滾動相關性（Rolling Correlation / 滑動窗口相關係數） 是指於一個持續向前推進的固定長度時間區間（例如 30 天、60 天或 90 天）內，動態計算兩組資產報酬率之間的相關係數。相較於以單一數十年全期靜態數值概括全貌，滾動相關性產生的是一條連續的時間序列折線，能即時反映跨資產連動於不同總體情景下的深層質變。
它怎麼運作
一個長度為 $N$ 的時間窗口每日向前滑動一個觀察日：納入最新單日的報酬率，並同步剔除最舊一天的資料，重新計算兩者的共變異數與標準差。
所繪製出的走勢曲線能具體呈現兩項商品究竟是維持著過往的連動慣性，抑或是因政策轉向、流動性抽緊或去槓桿而出現脫鉤甚至方向逆轉。
為什麼投資人需要知道
跨越數十年的靜態平均值常會掩蓋關鍵危機時刻核心避險商品徹底失靈甚至反向虧損的極端階段。
持續追蹤滾動相關性有助於投資組合經理人及時警覺：原本為分散風險而配置的不同標的，是否已在不知不覺中收斂為同一種高風險因子的雙重曝險。
一個簡單的市場例子
於常態低通膨環境下，美股與美國長天期公債的 60 天滾動相關性多半維持於負值區間（-0.30 至 -0.50）。但在 2022 年初全球密集升息期間，該指標迅速飆升至 +0.70 以上，向多資產配置者發出公債已無法吸震股票虧損的明確警訊。
常見誤解
採用過短的時間窗口（例如 3-5 天），導致計算結果充斥著短線微結構雜訊，而非實質的總體情景移轉。
誤將當前階段的高滾動相關性視為兩項商品之間存在絕對因果關聯的不可動搖證據。
常見問題
進行總體情景分析時，一般建議設定多長的滑動窗口？
專業法人機構普遍運用 60 天至 90 天的中期窗口來辨識戰術性總體情景轉換，並搭配 252 天（1 個交易年）的長週期窗口來確認長期結構性趨勢。
為何於金融風暴期間，多數資產的滾動相關性常會朝 +1.0 靠攏？
在極端恐慌與流動性枯竭情境下，高槓桿機構面臨全面追繳保證金（Margin Call），被迫無差別拋售手中所有具備變現力的優質資產換取現金，從而形成跨市場的同步拋售潮。
滾動相關性可以使用週資料或月資料計算嗎？
可以，但較低頻率的資料需要更長跨度的歷史時間以確保樣本容量充足，否則容易產生統計樣本不足的偏差。
僅供教育用途。部分術語在不同國家、機構與市場中的實際用法可能不同。