3. 相关性分析：别被数字骗了

相关性分析，说白了就是找两个变量之间的「默契程度」。你涨我也涨，你跌我也跌——这叫正相关。你涨我跌，你跌我涨——这叫负相关。嗯，听起来很简单对吧？但我在量化交易这行干了十几年，见过太多人在这一步翻车了。

今天咱们就聊聊三种常用的相关性度量方法，以及那个让人又爱又恨的「伪相关」陷阱。

3.1 皮尔逊相关系数：最经典，但也很挑剔

皮尔逊相关系数，大家通常叫它 r 值。取值范围在 -1 到 1 之间。1 表示完全正相关，-1 表示完全负相关，0 表示没关系。

公式我就不手写了，你肯定见过。但我要说的是它的脾气——皮尔逊只认线性关系。什么意思？就是两个变量必须像直尺一样直来直去。

我记得有一次做股票配对交易，用皮尔逊算出来两只股票的相关系数高达 0.92。我差点就直接上仓位了。但多看了一眼散点图，发现有个极端值把整个结果拉上去了。去掉那个点，r 值直接掉到 0.6。嗯，从那以后我养成了「先看图，再算数」的习惯。

用 Python 算皮尔逊很简单：

import numpy as np
from scipy import stats

# 假设有两只股票收益率数据
stock_a = np.array([0.01, 0.02, -0.01, 0.03, -0.02])
stock_b = np.array([0.015, 0.025, -0.005, 0.035, -0.015])

r, p_value = stats.pearsonr(stock_a, stock_b)
print(f"皮尔逊相关系数: {r:.4f}")
print(f"p值: {p_value:.4f}")

3.2 斯皮尔曼秩相关系数：不挑食的替代方案

皮尔逊太挑剔了，那怎么办？用斯皮尔曼啊。

斯皮尔曼不关心原始数值，它只关心排名。你把数据从小到大排个序，然后算排名的相关性。这样一来，异常值的影响就小多了。

我举个例子你就明白了。假设有两只股票，A 的收益率是 [1, 2, 3, 4, 100]，B 是 [2, 4, 6, 8, 200]。皮尔逊算出来接近 1，因为线性关系很强。但如果你把第 5 个异常点去掉，皮尔逊可能就变了。斯皮尔曼呢？它只看排名，不管 100 和 200 有多大，只要排名一致，结果就稳定。

代码实现：

rho, p_value = stats.spearmanr(stock_a, stock_b)
print(f"斯皮尔曼相关系数: {rho:.4f}")
print(f"p值: {p_value:.4f}")

我个人习惯是：两个都算一下。如果皮尔逊和斯皮尔曼结果差不多，那说明关系比较稳健。如果差很多，嗯，那就要小心了——可能数据有问题，或者关系不是线性的。

3.3 相关性矩阵：一眼看穿全局

做多资产策略的时候，你不可能只盯着两只股票看。几十上百个标的，两两算相关性？手算会疯的。这时候就需要相关性矩阵了。

说白了就是一个表格，行和列都是资产，交叉点就是它们的相关系数。对角线全是 1，因为自己和自己当然完全相关。

用 pandas 一行代码搞定：

import pandas as pd

# 假设 df 是收益率数据，每列一个资产
corr_matrix = df.corr(method='pearson')  # 或者 method='spearman'
print(corr_matrix)

我一般会用热力图来可视化：

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(10, 8))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', center=0)
plt.title('资产相关性矩阵')
plt.show()

颜色越红，正相关越强；越蓝，负相关越强。一眼就能看出哪些资产「抱团」，哪些资产「对冲」。

3.4 相关性陷阱与伪相关：最容易被忽视的风险

好了，重点来了。相关性分析最大的坑，不是算不对，而是算对了但没用。

什么叫伪相关？就是两个变量在统计上显著相关，但没有任何因果关系。比如「美国黄油产量」和「缅因州离婚率」在过去几十年里高度相关。你觉得这两者有关系吗？显然没有。这就是伪相关。

在量化交易里，伪相关更隐蔽。我见过有人发现「某只股票前一天的成交量」和「第二天的天气」有 0.8 的相关性。然后他建了个策略...结果可想而知。

怎么避免？我分享几个经验：

1. 先有逻辑，后有统计。不要盲目跑数据。先问自己：这两个资产之间有没有经济意义上的联系？
2. 做滚动相关性分析。固定窗口长度，比如 60 天，每天算一次相关性。看看这个序列是不是稳定的。
3. 用不同频率的数据验证。日度、周度、月度都算一遍。如果结果不一致，那就要小心了。
4. 做格兰杰因果检验。虽然不完美，但至少能帮你排除一些明显的伪相关。

代码示例：滚动相关性

# 滚动60天相关性
rolling_corr = df['stock_a'].rolling(window=60).corr(df['stock_b'])
rolling_corr.plot(title='滚动60天相关性')
plt.axhline(y=0, color='r', linestyle='--')
plt.show()

下一章咱们聊聊协整关系，那才是统计套利的真正核心。相关性只是表面，协整才是灵魂。