成分散化的唯一证据,容易在平静期得出过于乐观的结论。
相关系数到底衡量了什么
相关系数通常指皮尔逊相关系数,取值在-1到1之间。它衡量两个变量围绕各自均值同向或反向变动的线性程度。接近1表示线性同向,接近-1表示线性反向,接近0表示没有明显的线性关系。这个定义里有两个关键词:线性、均值附近。它们决定了相关系数的盲区。
第一,相关系数对非线性关系不敏感。两个资产可能平时各走各的,但在市场压力下同时下跌,这种“平时不相关、危机时相关”的模式,用全样本相关系数看不出来。第二,相关系数只看线性同步,不看尾部。两个序列大部分时间不相关,但少数极端日子里同跌,相关系数可能仍然不高,可组合的实际损失却很大。
第三,相关系数对异常值敏感。少数极端观测可能把系数拉高或拉低。第四,它依赖样本区间和频率。用日收益、周收益、月收益算出来的相关系数可能不同;选不同时间段,结论也可能翻转。所以,一个相关系数数字回答不了“这个组合在压力下是否分散”这个问题。
低相关不等于低风险
低相关只说明两个资产的收益没有明显的线性同步。它不保证组合波动率一定下降,更不保证最大回撤变小。举例来说,资产A和资产B的相关系数接近0,但两者各自的波动率都很高,组合的波动率仍然可能很大。分散化降低的是“共同变动”带来的部分风险,不是把所有风险都消掉。
更关键的是,低相关可能来自完全不同的风险来源,也可能来自数据假象。两个资产属于同一行业、同一利率敏感链条,只是历史样本里恰好错峰波动,算出来低相关。这种低相关不稳定,环境一变就可能消失。反过来,两个资产长期负相关,也可能因为一方上涨一方下跌而同时让组合承受方向性损失,只是损失路径不同。
还有一个常见误区:把相关系数和因果混在一起。相关系数低,不代表两个资产有对冲机制;可能只是样本期内一个涨一个跌的偶然叠加。判断分散化,要问的是“它们为什么低相关”,而不是“系数是多少”。
用滚动窗口看稳定性
全样本相关系数是一个平均值,会掩盖时间上的变化。更实用的做法是算滚动相关系数:固定一个窗口,比如60个交易日或12个月,逐日或逐月滚动计算,观察系数是否稳定。如果系数在大部分窗口里都低,说明低相关有一定持续性;如果系数忽高忽低,甚至在某些窗口突然跳到0.8以上,就要警惕分散化在压力期失效。
滚动窗口的长度要结合持有周期。短窗口对近期变化敏感,但噪声大;长窗口稳定,但反应慢。可以同时看两个窗口,比如一个短窗口观察变化,一个长窗口观察基准水平。频率也要一致:用日收益算的系数不能直接套到月度调仓的决策上。样本区间要覆盖至少一个压力阶段,否则结论只代表平静期。
滚动相关系数不是预测工具。它显示的是历史路径,不是未来保证。它的用途是暴露不稳定性,而不是给出买卖信号。
情景分析和尾部检查
相关系数在均值附近最有效,在尾部最不可靠。补充方法是情景分析:找出历史上市场大幅下跌的若干时段,分别看两个资产在这些时段里的表现。如果它们在压力期同跌,那么全样本低相关就不能作为分散化的主要依据。情景不需要预测未来,只需要检查“如果类似压力重演,组合会怎样”。
还可以看联合亏损的频率和幅度:两个资产同时跌破某个阈值的天数占比是多少,同时亏损时的平均亏损是多少。这些指标比单一相关系数更贴近实际体验。它们不能替代相关系数,但能补上相关系数看不到的尾部信息。
另一个检查是收益分布的形态。相关系数假设线性关系,如果两个资产的收益分布明显偏斜或厚尾,线性相关系数的解释力会下降。此时可以看秩相关等对异常值不那么敏感的指标,作为交叉验证。不同指标结论不一致时,不要强行选一个支持自己观点的数字,而要承认不确定性。
把风险来源拆开看
相关系数是结果指标,不是原因指标。两个资产低相关,可能因为行业不同、利率敏感度不同、期限结构不同,也可能因为计价货币不同。拆开风险来源,比盯着系数更有用。可以问:它们共同暴露于哪些宏观变量?是否共享同一流动性条件?是否依赖同一类政策或同一批客户?如果共同暴露很多,历史低相关可能只是暂时的。
对于期货类资产,还要注意合约规格和保证金机制带来的特殊性。以恒生指数期货为例,标准合约乘数是每指数点50港元,合约规格、到期安排和结算应以产品页及规则为准。期货保证金是履约保障,不是买入资产的首付款;亏损会影响保证金账户权益,不等于最大损失。这些制度事实意味着,期货头寸的风险不能只用价格相关系数来描述,还要考虑杠杆、保证金追缴和展期安排。跨品种比较时,合约乘数、计价货币和交易时段不同,直接算价格相关系数可能失真,应先统一口径。
一个可操作的自检流程
下面是一个不依赖预测的检查顺序,适合普通人用来复核“低相关是否可信”。
| 步骤 | 做什么 | 看什么 |
|---|---|---|
| 1 | 统一收益频率和计价货币 | 日/周/月收益口径一致,避免混算 |
| 2 | 算全样本相关系数 | 只作为起点,不作为结论 |
| 3 | 算滚动相关系数 | 是否稳定,压力期是否跳升 |
| 4 | 做历史压力情景 | 极端时段是否同跌,幅度多大 |
| 5 | 拆共同风险来源 | 行业、利率、流动性、政策暴露 |
| 6 | 交叉验证 | 秩相关、联合亏损频率、波动率和回撤 |
这个流程不能消除不确定性,但能防止把单一系数当成安全证明。每一步的结论都可能互相矛盾,矛盾本身就是信息:它说明分散化没有想象中稳固。
相关系数为负,是否一定对冲
不一定。负相关只说明线性反向,不说明亏损时一定盈利。负相关可能来自样本期内的偶然错峰,也可能因为一方上涨一方下跌,组合仍然承受方向性损失。还要看负相关的稳定性和尾部表现。如果压力期负相关减弱甚至转正,对冲效果会下降。负相关也不等于低波动,两个高波动资产负相关,组合波动率未必小。
多长的样本才算够
没有统一答案,取决于资产特性和持有周期。样本要覆盖不同市场环境,至少包括一个压力阶段,否则结论只代表平静期。频率要与决策周期匹配,日频数据算出的系数不能直接用于月度调仓。样本太长也可能混入结构变化,导致系数失去代表性。实用做法是同时看长短窗口,并明确标注结论的时间边界。
结论:把相关系数当线索,不当证明
相关系数是描述工具,不是分散化的保证书。它能告诉你两个收益序列在样本期内的线性同步程度,但不能告诉你极端时候会不会一起亏,也不能告诉你低相关能否持续。判断分散化,要把滚动稳定性、压力情景、共同风险来源和多个风险指标放在一起看。任何一个单独的数字,包括相关系数,都不足以回答“这个组合够不够分散”。
本文为知识与方法说明,不是当天行情播报。文中假设案例不代表真实交易结果,不构成个性化投资建议。
