相关系数
相关系数（通常指皮尔逊相关系数，用r或希腊字母ρ表示）是统计学中用来衡量两个变量之间线性关系强弱与方向的指标，数值范围固定在-1到+1之间。从概念上看，相关系数等于两个变量的协方差除以两者标准差的乘积：相关系数 = 协方差(X, Y) ÷ (X的标准差 × Y的标准差)。这个标准化的过程很关键，因为协方差本身的数值大小会受到变量单位或波动幅度的影响，很难直接判断关联有多强，而相关系数把结果限定在固定区间内，使不同资产之间的比较变得容易且直观。 相关系数的数值含义十分明确：+1代表两者完全正相关，一个变量上涨时另一个必然同步上涨，走势完全一致；-1代表完全负相关，两者始终反向变动；0则代表两者之间不存在线性关系，无法用一个变量的线性变化去预测另一个变量。数值越接近+1或-1，说明两者的线性关联越强；越接近0，说明关联越弱。在实际市场中，资产之间的相关系数很少恰好等于这些极端值，通常落在中间地带，例如0.3属于低度正相关，0.7以上则属于高度正相关。 使用相关系数时有一个重要提醒：它只能捕捉“线性”关系，如果两个变量之间存在更复杂的曲线型或周期性关系，相关系数可能会显示接近0，但这并不代表两者真的毫无关联。此外，相关系数并非固定不变，会随着市场环境和观察期间的不同而发生变化。投资者在做资产配置决策时，应当定期检视相关系数是否依然成立，而不是假设历史上的关联性会永远持续下去。
计算范例
假设某位投资者持有两只股票：A股是一只波动较大的科技股，年化标准差为25%；B股是一只波动较低的消费必需品股，年化标准差为12%。根据历史收益率数据计算，两者的相关系数为0.3，属于较低的正相关，说明二者大体上朝同一方向变动，但关联并不紧密。把相关系数换算回协方差：协方差 = 相关系数 × A的标准差 × B的标准差 = 0.3 × 0.25 × 0.12 = 0.009。 这位投资者共投入¥1,000,000，其中¥600,000（60%）配置在A股，¥400,000（40%）配置在B股。如果不考虑相关系数带来的分散效应，直接用权重加权平均两者的标准差，会得到60% × 25% + 40% × 12% = 19.8%的组合波动率。但实际上，由于A与B的相关系数只有0.3，两者走势并不完全同步，套用考虑相关性的投资组合方差公式计算后，实际组合的标准差约为17.06%，明显低于19.8%。 这2.74个百分点的差距，正是分散投资带来的实际效果，完全来源于A与B之间偏低的相关系数。如果两只股票的相关系数为1（完全正相关），分散投资将完全无法降低风险，组合波动率会等于加权平均的19.8%；相关系数越低甚至为负值，分散投资降低风险的效果就越显著。
实战应用
相关系数是现代投资组合理论的核心概念之一，也是资产配置决策中最常被引用的统计指标。基金经理与投资顾问在构建投资组合时，会有意纳入相关系数较低甚至为负的资产类别，例如股票搭配债券，或者不同行业、不同市场规模的股票相互搭配，目的是在维持预期收益的前提下，降低整体组合的波动风险。 在风险管理领域，机构投资者和量化交易团队会定期计算庞大资产池之间的相关系数矩阵，用来评估整体投资组合的分散程度，并找出哪些持仓其实隐藏着过高的集中风险。银行与保险公司在做压力测试时，也会特别关注相关系数在市场剧烈波动时的变化，因为许多平时关联不高的资产，在系统性风险上升时往往会同步下跌。 普通投资者虽然不一定会亲自计算相关系数，但了解这一概念有助于避免“表面上分散、实际上高度重叠”的配置误区，例如同时持有多只本质上高度相关的科技股基金，却误以为自己已经做好了风险分散。