La corrélation est une mesure statistique comprise entre -1 et +1 qui indique la force et le sens de la relation linéaire entre deux variables, par exemple les rendements de deux actifs.
Corrélation
La corrélation, généralement calculée comme le coefficient de corrélation de Pearson et notée r ou la lettre grecque rho (ρ), mesure statistiquement à quel point deux variables évoluent ensemble selon un schéma linéaire, c'est-à-dire en ligne droite. Sur le plan conceptuel, la corrélation se calcule comme la covariance(X, Y) divisée par le produit de l'écart-type de X et de l'écart-type de Y. Cette division est essentielle : la covariance seule peut prendre pratiquement n'importe quelle valeur selon les unités et l'échelle des variables mesurées, ce qui la rend difficile à interpréter directement, alors que la corrélation reste toujours comprise dans la plage fixe de -1 à +1.
Une fois les bornes connues, l'échelle se lit facilement. Une corrélation de +1 signifie que les deux variables évoluent en parfaite synchronisation : lorsque l'une augmente, l'autre augmente proportionnellement, à chaque fois. Une corrélation de -1 signifie l'inverse : les deux évoluent toujours dans des directions opposées. Une corrélation de 0 indique l'absence de relation linéaire entre elles : connaître la valeur de l'une ne renseigne en rien, sur le plan linéaire, sur la valeur de l'autre. En pratique, les corrélations entre actifs réels atteignent rarement ces extrêmes ; un coefficient autour de 0,2 à 0,3 est considéré comme faible, tandis qu'une valeur supérieure à 0,7 est généralement jugée élevée.
Une réserve essentielle s'impose : la corrélation ne capte que les relations linéaires. Deux variables liées de façon plus complexe, courbe ou cyclique peuvent donc afficher une corrélation proche de zéro alors qu'un lien réel existe entre elles. Par ailleurs, la corrélation n'est pas une propriété fixe et permanente de deux actifs : elle est estimée à partir de données historiques et peut évoluer sensiblement selon les conditions de marché et la période observée, ce qui justifie de la réexaminer régulièrement plutôt que de la considérer acquise indéfiniment.
Exemple de Calcul
Un investisseur détient deux actions. L'action A est une valeur technologique plus volatile, avec un écart-type annualisé de 25 %. L'action B est une valeur de consommation courante plus stable, avec un écart-type de 12 %. Les données historiques de rendement montrent une corrélation de 0,3 entre les deux, soit une corrélation positive plutôt faible, indiquant qu'elles tendent à évoluer dans la même direction générale sans être étroitement liées. En convertissant cela en covariance : covariance = corrélation x écart-type de A x écart-type de B = 0,3 x 0,25 x 0,12 = 0,009.
Supposons que l'investisseur place 100 000,00 € au total, en allouant 60 000,00 € (60 %) à l'action A et 40 000,00 € (40 %) à l'action B. Une simple moyenne pondérée des deux écarts-types suggérerait une volatilité de portefeuille de 60 % x 25 % + 40 % x 12 % = 19,8 %. Mais comme la corrélation entre A et B n'est que de 0,3, leurs mouvements ne se recoupent que partiellement. En appliquant la formule de la variance du portefeuille, qui intègre cette corrélation, on obtient un écart-type réel du portefeuille d'environ 17,06 %, nettement inférieur à l'estimation naïve de 19,8 %.
Cet écart de 2,74 points de pourcentage constitue le bénéfice de la diversification, et il existe uniquement parce que A et B ne sont pas fortement corrélées. Si la corrélation entre les deux actions était de 1,0 (corrélation parfaite), la diversification ne réduirait absolument aucun risque et la volatilité du portefeuille serait exactement égale à la moyenne pondérée de 19,8 %. Plus la corrélation est faible — voire négative —, plus ce bénéfice de diversification devient important.
Application Pratique
La corrélation est au cœur de la théorie moderne du portefeuille et figure parmi les statistiques les plus citées dans la construction de portefeuilles. Les gérants de fonds et les conseillers financiers recherchent délibérément des classes d'actifs faiblement ou négativement corrélées entre elles — en associant actions et obligations, ou en combinant des actions de secteurs, régions et capitalisations différents — dans le but précis de réduire la volatilité globale du portefeuille sans nécessairement sacrifier le rendement attendu.
En gestion des risques, les investisseurs institutionnels et les équipes de trading quantitatif calculent régulièrement des matrices de corrélation sur de vastes ensembles d'actifs afin d'évaluer le degré réel de diversification d'un portefeuille et de repérer les positions qui dissimulent un risque de concentration excessif. Les banques et les assureurs surveillent également l'évolution des corrélations dans des scénarios de stress, car des actifs qui semblent peu liés en période calme évoluent souvent ensemble lorsque le risque systémique augmente.
Pour un investisseur particulier, comprendre la corrélation permet d'éviter un piège fréquent : détenir plusieurs fonds ou actions qui paraissent différents en apparence mais qui sont en réalité fortement corrélés — par exemple plusieurs fonds fortement exposés à la technologie — en croyant à tort que le portefeuille est bien diversifié alors qu'il est en fait concentré sur un seul facteur de risque.
Erreurs Courantes
L'erreur la plus courante consiste à confondre corrélation et causalité. Deux variables peuvent afficher une forte corrélation sans que l'une provoque l'autre ; la relation peut découler d'un troisième facteur commun, ou n'être qu'une simple coïncidence sur la période observée.
Une deuxième erreur fréquente consiste à considérer la corrélation comme un chiffre fixe et permanent. Les corrélations sont estimées à partir de données historiques et évoluent avec les conditions de marché. Point crucial : de nombreuses paires d'actifs faiblement corrélées en période calme tendent à se rapprocher de 1 lors des crises, les ventes de panique entraînant à la baisse presque tous les actifs risqués simultanément — un phénomène souvent résumé par l'idée que les corrélations tendent vers 1 en période de crise —, ce qui peut annuler l'effet de diversification précisément au moment où les investisseurs en ont le plus besoin.
Certains investisseurs pensent qu'une corrélation de 0 signifie que deux variables n'ont aucun lien entre elles, alors qu'elle indique uniquement l'absence de relation linéaire. Un lien plus complexe et non linéaire peut très bien exister sans se traduire par un coefficient de corrélation significatif, ce qui explique pourquoi les analystes complètent souvent l'analyse de corrélation par un nuage de points ou d'autres tests statistiques.
Enfin, on néglige souvent l'influence de la durée de l'échantillon sur l'estimation de la corrélation. Les corrélations calculées sur des périodes historiques très courtes peuvent être faussées par du bruit de court terme ; il est donc généralement plus fiable d'utiliser une période d'observation plus longue et de mettre à jour le calcul régulièrement plutôt que de se fier à un chiffre unique et daté.
Comparaison
Caractéristique
Corrélation
Covariance
Définition
Mesure standardisée de la force et du sens de la relation linéaire entre deux variables
Mesure non standardisée indiquant si deux variables évoluent dans le même sens ou en sens opposé
Plage / calcul
Covariance / (écart-type de X x écart-type de Y) ; toujours comprise entre -1 et +1
Moyenne du produit des écarts de chaque variable par rapport à sa propre moyenne ; sans plage fixe
Une corrélation de 0 signifie-t-elle que deux actifs n'ont aucun lien ?
Pas nécessairement. Une corrélation de 0 indique seulement l'absence de relation linéaire entre les deux variables, c'est-à-dire que leur évolution conjointe ne peut pas être décrite par une ligne droite. Si un lien plus complexe, non linéaire ou cyclique existe entre elles, la corrélation peut rester proche de zéro alors qu'une relation réelle existe. Pour vérifier cela, les analystes examinent généralement un nuage de points des données en complément du chiffre de corrélation plutôt que de se fier au seul chiffre.
Pourquoi les gérants de portefeuille recherchent-ils des actifs peu corrélés ?
Parce qu'une corrélation plus faible signifie que les rendements de deux actifs n'évoluent pas au même rythme : lorsque l'un baisse, l'autre peut rester stable, voire progresser, compensant ainsi partiellement la perte. Cet effet de compensation fait que la volatilité réelle d'un portefeuille finit par être inférieure à ce que donnerait une simple moyenne pondérée des volatilités individuelles. Ce mécanisme de réduction du risque est au cœur de l'idée de diversification dans la théorie moderne du portefeuille.
La corrélation entre deux actifs peut-elle changer dans le temps ?
Oui, et parfois de manière significative. La corrélation est calculée à partir de données historiques de rendement, elle évolue donc avec les conditions macroéconomiques, la dynamique sectorielle et le sentiment des investisseurs. Un point particulièrement important : de nombreuses paires d'actifs faiblement corrélées en marché normal ont tendance à évoluer beaucoup plus ensemble lors des crises financières, lorsque la pression de vente généralisée touche presque tout à la fois — une limite à prendre en compte lors de la conception d'une stratégie de diversification.
Vaut-il mieux utiliser la corrélation ou la covariance pour comparer différentes paires d'actifs ?
La corrélation est généralement l'outil le plus adapté pour comparer, car elle est standardisée dans une plage fixe de -1 à +1 quels que soient les unités ou le niveau de volatilité des actifs, ce qui permet de comparer directement la force du lien entre différentes paires. L'ampleur de la covariance dépend en revanche de la volatilité de chaque variable, si bien que deux paires ayant une relation tout aussi forte peuvent afficher des valeurs de covariance très différentes. La covariance reste néanmoins indispensable comme brique de base pour calculer la corrélation et le risque du portefeuille.
La corrélation ne s'applique-t-elle qu'aux actions ?
Non — la corrélation est un outil statistique généraliste applicable à n'importe quelle paire de données numériques associées. Au-delà des rendements d'actions, elle est couramment utilisée pour étudier les relations entre obligations, devises, matières premières, immobilier, et même des indicateurs macroéconomiques comme les taux d'intérêt et l'inflation. Dans la construction de portefeuilles multi-actifs, les investisseurs examinent souvent conjointement les corrélations entre actions, obligations et investissements alternatifs afin de bâtir une allocation véritablement diversifiée.