とは何か Asset Correlation Calculator?
▾
相関行列は、さまざまな資産のリターン間の線形関係を定量化する、ポートフォリオ理論とリスク管理の基本的なツールです。行列の各要素 ρ(i,j) は、資産 i と j の間のピアソン相関係数を表します。範囲は、-1 (完全な負の相関 - 資産がまったく反対方向に移動する) から +1 (完全な正の相関 - 資産が同期して移動する) の範囲で、0 は線形関係がないことを示します。 相関行列は、1952 年にハリー マルコウィッツによって開発された現代ポートフォリオ理論 (MPT) の基礎です。ポートフォリオの分散は、個々の資産のボラティリティによってだけでなく、それらの間の相関によって決定的に決定されます: σ²_portfolio = Σ Σ w_i w_j σ_i σ_j ρ(i,j)。資産間の相関が低いか負の場合、ポートフォリオの分散は個々の分散の加重平均よりも小さくなります。これが分散の数学的基礎です。 実際には、相関行列にはいくつかの重要な特性と課題があります。まず、相関関係は時間の経過とともに安定しません。平穏な市場では相関関係のない資産が、市場危機では相関関係が高くなることがよくあります (「相関スパイク」)。 2008 年の世界金融危機は、リスク資産間の相関が同時に 1.0 に近づき、最も必要なときに期待された分散効果が失われるという特徴がありました。この現象は「相関関係の破綻」または「伝染」として知られています。 第 2 に、相関行列は数学的に一貫性を保つために半正定値 (PSD) である必要があります。つまり、すべての固有値が非負でなければなりません。多くの資産と限られたデータでは、サンプル相関行列は推定誤差により PSD に違反することが多く、リスク モデルで使用する前に正則化 (収縮、最も近い PSD 行列投影) が必要になります。 Ledoit-Wolf 収縮推定量は、大規模なポートフォリオに対して適切に条件付けされた相関行列を生成するために広く使用されています。 第三に、線形相関はテール依存性、つまり通常は相関がない場合でも極端なイベントで資産が衝突する傾向を捉えるには不十分です。コピュラ モデル (特にガウス コピュラと t コピュラ) は、相関分析を拡張して、正確な信用ポートフォリオと CDO リスク モデリングに不可欠な非線形依存構造とテール依存を捕捉します。
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
公式
▾
ρ(i,j) = Cov(R_i, R_j) / (σ_i × σ_j)
ポートフォリオ分散 = Σ_i Σ_j w_i × w_j × σ_i × σ_j × ρ(i,j)
分散比率 = 加重平均ボラティリティ / ポートフォリオのボラティリティ変数の説明
▾
| 記号 | 名前 | 単位 | 説明 |
|---|---|---|---|
| ρ(i,j) | ピアソン相関係数 | dimensionless | 資産 i と j の収益間の線形相関: 範囲は -1 から +1 です。共同運動の方向と強さを測定します。 |
| σ_p² | ポートフォリオの差異 | %² | すべてのペアにわたる w_i × w_j × σ_i × σ_j × ρ(i,j) の合計。資産間の相関関係が低いため、減少します。 |
| R | 戻り行列 | % | T 期間にわたる N 資産の過去の収益の T×N マトリックス。相関行列を推定するために使用されます。 |
| β_div | 多様化のメリット | % | 分散によるポートフォリオのボラティリティの低減: (加重平均ボリューム − ポートフォリオ ボリューム) / 加重平均ボリューム |
| λ_min | 最小固有値 | dimensionless | 相関行列の最小固有値。正の半明確性の場合は ≥ 0 でなければなりません。負の値は推定の問題を示します。 |
方法 Asset Correlation Calculator
▾
- 1ポートフォリオ内のすべての資産の過去の収益データを収集します。少なくとも 1 ～ 3 年間の日次、週次、または月次の収益です (データが多いほど、推定値がより安定します)。
- 2各資産のサンプル平均リターンを計算します。減算は、データを中央に配置することを意味します。
- 3サンプル共分散行列を計算します: Cov(i,j) = (1/(T−1)) × Σ (R_it − μ_i)(R_jt − μ_j)。
- 4相関関係に正規化します: ρ(i,j) = Cov(i,j) / (σ_i × σ_j)。対角要素は構造上 1.0 です。
- 5正の半明確性を確認する: 固有値を計算します。固有値が負の場合は、正則化 (Ledoit-Wolf 収縮、最も近い PSD 行列) を適用します。
- 6相関行列を分析します。相関の高い資産クラスター、ゼロに近い相関 (良好な分散要因)、および負の相関 (ナチュラル ヘッジ) を特定します。
- 7相関行列と個々のボラティリティを使用してポートフォリオの分散を計算します。分散効果を計算します。
解いた例
▾
株式と債券の負の相関関係が 60/40 ポートフォリオの基礎
ポートフォリオ分散 = (0.6)²(0.15)² + (0.4)²(0.07)² + 2(0.6)(0.4)(0.15)(0.07)(−0.25) = 0.0081 + 0.00078 − 0.00126 = 0.00762。ポートフォリオ σ = √0.00762 = 8.73%。加重平均 σ = 0.6×15% + 0.4×7% = 11.8%。分散効果 = (11.8% − 8.73%) / 11.8% = 26%。株式と債券の間の負の相関関係は、60/40 ポートフォリオの構造的基盤です。歴史的に、株式が不況で下落すると、金利が低下するにつれて債券は上昇します。この相関関係は、両方が一緒に低下した（インフレによる利上げ）2022年には信頼性が低くなりました。
公共事業とエネルギーはテクノロジーに比べて最も多様化をもたらします
相関行列は、テクノロジーとヘルスケアの相関が最も高いことを示しています (0.45)。どちらも同様のマクロ要因の影響を受けやすい成長セクターです。エネルギーはテクノロジー (0.30) およびヘルスケア (0.20) と中程度の相関関係があり、商品サイクル要因によって左右されます。公益事業は他のすべてのセクターとの相関関係が最も低く（0.10～0.35）、金利感応性と規制収益が原動力となっており、ポートフォリオを最適に分散させることができます。公益事業を追加すると、期待されるリターンを大きく犠牲にすることなく、ポートフォリオの差異が大幅に減少します。
危機の相関関係は 1.0 に向かって急上昇し、必要なときに正確に多様化を破壊します
通常の市場では、株式とクレジット (HY 債券) には中程度の相関関係 (0.25) があり、ポートフォリオに有意義な分散をもたらします。 2008 年の危機では、リスク回避の高まりにより株式市場とクレジット市場の両方が同時に暴落し、相関関係は 0.85 まで上昇しました。多様化によるポートフォリオのリスク軽減は 40% からわずか 8% に低下しました。この「相関関係の内訳」は実証済みの規則性であり、リスク資産間の相関関係は景気低迷時に急増する傾向があり、最も必要とされる時期には分散投資の効果が大幅に低下します。ストレステストでは、ストレス期間の相関関係を使用する必要があります。
新興国と米国の相関関係は時間の経過とともに上昇 – グローバル化による多様化の減少
米国株と新興国市場の 3 年間の相関関係は、2000 年以降大幅に増加しました (1990 年代の 0.4 ～ 0.5 から 2010 年代の 0.7 ～ 0.8)。これは、グローバリゼーション、金融政策の同期化、および国境を越えた資本フローの増加が一部の要因です。危機（2008 年の世界金融危機、2020 年の新型コロナウイルス感染症）では、相関関係は 0.85 ～ 0.90 に急増しました。この傾向、つまり世界的に相関関係が上昇していることは、国際多角化戦略にとって大きな課題であり、歴史的には分散化を理由に新興国の配分が部分的に正当化されてきた。市場の統合が進むにつれて、新興国配分による分散効果は時間の経過とともに減少してきました。
実際の応用
▾
ポートフォリオの構築と平均分散の最適化により、実務者は検証済みの計算手法と業界標準のアプローチに基づいて、十分な情報に基づいた定量的な意思決定を行うことができます。これには、証拠に基づく意思決定、戦略的なリソースの割り当て、および多様な組織状況や専門分野にわたるパフォーマンスの最適化をサポートするための正確な定量分析が必要です。
リスクパリティと最大分散ポートフォリオ戦略。アナリストが組織全体の戦略計画、リソース割り当て、パフォーマンスベンチマークをサポートする正確な結果を生み出すのを支援します。企業と個人の両方の設定で計画、評価、継続的改善プロセスに情報を提供する信頼性の高い出力を生成するには、正確な数値計算が不可欠です。
モンテカルロ VaR シミュレーション セットアップ (コレスキー分解)。専門家が信頼できる数学的フレームワークと確立された公式を使用して、結果を体系的に定量化し、シナリオを比較できるようにします。日々の専門的活動において定量的な厳密さに依存する利害関係者にとって、生の入力データを実用的な洞察に変換する体系的な計算アプローチが必要です。
バーゼル FRTB に基づく規制相関ストレス テスト。コンプライアンス、レポート、最適化の目的には数値精度が不可欠なデータ駆動型の評価プロセスをサポートし、専門的な環境でのレポート、監査、および長期傾向分析に適した一貫した検証可能な結果を提供する堅牢な計算手法が必要です。
ヘッジファンドのファクターエクスポージャーの帰属と相関ヘッジ。これには、証拠に基づいた意思決定、戦略的リソース配分、多様な組織状況や専門分野にわたるパフォーマンスの最適化をサポートするための正確な定量分析が必要です。
特殊なケース
▾
相関行列を扱う専門家は、このシナリオを適切に処理しないと誤解を招く結果につながる可能性があるため、特に注意する必要があります。実際にこのようなケースが発生した場合は、常に境界条件を検証し、独立した方法でクロスチェックしてください。
実際には、標準的な仮定が当てはまらない可能性があるため、この特殊なケースについては慎重に検討する必要があります。資産相関計算ツールの計算でこのシナリオに遭遇した場合、実務者は境界条件を検証し、ゼロ除算のリスクをチェックし、これらの極端な条件下でもモデルの仮定が有効であり続けるかどうかを検討する必要があります。
相関行列を扱う専門家は、このシナリオを適切に処理しないと誤解を招く結果につながる可能性があるため、特に注意する必要があります。実際にこのようなケースが発生した場合は、常に境界条件を検証し、独立した方法でクロスチェックしてください。
典型的な資産クラスの相関関係 (長期平均、米ドルの観点)
▾
| アセットペア | 正常期ρ | 危機期 ρ | 多様化の価値 |
|---|---|---|---|
| 米国株式 — 米国国債 | −0.25〜＋0.10 | −0.40〜−0.60 | 非常に高い（品質重視） |
| 米国株式 — ハイイールド債券 | 0.55～0.70 | 0.75～0.90 | 危機は低い |
| 米国株式 — IG社債 | 0.10～0.30 | 0.40～0.60 | 適度 |
| 米国株式 — 金 | −0.10〜＋0.10 | −0.20〜＋0.20 | 適度 |
| 米国株式 — 新興市場 | 0.70～0.80 | 0.85～0.92 | 低い（時間の経過とともに上昇） |
| 米国株式 — 不動産 (REIT) | 0.60～0.75 | 0.70～0.85 | Low |
| 米国国債 - 金 | 0.0～0.15 | 0.0～0.20 | 適度 |
よくある質問
▾
2 つの資産間の相関 0.7 は実際には何を意味しますか?
相関関係 0.7 は、2 つの資産が (非公式に) 約 70% の確率で同じ方向に動く傾向があり、一方の資産の分散の約 49% (0.7²) が他方の資産の直線的な動きで説明できることを意味します。ポートフォリオの観点から見ると、2 つの資産間の相関が 0.7 の場合、分散効果のメリットは 0.0 または負の相関よりもはるかに低くなります。相関が 0.7 の 2 番目の資産を既存のポジションに追加すると、いずれかの資産を単独で保有する場合と比較して、ポートフォリオの標準偏差はわずかしか減少しません。真の多様化には、相関が 0 または負に近いことが必要です。
なぜ時間の経過とともに相関関係が変化するのでしょうか?
相関関係は構造定数ではなく、現在の経済および金融環境を反映しています。マクロ情勢が安定した強気市場では、企業固有の要因が優勢であるため、リスク資産の相関関係は比較的低い可能性があります。弱気相場や危機ではマクロリスク要因（質への逃避、強制的なレバレッジ解消、信用引き締め）が優勢となり、リスク資産間の相関関係が1.0に近づく。さらに、グローバル化の進展、中央銀行の同時政策、量的緩和により、過去 20 年間に資産間の相関関係が構造的に増加しました。長期平均相関を使用するリスク モデルは、この相関の不安定性を捉えていないため、体系的に危機リスクを過小評価します。
相関収縮推定量とは何ですか?なぜ必要ですか?
限られた履歴データ (T 観測値) と多くの資産 (N) では、サンプル相関行列の推定が不十分になり、ノイズが多くなります。 T < N の場合、サンプル行列は可逆ですらありません。 T > N の場合でも、多くの推定されたペアごとの相関は、推定誤差により真の値から遠く離れます。収縮推定器 (Ledoit-Wolf、Oracle 近似収縮) は、構造化されたターゲット (通常は単位行列または因子モデル) に向かってサンプル相関行列を縮小することにより、サンプル相関行列を正規化します。これにより、ある程度のバイアスが導入されるという代償を払って推定誤差が減少しますが、より適切に動作する正定値行列が生成され、ポートフォリオの最適化とリスク モデルの安定性が向上します。
テール依存性とは何ですか?なぜ線形相関ではそれが捕捉されないのでしょうか?
テール依存性は、2 つの資産が線形相関の予測を超える極端な動きを同時に経験する確率を測定します。 2 つの資産は、線形相関がゼロでもテール依存性が高い場合があります (通常は一緒に移動しないにもかかわらず、一緒にクラッシュします)。コピュラ モデルは、各資産の周辺分布を依存構造から分離します。 t コピュラは、ガウス コピュラとは異なり、対称的な上部と下部のテール依存性を示します。t コピュラによってモデル化されたアセットは、ガウス コピュラが予測するよりもクラッシュまたはスパイクする可能性が高くなります。この区別は、ガウス コピュラ モデルがストレス下での共同デフォルト確率を大幅に過小評価した 2008 年の CDO 危機において重要でした。
相関行列の信頼性が失われる前に、資産がいくつ必要になるでしょうか?
大まかな経験則: 適度に安定した相関推定値を得るには、少なくとも T > 3N の観測 (期間と資産の数) が必要です。 252 回の毎日の観察 (1 年間) により、約 80 の資産の相関関係を確実に推定できます。 2,000 の資産 (一般的な大規模ポートフォリオ) の場合、毎日 6,000 回以上の観察 (24 年間) が必要になりますが、これは明らかに非現実的です。これが、ファクター モデル (CAPM、Fama-French) が大規模なポートフォリオに使用される理由です。ファクター モデルは、リターンを少数の共通ファクターと特異なリスクに分解し、推定するパラメータの数を大幅に削減すると同時に、より構造化された安定した共分散モデルを提供します。
分散比率とは何ですか?またそれはどのように使用されますか?
分散比率 = (加重平均個別ボラティリティ) / (ポートフォリオ ボラティリティ)。比率 1.0 は、分散効果がないことを意味します (すべての資産が完全に相関している)。比率 2.0 は、ポートフォリオのボラティリティが加重平均個別ボラティリティの半分であること、つまり実質的な分散を意味します。リスクパリティポートフォリオは、（平均分散の最適化のように）期待リターンに反比例するのではなく、ポートフォリオのリスクへの寄与に反比例して資産を重み付けすることにより、分散比率を最大化します。 Choueifaty と Coignard によって開発された Most Diversified Portfolio (MDP) は、期待収益についての仮定をせずに、分散比率を最大化するウェイトを選択します。
ストレステストと通常のリスク測定の相関関係はどのように推定されるべきですか?
通常の VaR とポートフォリオの最適化では、市場サイクル全体から推定された相関関係を使用するか、最近のデータを強調する指数加重移動平均 (EWMA) 平滑化を使用する必要があります。ストレス テストと危機 CVaR では、過去の危機期間、特に世界金融危機 (2008 年)、新型コロナウイルスの暴落 (2020 年)、またはその他の関連するストレス イベントを含むウィンドウから推定された相関関係を使用します。リスク資産間の危機期間の相関関係は、通常、全期間の平均より 30 ～ 50% 高くなります。自己資本比率分析で強調相関を使用すると、穏やかな市場で観察された分散効果が危機シナリオでも持続するという危険な想定を回避できます。
避けるべきよくある間違い
▾
- !リターンではなく価格レベルから相関関係を計算する - 共有傾向から偽りの高い相関関係を生成します。
- !選択した特定の期間に非常に敏感な相関推定に短い履歴ウィンドウ (< 1 年) を使用します。
- !ストレステストでは、危機期間の相関関係ではなく、無条件の長期相関関係を使用します。
- !正の半明確性の要件を無視すると、リスク モデルで非 PSD マトリックスを使用すると、ポートフォリオの分散が負になる可能性があります。
- !高い相関関係を永続的なものとして扱う - 相関関係は時間とともに変化するため、定期的に再推定する必要があります。
プロのヒント
階層的クラスタリングによってソートされたヒートマップとして相関行列を視覚化します。これにより、自然な資産クラスター (内部相関が高い類似した資産のグループ) と真の多様化要因 (複数のクラスターとの相関が低い資産) がすぐに明らかになります。この構造を使用してポートフォリオ構築をガイドします。
ご存知でしたか？
現代ポートフォリオ理論とポートフォリオ構築における相関の定量的役割を開発したハリー・マーコウィッツは、1990年にノーベル経済学賞を受賞した。伝えられるところによれば、彼は当初、市場が暴落した場合に株式に多額の投資をしたことを後悔したくなかったため、自身の最適性計算を無視して、自身の年金貯蓄を株式と債券に折半で投資していたという。定量的ポートフォリオ理論の父でさえ、行動判断を伴わない純粋な最適化には限界があることを認めていました。
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
参考文献
Get Weekly Math Tips
Join 12,000+ subscribers who get calculator tips every week.