상관관계는 약속이 아니라 샘플을 설명합니다.
상관계수는 −1부터 +1 사이입니다. 관측 기간과 수익률 빈도, 예를 들어 일간인지 월간인지 명시해야 합니다. 양수는 함께 움직이는 경향을, 0에 가까운 값은 표본 내 약한 선형 관계를 뜻합니다. 상관관계가 0이라고 해서 독립이거나 극단적 동반 손실이 없다는 뜻은 아닙니다.
두 자산의 포트폴리오 분산은 w₁²σ₁² + w₂²σ₂² + 2w₁w₂σ₁σ₂ρ입니다. w는 자금 비중, σ는 개별 변동성, ρ는 상관계수입니다. 분산은 변동성을 제곱한 값입니다. 마지막 항은 공동 움직임을 반영하므로, 종목 수만 세거나 개별 변동성을 단순히 더해서는 분산투자 효과를 측정할 수 없습니다.
실제 예: 14.14%가 19.49%가 됩니다.
가상 자산 두 개의 연환산 변동성이 각각 20%, 자금 비중이 각각 50%, 상관계수가 0이라고 가정합니다. 포트폴리오 분산은 0.5² × 0.20² + 0.5² × 0.20² = 0.0200입니다. 이 값의 제곱근인 포트폴리오 변동성은 약 14.14%입니다.
이제 가중치와 개별 변동성을 변경하지 않고 상관관계를 0.9로 설정합니다. 상호작용은 0.0180을 더하므로 분산은 0.0380이 되고 변동성은 약 19.49%가 됩니다. 해당 계정은 동일한 두 자산을 보유하고 있지만 예상되는 다각화 혜택은 훨씬 작습니다. 이는 미래 변동성에 대한 예측이 아닌 모델 시나리오입니다.
공유 드라이버는 위기 상황에서 나타날 수 있습니다
인플레이션 충격이나 시장 스트레스 상황에서는 상관관계가 바뀔 수 있습니다. 긴 과거 평균은 최근의 공동 하락세를 숨길 수 있으며 짧은 표본은 불안정할 수 있습니다. 여러 펀드가 동일한 기본 회사를 소유할 수 있습니다. 또한 다각화는 포트폴리오가 손실을 피하거나 특정 지출 요구를 충족할 것이라고 보장할 수 없습니다.
동일한 날짜 범위를 사용하는 것이 필수적입니다. 한 시장이 다른 시장이 움직이는 날짜에 마감되면 일치하지 않는 관측값으로 인해 측정된 상관관계가 인위적으로 약화될 수 있습니다. 단지 낮은 숫자를 얻기 위해 공백을 채우는 대신 공휴일과 누락된 데이터를 정렬하는 방법을 결정하십시오. 또한 가격 수준의 상관관계와 수익률의 상관관계를 구별합니다. 추세 가격은 일상적인 이익과 손실의 관계를 설명하지 않고도 밀접한 관련이 있는 것처럼 보일 수 있습니다. 작업된 예에서는 추정치에 대해 동일한 연간 계산 규칙과 고정 가중치를 가정합니다. 실제 포트폴리오 경험은 시장 가치와 상관관계가 변화함에 따라 달라질 수 있습니다.
동시 하락을 찾아보세요
같은 날짜의 확정 일봉, 주봉 또는 월봉을 비교해 서로 다른 자산이 함께 하락한 기간을 찾아보세요. 펀드 보유 종목과 경제 요인은 별도로 확인합니다. Student Wyckoff Pro는 가격 구조 분석을 지원하며, 공분산 계산과 보유 종목 검토에는 따로 일관되게 준비한 자료가 필요합니다.
일차 자료
자료는 구조와 한계를 설명합니다. 예제의 숫자는 편집부가 만든 교육용 가상 수치이며 실제 시세가 아닙니다.
다음 실습 단계
분석 작업 공간에서 제공되는 확정 일봉, 주봉 및 월봉을 살펴보세요.
첫 차트 안내 열기 ↗