Korrelationsmatrix
Berechnen Sie paarweise Korrelationen zwischen Assets
Erste Zeile sind Kopfzeilen. Jede nachfolgende Zeile ist ein Datenpunkt. Verwenden Sie Kommas zur Trennung.
Was ist dieses Tool?
Die Korrelationsmatrix zeigt die paarweisen Korrelationskoeffizienten zwischen mehreren Wertpapieren oder Datenreihen. Die Werte reichen von -1 (perfekte negative Korrelation) über 0 (keine Korrelation) bis +1 (perfekte positive Korrelation). Diversifikation funktioniert am besten, wenn die Portfoliowertpapiere niedrige oder negative Korrelationen aufweisen. Wenn sich alle Wertpapiere gleich bewegen (hohe positive Korrelation), verschwinden die Diversifikationsvorteile. Dieses Tool berechnet die Pearson-Korrelation aus historischen Preis- oder Renditedaten und visualisiert sie als Heatmap.
Anwendung
- 1
Geben Sie die Aktiviendaten ein
Die Preis- oder Renditedaten für jedes Wertpapier (eines pro Zeile, nach Datum ausgerichtet).
- 2
Methode wählen
Die Korrelationsmethode Pearson, Spearman oder Kendall.
- 3
Matrix anzeigen
Die Korrelationsmatrix mit farbcodierter Heatmap für eine leichte Interpretation.
Häufig gestellte Fragen
Warum ist Korrelation für das Portfolio-Management wichtig?
Korrelation bestimmt die Wirksamkeit der Diversifikation. Ein Aktiendepot mit Korrelation 0,9 verhält sich bei Marktereignissen fast wie eine einzelne Aktie. Echte Diversifikation erfordert Wertpapiere mit Korrelationen nahe 0 oder negativ. Gold, Anleihen und Cash stehen Aktien oft mit niedriger oder negativer Korrelation gegenüber, was sie zu wirksamen Absicherungsinstrumenten macht.
Was sind die verschiedenen Korrelationsmethoden?
Pearson misst lineare Zusammenhänge und ist am häufigsten. Spearman sortiert zunächst die Werte und erkennt monotone, aber nichtlineare Beziehungen. Kendall ist bei kleinen Stichproben und ordinalen Daten robuster. Für Finanzdaten ist Pearson Standard, aber Spearman ist nützlich, wenn die Zusammenhänge nicht linear sind (z. B. Volatilitätsclustering).
Impliziert Korrelation Kausalität?
Nein — das ist der häufigste statistische Fehler. Zwei Variablen können hoch korreliert sein, ohne dass ein kausaler Zusammenhang besteht. Aktienkurse und Eisverkauf sind korreliert (beide steigen im Sommer), aber eines verursacht das andere nicht. In der Finanzwelt nutzen Sie Korrelationen für die Portfoliogestaltung, nicht als Beweis für Kausalität.