很多人把“黄金和原油同涨同跌”“股指和债券负相关”当成市场规律。这类说法在特定阶段可能成立，但它描述的是样本内的统计关系，不是跨市场之间稳定的因果结构。相关性突然变化时，旧经验失效，问题通常不在历史数据本身，而在于把一段历史当成了永久规律。
下面从相关性的来源、失效机制和核验方法三个层面拆解。需要先说明：本文讨论的是统计关系与风险管理的逻辑，不构成任何交易建议；涉及期货制度的部分，只引用CFTC教育资料中的基础事实。
相关性不是资产的固定属性
相关系数衡量两个价格序列在同一时间段内同向变动的程度，取值在-1到1之间。它有三个容易被忽略的性质。
第一，相关性是状态依赖的。两个市场可能因为共同的宏观驱动而同向，也可能因为各自的供需逻辑而分化。驱动因素变了，相关系数就会变。历史相关系数高，只说明过去那段样本里共同因素占主导，不保证未来仍然如此。
第二，相关性对波动率敏感。当市场整体波动放大时，许多资产之间的相关性会上升，因为流动性收缩和风险偏好变化会同时冲击多个市场。这不是因为资产之间的基本面关系变强了，而是因为共同的流动性因素在短期内压倒了各自的基本面因素。
第三，相关性对样本区间和频率敏感。用日收益率算出的相关系数，和用周收益率、月收益率算出的结果可能差别很大。短周期相关性更容易受突发事件影响，长周期相关性更平滑，但也更容易掩盖结构性变化。旧经验如果只基于某一频率、某一段样本，换一个时间窗口就可能不成立。
旧经验失效的三种典型机制
相关性突然变化，通常不是单一原因，而是以下机制之一或组合。
驱动因素切换。两个市场原本由同一个因素驱动，比如共同的通胀预期或美元流动性。当这个因素退居次要位置，各自的基本面因素重新占主导，价格联动就会减弱甚至反转。旧经验仍然假设共同因素在起作用，于是把分化误判为短期噪音。
波动率结构变化。低波动环境下，资产价格更多反映各自的基本面差异，相关性可能较低；高波动环境下，去杠杆和流动性需求会迫使投资者同时卖出多个资产，相关性被动上升。旧经验如果基于低波动样本，就会低估极端状态下的联动风险。
样本选择偏差。人们倾向于记住那些“规律应验”的时段，忽略规律失效的时段。一段持续数年的高相关或负相关，可能恰好对应某个政策周期或流动性周期。周期切换后，旧经验失去了样本外支持，但使用者往往没有意识到这一点。
这三种机制有一个共同点：它们改变的是两个市场之间的联合分布，而不只是单个市场的均值或波动。旧经验通常只关注“方向对不对”，忽略了“联动结构变没变”。
用假设示例看清“经验失效”的算术
下面是一个纯粹用于说明计算逻辑的假设示例，所有数字均为虚构，不代表任何实际市场数据，也不构成交易建议。
假设某段样本期内，资产A和资产B的日收益率相关系数为0.8。某投资者据此认为两者高度同向，并用一个资产的空头去对冲另一个资产的多头。假设对冲比例按历史贝塔设定为1:1。
在假设的新状态下，两者的相关系数降到0.2，且资产A的日波动率从1%升到2%，资产B的日波动率从1%升到1.5%。用简化公式估算组合方差：
组合方差 ≈ w_A²σ_A² + w_B²σ_B² + 2w_Aw_Bρσ_Aσ_B
假设权重w_A=1、w_B=-1（即多A空B），代入σ_A=2%、σ_B=1.5%、ρ=0.2：
方差 ≈ (0.02)² + (0.015)² – 2×0.02×0.015×0.2 = 0.0004 + 0.000225 – 0.00012 = 0.000505
组合日波动率约为√0.000505≈2.25%。而在旧经验下，若ρ=0.8、σ均为1%，同样权重算出的方差约为0.0004+0.0001-2×0.01×0.01×0.8=0.00034，波动率约1.84%。
这个假设示例说明：相关性下降并没有让对冲组合更安全，反而因为波动率上升和联动结构改变，组合波动率增加了。旧经验失效的地方在于，它假设相关系数和波动率都不变，而实际风险恰恰来自这两个参数的变化。
核验相关性经验是否仍然可用的步骤
面对“旧经验”，可以用以下步骤做核验。这些步骤是研究流程，不是交易指令。
第一步，明确经验对应的样本区间和频率。问清楚：这个相关性是用日数据还是周数据算的？覆盖了哪几年？样本期内有没有明显的政策或流动性状态切换？如果样本区间跨越了不同的宏观状态，混合计算出的相关系数可能掩盖了状态差异。
第二步，做滚动窗口观察。用固定长度的滚动窗口计算相关系数，看它是否稳定。如果滚动相关系数在近期出现方向性变化，说明联动结构可能正在改变。滚动窗口的长度选择本身会影响结论，短窗口更敏感但噪音大，长窗口更平滑但反应慢，需要结合研究目的选择。
第三步，区分“统计相关”和“共同驱动”。两个市场相关，可能是因为A影响B，也可能是因为C同时影响A和B，还可能只是样本内的巧合。只有找到共同驱动因素，才能判断相关性在驱动因素变化后是否还能维持。找不到共同驱动时，对相关性的信任应当下调。
第四步，检查波动率状态。把样本按波动率高低分组，分别计算相关系数。如果高波动状态下的相关性与低波动状态下差异明显，那么用全样本相关系数做风险管理就会低估极端状态下的联动。
第五步，做样本外检验。把历史区间分成两段，用前一段估计相关性，看后一段是否成立。如果样本外表现明显变差，说明旧经验缺乏稳健性。这一步不能保证未来，但能暴露“只在样本内成立”的问题。
期货制度事实带来的边界提醒
跨市场分析常涉及期货，而期货有一些制度事实会影响“相关性经验”的使用边界。
CFTC教育资料指出，期货合约约定未来买卖标的，结算可以涉及实物交割或现金结算，不能把所有产品视为同一种交割方式。这意味着不同期货品种的价格在临近交割时，受交割机制、库存和物流等因素影响的程度不同。用远月连续价格算出的相关性，和用近月价格算出的相关性，可能因为交割因素而出现差异。
CFTC还指出，期货保证金是履约保障，不是买入资产的首付款；亏损会影响保证金账户权益，不等于最大损失。这一点对相关性策略尤其重要：即使两个市场的价格相关性符合预期，保证金机制和杠杆也会让组合的实际损益路径不同于现货价格的简单价差。相关性描述的是价格变动关系，不描述保证金追缴、流动性冲击和强制平仓带来的非线性损失。
因此，用跨市场相关性做风险判断时，需要区分“价格相关性”和“组合损益相关性”。前者是统计量，后者还受合约规格、保证金、交易成本和流动性影响。旧经验如果只基于价格序列，就遗漏了这些制度层面的差异。
旧经验失效后，应该保留什么
相关性突然变化，不意味着所有历史研究都无价值。有价值的是对驱动机制的理解，而不是对相关系数的记忆。一个可操作的原则是：把相关性当作待检验的假设，而不是当作前提。每次使用旧经验前，先问三个问题：这段相关性对应什么市场状态？当前状态是否相同？如果不同，哪个共同驱动因素可能已经改变？
同时要接受一个限制：相关性估计永远有样本外风险。任何基于历史数据的相关性判断，都无法保证在未来状态切换时继续成立。能做的是识别状态、监控变化、控制暴露，而不是寻找一个永久有效的相关系数。旧经验失效不是异常，而是市场状态变化的正常表现；真正需要修正的，是把经验当成规律的习惯。
本文为知识与方法说明，不是当天行情播报。文中假设案例不代表真实交易结果，不构成个性化投资建议。