翻開傳統金融學教科書，常能見到工整的靜態相關性圖表：「在過去數十年中，美股與長期公債的平均相關係數呈現負值，兩者具備天然的負相關避險效果。」
盲目相信這種靜態不變的歷史數據，往往是資產配置者與交易者遭遇意外回檔的重要原因。於真實金融世界中，資產之間的相關性是一個隨總體環境動態漂移的變數。若要掌握跨市場之間的動態互動，專業量化與風險管理常借助滾動相關性（Rolling Correlation）。
滾動相關性（Rolling Correlation / 滑動窗口相關係數） 是指於一個連續向前推進的固定時間區間（例如 30 天、60 天或 90 天）內，動態計算兩項資產報酬率之間的相關係數 $r$。靜態相關性以數十年的全期均值抹平了關鍵衝擊期間的關係破裂，而滾動相關性能即時反映總體情景變化（例如通膨飆升與快速升息週期中，股債從傳統負相關迅速翻轉為同步走弱的正相關）。
靜態相關性表格的「均值盲點」
靜態單點相關性衡量的是長期全樣本的歷史平均值。但其核心限制在於完全忽視了總體市場情景（Regimes）的結構性轉換：
| 評估維度 | 靜態單點相關性 (Static Correlation) | 動態滾動相關性 (Rolling Correlation) |
|---|---|---|
| 計算時間窗口 | 固定不變的歷史全樣本（如過去 20 年整體） | 向前滑動的動態時間窗口（如每日重算過去 60 天） |
| 總體情景敏感度 | 對當前正在發生的總體環境劇變反應遲緩 | 在短時間內反映資產間關係的鬆動、脫鉤或逆轉 |
| 投資組合風控價值 | 假定歷史平均關係於未來永遠恆定適用 | 即時展現真實的投資組合集中度與分散避險失效風險 |
| 市場衝擊實戰表現 | 呈現長期負相關（顯示可安心對沖） | 即時捕捉到通膨衝擊下相關性急遽轉正的警訊 |
滾動相關性的計算邏輯與滑動窗口
滾動相關性為於一個長度為 $N$ 的滑動時間窗口 $[t-N+1, t]$ 內，持續計算標準相關係數：
r = Cov(X, Y) / (σX × σY)
• 於第 60 個交易日，計算第 1 天至第 60 天的報酬率相關係數；
• 於第 61 個交易日，自動剔除第 1 天資料，加入第 61 天，計算第 2 天至第 61 天的數值，並於圖表上繪製出連續動態變化的曲線。
• 20 天至 30 天極短窗口： 反應靈敏，適合觀察兩檔標的短期背離或戰術性對沖，但統計雜訊較多； • 60 天至 90 天中週期窗口： 專業機構監測總體情景切換最常採用的平衡窗口，兼顧靈敏與抗干擾能力； • 252 天（1 年）長週期窗口： 用於平滑短期波動，確認大級別的跨資產長期結構性趨勢。
滾動相關性於實務風控中的三大常見情境
成熟的交易團隊通常將滾動相關性應用於以下流程：
- 11. 配對交易與相對價值監控： 當兩檔歷史上高度同向波動的同族群權值股，其短天期滾動相關性突然顯著下滑時，交易者會檢視是個別公司基本面出現實質分歧，還是存在階段性的評價偏差。
- 22. 帳戶「隱形集中度」穿透檢視： 若你持有的高成長科技股與加密貨幣投資組合的 60 天滾動相關性超過 +0.80，你並沒有達到實質分散，而是承擔了同一個全球流動性風險因子的加倍曝險。
- 33. 跨市場極端風險異動預警： 當美元指數與大宗原物料之間原本常見的負向傾向突然破裂、甚至雙雙走強時，通常反映了特定的地緣衝突、實體供應斷鏈或避險資金流向的結構性重整。
常見問題
相關係數為 0 代表什麼？
代表兩者之間在該觀察區間內不存在顯著的線性相關關係。資產 A 的價格變動無法作為推測資產 B 漲跌的線性依據。
相關性高即代表兩者具有因果關係嗎？
完全不等於。兩項資產可能只是同時受到未直接呈現的第三方總體因素（如實質利率或央行資金水位）驅動，而展現出統計上的同步現象。
為何在發生流動性恐慌時，多數資產的相關性會驟然升高？
在去槓桿與追繳保證金（Margin Call）的壓力下，機構投資人常被迫不分標的拋售具備流動性的各類資產換取現金，因而產生廣泛的連鎖拋售。
