À qui cette notion est utile — À toute personne qui compare des actifs ou des stratégies et veut mesurer une forme précise de mouvement conjoint sans en faire une promesse de diversification.
La corrélation de Pearson standardise la covariance entre deux séries
X et Y :
ρ(X,Y) = Cov(X,Y) / (σₓ × σᵧ)Le coefficient est compris entre −1 et +1 lorsque les écarts-types sont positifs. Son signe indique la direction de la relation linéaire ; sa valeur absolue en décrit l’intensité dans l’échantillon retenu. Cette estimation ne démontre aucune causalité et ne décrit pas, à elle seule, les relations non linéaires ou la dépendance dans les queues de distribution.
Avant le chiffre vient l’échantillon
Une corrélation n’est interprétable que si les éléments suivants sont déclarés :
- les variables utilisées, généralement des rendements ou des variations de P&L, et non des niveaux cumulés ;
- la fréquence, l’intervalle, le fuseau horaire et la règle de synchronisation ;
- la devise ainsi que le traitement des prix manquants, jours fériés et valeurs aberrantes ;
- la fenêtre ou le régime et la méthode d’estimation ;
- les données nettes ou brutes de coûts lorsque des stratégies sont comparées.
Corréler deux courbes de capital en niveau peut produire un résultat fallacieux, car chacune incorpore son propre parcours cumulé. Pour des stratégies dont les transactions sont asynchrones, il convient de construire des rendements ou des P&L sur des intervalles calendaires communs ; corréler le numéro d’ordre des transactions ne crée aucune simultanéité économique.
Ce que le coefficient ne permet pas de conclure
| Lecture | Limite |
|---|---|
| ρ proche de zéro | absence de relation linéaire dans l’échantillon, et non indépendance |
| ρ négatif | mouvement linéaire opposé, et non couverture parfaite ni P&L nul |
| ρ élevé | forte relation linéaire observée, sans signifier par définition qu’il s’agit de « la même position » |
| ρ glissant | diagnostic dépendant de la fenêtre, et non prévision stable |
| matrice historique | estimation soumise à l’erreur, au régime et à la qualité des données |
Il n’existe aucune bande universelle séparant une « bonne » d’une « mauvaise » corrélation. Un seuil de contrôle doit dépendre du mandat, du risque associé à la décision, de l’incertitude statistique et des scénarios pertinents.
Stress, volatilité et queues de distribution
Les dépendances peuvent changer pendant les baisses, mais affirmer qu’« en crise, tout converge vers +1 » est une généralisation abusive. Longin et Solnik documentent une hausse de la corrélation internationale lors de marchés baissiers extrêmes, et non une loi universelle ; certaines relations de fuite vers la qualité peuvent aussi devenir plus négatives. Forbes et Rigobon montrent en outre qu’une hausse de la volatilité peut fausser la comparaison des corrélations conditionnelles entre périodes.
Pour les décisions de portefeuille, la corrélation doit donc être complétée par des nuages de points, une analyse par régime, des scénarios communs, la mesure des co-mouvements baissiers et celle de la concentration factorielle. La diversification est un résultat du portefeuille complet, et non du seul coefficient calculé paire par paire.
Erreur fréquente — Choisir une fenêtre jusqu’à obtenir la valeur souhaitée, puis traiter celle-ci comme une caractéristique structurelle. La fenêtre et la méthode font partie du résultat et doivent rester visibles.
Sources
- National Institute of Standards and Technology, CORRELATION — Dataplot Reference Manual — définition, formule, intervalle et interprétation du coefficient de corrélation linéaire.
- Harry Markowitz, Portfolio Selection, The Journal of Finance (1952) — rôle des variances et covariances dans la construction de portefeuille.
- François Longin et Bruno Solnik, Extreme Correlation of International Equity Markets, The Journal of Finance (2001) — dépendance asymétrique des rendements internationaux extrêmes.
- Kristin Forbes et Roberto Rigobon, No Contagion, Only Interdependence: Measuring Stock Market Comovements, The Journal of Finance (2002) — biais lié à l’hétéroscédasticité dans la comparaison des corrélations en période de turbulence.