La correlación es una medida estadística entre -1 y +1 que indica la fuerza y la dirección de la relación lineal entre dos variables, como las rentabilidades de dos activos.
Correlación
La correlación, normalmente calculada como el coeficiente de correlación de Pearson y representada con la letra r o la letra griega rho (ρ), mide estadísticamente cuán intensamente se mueven juntas dos variables siguiendo un patrón lineal, es decir, en línea recta. Conceptualmente, la correlación se calcula como la covarianza(X, Y) dividida entre el producto de la desviación típica de X y la desviación típica de Y. Esa división es clave: la covarianza por sí sola puede tomar prácticamente cualquier valor según las unidades y la escala de las variables analizadas, lo que dificulta su interpretación directa, mientras que la correlación siempre queda comprimida dentro del rango fijo de -1 a +1.
Una vez conocidos los extremos, la escala es fácil de interpretar. Una correlación de +1 significa que ambas variables se mueven en perfecta sincronía: cuando una sube, la otra sube proporcionalmente, siempre. Una correlación de -1 significa lo contrario: ambas se mueven en direcciones opuestas de forma perfecta. Una correlación de 0 indica que no existe relación lineal alguna entre ellas: conocer el valor de una no aporta información lineal sobre la otra. En la práctica, las correlaciones entre activos reales rara vez alcanzan estos extremos; un coeficiente entre 0,2 y 0,3 se considera bajo, mientras que valores superiores a 0,7 suelen considerarse altos.
Es fundamental tener presente una salvedad: la correlación solo capta relaciones lineales, por lo que dos variables relacionadas de forma más compleja, curva o cíclica pueden mostrar una correlación cercana a cero aunque exista claramente un vínculo entre ellas. Además, la correlación no es una propiedad fija ni permanente de dos activos: se estima a partir de datos históricos y puede cambiar de forma notable según las condiciones de mercado y el periodo analizado, por lo que conviene revisarla periódicamente en lugar de asumir que se mantendrá indefinidamente.
Ejemplo de Cálculo
Un inversor mantiene dos acciones en su cartera. La acción A es una empresa tecnológica más volátil, con una desviación típica anualizada del 25%. La acción B es una empresa de consumo básico más estable, con una desviación típica del 12%. Los datos históricos de rentabilidad muestran una correlación de 0,3 entre ambas, una correlación positiva bastante baja que indica que tienden a moverse en la misma dirección general, pero sin estar estrechamente ligadas. Convirtiendo esto en covarianza: covarianza = correlación x desviación típica de A x desviación típica de B = 0,3 x 0,25 x 0,12 = 0,009.
Supongamos que el inversor destina 100.000,00 € en total, asignando 60.000,00 € (60%) a la acción A y 40.000,00 € (40%) a la acción B. Una media ponderada simple de ambas desviaciones típicas sugeriría una volatilidad de cartera de 60% x 25% + 40% x 12% = 19,8%. Sin embargo, como la correlación entre A y B es solo de 0,3, sus movimientos únicamente coinciden en parte. Al aplicar la fórmula de la varianza de la cartera, que sí incorpora esa correlación, se obtiene una desviación típica real de la cartera de aproximadamente el 17,06%, claramente inferior al 19,8% calculado de forma simplista.
Esa diferencia de 2,74 puntos porcentuales es el beneficio de la diversificación, y existe únicamente porque A y B no están muy correlacionadas. Si la correlación entre ambas acciones fuera de 1,0 (correlación perfecta), la diversificación no reduciría el riesgo en absoluto y la volatilidad de la cartera coincidiría exactamente con la media ponderada del 19,8%. Cuanto más baja —o más negativa— sea la correlación, mayor será ese beneficio de diversificación.
Aplicación Práctica
La correlación es un pilar central de la Teoría Moderna de Carteras y una de las estadísticas más citadas en la construcción de carteras de inversión. Los gestores de fondos y los asesores financieros buscan deliberadamente clases de activos con correlación baja o negativa entre sí —combinando acciones con bonos, o acciones de distintos sectores, regiones y capitalizaciones bursátiles— con el objetivo específico de reducir la volatilidad total de la cartera sin sacrificar necesariamente la rentabilidad esperada.
En gestión de riesgos, los inversores institucionales y los equipos de trading cuantitativo calculan de forma rutinaria matrices de correlación sobre grandes conjuntos de activos para evaluar cuán diversificada está realmente una cartera y detectar posiciones que ocultan un riesgo de concentración excesivo. Los bancos y las aseguradoras también vigilan cómo cambian las correlaciones en escenarios de estrés, ya que activos que parecen poco relacionados en mercados tranquilos suelen moverse juntos cuando el riesgo sistémico se dispara.
Para el inversor particular, entender la correlación ayuda a evitar un error habitual: mantener varios fondos o acciones que a simple vista parecen distintos pero que en realidad están muy correlacionados —por ejemplo, varios fondos con fuerte peso tecnológico— y creer erróneamente que la cartera está bien diversificada cuando en realidad está concentrada en un único factor de riesgo.
Errores Comunes
El error más común es confundir correlación con causalidad. Dos variables pueden mostrar una correlación fuerte sin que una cause la otra; la relación puede deberse a un tercer factor común, o simplemente ser coincidencia durante el periodo analizado.
Un segundo error frecuente es tratar la correlación como un número fijo y permanente. Las correlaciones se estiman a partir de datos históricos y cambian con las condiciones del mercado. Un aspecto crítico es que muchos pares de activos con baja correlación en mercados tranquilos tienden a acercarse a 1 durante las crisis, ya que las ventas de pánico arrastran a la baja a casi todos los activos de riesgo a la vez —un fenómeno resumido a menudo como que las correlaciones tienden a 1 en las crisis—, lo que puede anular el efecto de la diversificación justo cuando más se necesita.
Algunos inversores asumen que una correlación de 0 significa que dos variables no tienen ninguna relación entre sí, pero solo indica ausencia de relación lineal. Puede existir un vínculo más complejo, no lineal, que simplemente no se refleje en un coeficiente de correlación significativo, por lo que los analistas suelen complementar el análisis de correlación con un diagrama de dispersión u otras pruebas estadísticas.
Por último, es fácil pasar por alto cuánto influye la longitud del periodo muestral en la estimación de la correlación. Las correlaciones calculadas con ventanas históricas muy cortas pueden verse distorsionadas por el ruido de corto plazo, por lo que suele ser más fiable usar un periodo de observación más largo y actualizar el cálculo periódicamente en lugar de confiar en una única cifra desactualizada.
Comparación
Aspecto
Correlación
Covarianza
Definición
Medida estandarizada de la fuerza y dirección de la relación lineal entre dos variables
Medida no estandarizada de si dos variables se mueven en la misma dirección o en direcciones opuestas
Rango / cálculo
Covarianza / (desv. típica de X x desv. típica de Y); siempre fijo entre -1 y +1
Media del producto de las desviaciones de cada variable respecto a su propia media; sin rango fijo
Qué indica
+1 relación positiva perfecta, -1 negativa perfecta, 0 sin relación lineal
Positivo = se mueven juntas, negativo = en direcciones opuestas, pero la magnitud es difícil de interpretar por sí sola
Uso habitual
Comparar la fuerza de la relación entre distintos pares de activos; evaluar la diversificación
Variable intermedia para calcular la correlación y las fórmulas de varianza (riesgo) de la cartera
Limitación clave
Solo capta relaciones lineales y puede cambiar de forma notable con el tiempo o el régimen de mercado
Su magnitud depende de las unidades y la escala de las variables, por lo que no es comparable directamente entre pares
¿Una correlación de 0 significa que dos activos no tienen ninguna relación?
No necesariamente. Una correlación de 0 solo indica que no existe una relación lineal entre las dos variables, es decir, que su movimiento conjunto no puede describirse con una línea recta. Si entre ellas existe una relación más compleja, no lineal o cíclica, la correlación puede seguir siendo cercana a cero aunque exista una relación real. Para comprobarlo, los analistas suelen revisar un diagrama de dispersión de los datos además del valor de correlación, en lugar de fiarse solo del número.
¿Por qué los gestores de carteras buscan activos con baja correlación?
Porque una correlación más baja significa que las rentabilidades de dos activos no se mueven al unísono: cuando uno cae, el otro puede mantenerse estable o incluso subir, compensando parte de la pérdida. Este efecto compensatorio hace que la volatilidad real de la cartera acabe siendo menor que la que resultaría de simplemente promediar de forma ponderada la volatilidad de cada activo por separado. Ese mecanismo de reducción de riesgo es la idea central de la diversificación en la Teoría Moderna de Carteras.
¿Puede cambiar la correlación entre dos activos con el tiempo?
Sí, y a veces de forma significativa. La correlación se calcula a partir de datos históricos de rentabilidad, por lo que varía a medida que cambian las condiciones macroeconómicas, la dinámica sectorial y el sentimiento de los inversores. Un patrón especialmente relevante es que muchos pares de activos con baja correlación en mercados normales tienden a moverse mucho más al unísono durante las crisis financieras, cuando la presión vendedora generalizada afecta a casi todo a la vez, una limitación que conviene tener en cuenta al diseñar una estrategia de diversificación.
¿Es mejor la correlación o la covarianza para comparar distintos pares de activos?
En general, la correlación es la herramienta más adecuada para comparar, porque está estandarizada dentro de un rango fijo de -1 a +1 independientemente de las unidades o la volatilidad de los activos, lo que permite comparar directamente la fuerza de la relación entre distintos pares. La magnitud de la covarianza, en cambio, depende de lo volátil que sea cada variable, por lo que dos pares con una relación igual de fuerte pueden mostrar valores de covarianza muy distintos. Aun así, la covarianza sigue siendo esencial como base para calcular tanto la correlación como el riesgo de la cartera.
¿La correlación solo se usa con acciones?
No; la correlación es una herramienta estadística de uso general que puede aplicarse a cualquier par de conjuntos de datos numéricos. Además de las rentabilidades de acciones, se utiliza habitualmente para estudiar la relación entre bonos, divisas, materias primas, bienes inmuebles e incluso indicadores macroeconómicos como los tipos de interés y la inflación. En la construcción de carteras multiactivo, los inversores suelen analizar de forma conjunta las correlaciones entre acciones, bonos e inversiones alternativas para lograr una asignación realmente diversificada.