相关性矩阵
计算资产间两两相关性
第一行为表头，后续每行为一个数据点，用逗号分隔。
这是什么工具？
相关性矩阵显示多个资产或数据序列之间的成对相关系数。值从 -1（完全负相关）到 0（不相关）到 +1（完全正相关）。当组合资产具有低或负相关性时，分散化效果最佳。当所有资产一起移动（高正相关）时，分散化效益消失。此工具从历史价格或回报数据计算皮尔逊相关性，并将其可视化为热力图。
如何使用
- 1
输入资产数据
输入每个资产的价格或回报数据（每行一个，按日期对齐）。
- 2
选择方法
选择皮尔逊、斯皮尔曼或肯德尔相关方法。
- 3
查看矩阵
查看带有颜色编码热力图的相关性矩阵，便于解释。
常见问题
为什么相关性对组合管理重要？
相关性决定分散化效果。相关性为 0.9 的股票组合在市场事件中几乎像单只股票。真正的分散化需要相关性接近 0 或负的资产。黄金、债券和现金通常与股票具有低或负相关性，使它们成为有效的对冲。
不同的相关方法有什么？
皮尔逊衡量线性关系，最为常用。斯皮尔曼首先对值排序，检测单调但非线性的关系。肯德尔对小样本和有序数据更稳健。对于金融数据，皮尔逊是标准，但斯皮尔曼在关系非线性时（如波动率聚类）有用。
相关性意味着因果关系吗？
不——这是最常见的统计错误。两个变量可以高度相关而没有任何因果关系。股票价格和冰淇淋销量相关（两者在夏季都上升），但一个不会导致另一个。在金融中，使用相关性进行组合构建，不作为因果证明。