A quién sirve — A quien compara activos o estrategias y quiere medir una forma precisa de movimiento conjunto sin convertirla en una promesa de diversificación.
La correlación de Pearson estandariza la covarianza entre dos series
X e Y:
ρ(X,Y) = Cov(X,Y) / (σₓ × σᵧ)El coeficiente está entre −1 y +1 cuando ambas desviaciones estándar son positivas. El signo indica la dirección de la relación lineal; el valor absoluto describe su fuerza en la muestra elegida. La estimación no demuestra causalidad ni describe por sí sola dependencias no lineales o en las colas.
La muestra precede al número
Una correlación solo puede interpretarse si se declaran:
- variables utilizadas, normalmente rendimientos o cambios de P&L y no niveles acumulados;
- frecuencia, intervalo, zona horaria y regla de sincronización;
- divisa y tratamiento de precios ausentes, festivos y outliers;
- ventana o régimen y método de estimación;
- datos brutos o netos de costes al comparar estrategias.
Correlacionar niveles de dos curvas de capital puede producir un resultado espurio porque ambas incorporan su trayectoria acumulada. Para estrategias con operaciones asíncronas deben construirse rendimientos o P&L sobre intervalos de calendario comunes; emparejar operaciones por orden no crea simultaneidad económica.
Qué no permite concluir el coeficiente
| Lectura | Límite |
|---|---|
| ρ cerca de cero | ausencia de relación lineal en la muestra, no independencia |
| ρ negativo | movimiento lineal opuesto, no cobertura perfecta ni P&L nulo |
| ρ alto | relación lineal observada fuerte, no “la misma operación” por definición |
| ρ móvil | diagnóstico dependiente de la ventana, no pronóstico estable |
| matriz histórica | estimación sujeta a error muestral, régimen y calidad de datos |
No hay bandas universales que separen correlación “buena” y “mala”. Un umbral de control debe depender del mandato, del riesgo de la decisión, de la incertidumbre estadística y de los escenarios relevantes.
Estrés, volatilidad y colas
Las dependencias pueden cambiar en caídas, pero “en una crisis todo va a +1” es una generalización incorrecta. Longin y Solnik documentan mayor correlación internacional en mercados bajistas extremos, no una ley universal; las relaciones de huida hacia la calidad también pueden volverse más negativas. Forbes y Rigobon muestran además que el aumento de volatilidad puede sesgar la comparación de correlaciones condicionadas entre periodos.
Las decisiones de cartera deben complementar la correlación con diagramas de dispersión, análisis por régimen, escenarios comunes, co-movimiento bajista y concentración de factores. La diversificación es un resultado de la cartera completa, no de un único coeficiente por pares.
Error habitual — Elegir una ventana hasta obtener el valor deseado y después tratarlo como estructural. Ventana y método forman parte del resultado y deben permanecer visibles.
Fuentes
- National Institute of Standards and Technology, CORRELATION — Dataplot Reference Manual — definición, fórmula, intervalo e interpretación del coeficiente de correlación lineal.
- Harry Markowitz, Portfolio Selection, The Journal of Finance (1952) — papel de varianzas y covarianzas en la construcción de cartera.
- François Longin y Bruno Solnik, Extreme Correlation of International Equity Markets, The Journal of Finance (2001) — dependencia asimétrica en rendimientos bursátiles internacionales extremos.
- Kristin Forbes y Roberto Rigobon, No Contagion, Only Interdependence: Measuring Stock Market Comovements, The Journal of Finance (2002) — sesgo por heterocedasticidad al comparar correlaciones durante periodos turbulentos.