همبستگی منفی، که به آن همبستگی معکوس نیز گفته می‌شود، رابطه‌ای بین دو متغیر است که در آن با افزایش یکی، دیگری کاهش می‌یابد و بالعکس. این مفهوم برای سرمایه‌گذارانی که به دنبال ایجاد پرتفوی متعادل هستند بسیار مهم است، زیرا گنجاندن دارایی‌هایی با همبستگی منفی می‌تواند به کاهش ریسک کلی پرتفوی کمک کند. در یک نمودار خطی، همبستگی منفی با یک شیب رو به پایین نمایش داده می‌شود.
در اقتصاد، قیمت و مقدار تقاضا معمولاً در منحنی تقاضا همبستگی منفی دارند. منحنی‌های تقاضا تقریباً همیشه دارای شیب رو به پایین هستند که نشان‌دهنده تمایل مصرف‌کنندگان به خرید بیشتر از یک محصول با کاهش قیمت آن است.
نکات کلیدی
- همبستگی منفی در ساخت پرتفوی‌های متنوع استفاده می‌شود تا سرمایه‌گذاران بتوانند از افزایش قیمت برخی دارایی‌ها در هنگام کاهش دیگران سود ببرند.
- همبستگی بین دو متغیر اغلب ناپایدار است و می‌تواند در طول زمان به طور گسترده‌ای تغییر کند.
- سهام و اوراق قرضه معمولاً همبستگی منفی دارند، بنابراین پرتفوی‌های سنتی اغلب شامل هر دو هستند.
- سرمایه‌گذاری در دارایی‌های با همبستگی منفی می‌تواند ریسک پرتفوی را کاهش دهد، اما همچنین ممکن است سودهای بالقوه را محدود کند.
نحوه عملکرد همبستگی منفی
همبستگی منفی یا معکوس نشان می‌دهد که دو متغیر معمولاً در جهت‌های مخالف حرکت می‌کنند. برای مثال، اگر متغیرهای X و Y دارای همبستگی منفی باشند، با افزایش ارزش X، ارزش Y کاهش می‌یابد؛ به طور مشابه، اگر ارزش X کاهش یابد، ارزش Y افزایش می‌یابد.
در آمار، همبستگی منفی کامل با مقدار -1.0 نشان داده می‌شود، در حالی که 0 نشان‌دهنده عدم همبستگی و +1.0 نشان‌دهنده همبستگی مثبت کامل است. منحنی عرضه معمولاً دارای شیب رو به بالا و همبستگی مثبت است که نشان‌دهنده تمایل تولیدکنندگان به عرضه بیشتر محصول با افزایش قیمت‌ها است.
با این حال، در اکثر سناریوهای واقعی، همبستگی‌های منفی ناقص هستند، به این معنا که گرچه روند کلی رو به پایین است، نقاط داده‌ای ممکن است دقیقاً با این روند مطابقت نداشته باشند.
همبستگی‌های منفی معمولاً در زمینه‌های مختلف مانند مالی یا اقتصاد مشاهده می‌شوند، جایی که معمولاً بین عرضه یک محصول و قیمت آن همبستگی منفی وجود دارد. با افزایش عرضه، قیمت‌ها تمایل به کاهش دارند و بالعکس.
همبستگی منفی و ضریب همبستگی
ضریب همبستگی روشی است که معمولاً برای دریافت اطلاعات در مورد همبستگی‌ها (منفی یا غیره) بین چیزهای مختلف استفاده می‌شود. این ضریب به صورت عددی بین -1.0 تا +1.0 ارائه می‌شود. ضریب +1.0 نشان‌دهنده همبستگی مثبت کامل است، به این معنا که دو دارایی کاملاً هم‌جهت حرکت می‌کنند. در مقابل، ضریب -1.0 نشان‌دهنده همبستگی منفی کامل است، جایی که دارایی‌ها دقیقاً در جهت‌های مخالف حرکت می‌کنند. وقتی ضریب 0 باشد، هیچ رابطه قابل‌تشخیصی بین حرکت‌های دو دارایی وجود ندارد.
برای سرمایه‌گذاران، این اعداد می‌توانند بسیار معنادار باشند، زیرا می‌توانند برای مدیریت و ایجاد پرتفوی‌ها و مدیریت ریسک استفاده شوند. پرتفوی متنوع اغلب شامل دارایی‌هایی با همبستگی‌های پایین یا منفی با یکدیگر است. این استراتژی می‌تواند ریسک کلی پرتفوی را کاهش دهد، زیرا زیان در یک دارایی ممکن است با سود در دارایی دیگر جبران شود.
با این حال، مانند هر ابزار مالی، ضریب همبستگی محدودیت‌هایی دارد. این ضریب تنها روابط خطی را اندازه‌گیری می‌کند و می‌تواند به داده‌های پرت (outliers) حساس باشد. علاوه بر این، همبستگی به معنای علیت نیست و همبستگی‌های تاریخی تضمین‌کننده نتایج آینده نیستند.
مهم: درجه همبستگی بین دو متغیر ثابت نیست و می‌تواند در طول زمان از مثبت به منفی و بالعکس تغییر کند.
توجه به داده‌های پرت
داده پرت در داده‌های مالی، مقداری است که به طور قابل‌توجهی از سایر مشاهدات در یک مجموعه داده منحرف می‌شود. این موارد می‌توانند به دلیل رویدادهای استثنایی بازار، خطاهای داده‌ای، یا رخدادهای واقعاً غیرمعمول رخ دهند.
فرض کنید همبستگی بین شاخص S&P 500 و یک سهام فناوری را در طول سال گذشته با استفاده از بازده‌های روزانه تحلیل می‌کنیم. در اکثر روزها، سهام مشابه بازار حرکت می‌کند، با بازده‌هایی بین -2٪ تا +2٪. با این حال، در یک روز خاص:
- بازده S&P 500: +0.5٪
- بازده سهام فناوری: +30٪
این جهش 30٪ در سهام فناوری ممکن است ناشی از اخبار غیرمنتظره‌ای مانند یک پیشرفت بزرگ در محصول باشد. این بازده بیش از حد در یک روز، میانگین بازده سهام فناوری را بالا می‌برد و ممکن است رابطه معمول آن با بازار را به اشتباه نشان دهد.
بنابراین، اگر ضریب همبستگی را با احتساب این داده پرت محاسبه کنیم، ممکن است همبستگی ضعیف‌تری بین سهام و S&P 500 را نشان دهد که در اکثر روزهای معاملاتی وجود ندارد. به طور کلی، این به این معناست که باید مراقب زمان‌هایی باشیم که داده‌ها ممکن است نماینده اکثر موقعیت‌های معاملاتی نباشند.
همبستگی منفی و سرمایه‌گذاری
برای سرمایه‌گذاران، همبستگی منفی به رابطه‌ای بین دو دارایی اشاره دارد که قیمت‌هایشان تمایل به حرکت در جهت‌های مخالف دارند. وقتی ارزش یک دارایی افزایش می‌یابد، دیگری تمایل به کاهش دارد و بالعکس. بهره‌گیری از روابط معکوس می‌تواند راهی عالی برای مدیریت ریسک و بهینه‌سازی پرتفوی‌ها باشد.
دو کاربرد اصلی در مالی و سرمایه‌گذاری عبارتند از:
- مدیریت ریسک و تنوع‌بخشی: با گنجاندن دارایی‌های با همبستگی منفی در یک پرتفوی، سرمایه‌گذاران می‌توانند نوسانات کلی را کاهش دهند. وقتی یک دارایی کاهش ارزش پیدا می‌کند، دیگری ممکن است افزایش یابد و زیان‌ها را جبران کند.
- هجینگ (Hedging): سرمایه‌گذاران اغلب از دارایی‌های با همبستگی منفی به‌عنوان پوششی در برابر زیان‌های احتمالی در دارایی‌های اصلی خود استفاده می‌کنند.
نمونه‌هایی از دارایی‌هایی که به طور سنتی گفته می‌شود همبستگی منفی دارند:
- سهام و اوراق قرضه: وقتی قیمت سهام کاهش می‌یابد، قیمت اوراق قرضه اغلب افزایش می‌یابد، زیرا سرمایه‌گذاران به دنبال پناهگاه‌های امن‌تر هستند.
- طلا و دلار آمریکا: قیمت طلا اغلب زمانی افزایش می‌یابد که دلار آمریکا ضعیف می‌شود (مانند نیمه اول دهه 2020 و اواخر دهه 1970) و بالعکس.
- سهام دفاعی و سهام دوره‌ای: سهام دفاعی (مانند شرکت‌های خدماتی) اغلب زمانی عملکرد بهتری دارند که سهام دوره‌ای (مانند فناوری) با مشکل مواجه می‌شوند.
با این حال، گرچه این روابط اغلب به‌عنوان درست فرض می‌شوند، اهمیت همبستگی در طول زمان می‌تواند تغییر کند، بنابراین بهتر است ابتدا داده‌ها را بررسی کنید.
همبستگی منفی و تنوع‌بخشی پرتفوی
همبستگی منفی هنگام ساخت یک پرتفوی کلیدی است. وقتی بین بخش‌ها یا دارایی‌های از مکان‌های مختلف یافت می‌شود، همبستگی‌های منفی می‌توانند برای ایجاد پرتفوی‌های متنوع استفاده شوند که بهتر بتوانند در برابر نوسانات بازار مقاومت کنند و بازده پرتفوی را در بلندمدت هموار کنند.
ساخت پرتفوی‌های بزرگ و پیچیده که همبستگی‌ها در آن‌ها به‌دقت متعادل شده‌اند، تخصیص دارایی استراتژیک نامیده می‌شود.
همبستگی منفی بلندمدت تاریخی بین سهام و اوراق قرضه را در نظر بگیرید. سهام معمولاً در دوره‌های عملکرد اقتصادی قوی از اوراق قرضه پیشی می‌گیرند، اما با کند شدن اقتصاد و کاهش نرخ‌های بهره توسط فدرال رزرو آمریکا و سایر بانک‌های مرکزی برای تحریک اقتصاد، اوراق قرضه اغلب از سهام عملکرد بهتری دارند.
حقیقت سریع: سهام و اوراق قرضه معمولاً همبستگی منفی دارند، اما مانند سایر طبقات دارایی، همبستگی در شرایط خاصی نوسان می‌کند و این دو دارایی در برخی مواقع بیشتر یا کمتر همبسته می‌شوند.
مثال: ساخت یک پرتفوی با همبستگی‌های منفی
با استفاده از جدول همبستگی دارایی‌های بالا، بیایید ببینیم آیا می‌توانیم با داده‌های مربوط به رابطه بین دارایی‌های مختلف، یک پرتفوی نسبتاً متعادل بسازیم. این صرفاً برای اهداف اطلاعاتی است.
دلایل بسیار بیشتری برای گنجاندن یا حذف برخی دارایی‌ها وجود دارد که فراتر از همبستگی‌های آن‌هاست. برای این کار، به اطلاعات به‌روزتری در مورد عملکرد اخیر، تحمل ریسک، نیازهای نقدینگی، افق زمانی، و سایر جزئیاتی که به سرمایه‌گذار فردی و شرایط کنونی بازار بستگی دارد، نیاز داریم. اما انجام این کار مفهوم را نشان می‌دهد.
یک پرتفوی متعادل اغلب شامل ترکیبی از دارایی‌های با همبستگی مثبت و منفی است تا ریسک را مدیریت کند و بازده را در بلندمدت بهینه کند. بیایید ترکیبی از ETFهایی را انتخاب کنیم که نماینده سهام، اوراق قرضه، مقداری طلا، و کالاها از جدول بالا باشند:
- S&P 500 large-caps (IVV): 20٪
- U.S. mid-caps (IJH): 10٪
- U.S. small-caps (IJR): 10٪
- International (non-U.S.) stocks (EFA): 10٪
- Emerging market stocks (EEM): 10٪
- U.S. investment grade bonds (AGG): 15٪
- Seven-to-10-year Treasuries (IEF): 10٪
- Gold (GLD): 5٪
- Commodities (DBC): 10٪
این پرتفوی از نظر دیگر معیارها (دو سوم تخصیص سهام در بازارهای پرنوسان‌تر است) متعادل نیست، اما بیایید ببینیم چگونه می‌توانیم همبستگی‌ها را متعادل کنیم.
نحوه محاسبه میانگین همبستگی وزنی
برای تعیین همبستگی کلی پرتفوی، میانگین همبستگی وزنی را محاسبه می‌کنیم، که به این معناست که ابتدا همبستگی هر ETF با سایرین در پرتفوی را مشخص می‌کنیم.
مرحله 1: برای هر ETF، همبستگی آن با تمام ETFهای دیگر در جدول همبستگی را شناسایی کردیم. برای مثال، برای ETF بزرگ‌سرمایه S&P 500 (IVV)، باید همبستگی آن با دیگران را پیدا کنیم. در اینجا IVV با دیگران است:
- IJH: 0.91
- IJR: 0.85
- EFA: 0.86
- EEM: 0.76
- AGG: 0.07
- IEF: -0.20
- GLD: 0.02
- DBC: 0.35
باید همین کار را برای هر یک از ETFهای دیگر در پرتفوی انجام دهید: IJH، IJR، و غیره. این کار می‌تواند به‌سرعت در یک صفحه‌گسترده انجام شود.
مرحله 2: همبستگی‌های بالا را جمع کنید. با استفاده از فرمول جمع در صفحه‌گسترده گوگل، به عدد 3.62 می‌رسیم.
مرحله 3: تقسیم بر هشت برای به‌دست آوردن میانگین، که حدود 0.45 است.
مرحله 4: حالا، همین کار را برای هر یک از ETFهای دیگر در پرتفوی و همبستگی‌های آن‌ها انجام دهید. ما میانگین همبستگی‌ها را برای آن‌ها با هر ETF دیگر به صورت زیر محاسبه کرده‌ایم:
- IVV: 0.45
- IJH: 0.46
- IJR: 0.44
- EFA: 0.47
- EEM: 0.43
- AGG: 0.20
- IEF: 0.02
- GLD: 0.16
- DBC: 0.25
مرحله 5: حالا، همبستگی‌های وزنی را محاسبه می‌کنیم. این به این دلیل است که هر یک از آن‌ها درصد خاصی از پرتفوی را تشکیل می‌دهند و ما می‌خواهیم این را در نظر بگیریم. بنابراین، میانگین‌های بالا را در درصد سهم هر کدام از پرتفوی ضرب می‌کنیم:
- IVV: 0.45 × 0.20 = 0.09
- IJH: 0.46 × 0.10 = 0.046
- IJR: 0.44 × 0.10 = 0.044
- EFA: 0.47 × 0.10 = 0.047
- EEM: 0.43 × 0.10 = 0.043
- AGG: 0.20 × 0.15 = 0.03
- IEF: 0.02 × 0.10 = 0.002
- GLD: 0.16 × 0.05 = 0.008
- DBC: 0.25 × 0.10 = 0.025
مرحله 6: حالا این‌ها را جمع می‌کنیم تا به عدد 0.34 (گرد شده تا دو رقم اعشار) برسیم. این میانگین همبستگی وزنی برای پرتفوی است.
چرا میانگین همبستگی وزنی مهم است
مثال بالا میانگین همبستگی وزنی 0.34 را نشان می‌دهد، که بیانگر این است که به طور متوسط، دارایی‌های پرتفوی ما تمایل متوسطی به حرکت در یک جهت دارند. در حالی که پرتفوی ما تا حدی متنوع است، کاملاً از روندهای بازار مصون نیست.
همبستگی آنقدر بالا نیست که همه دارایی‌ها کاملاً هم‌جهت حرکت کنند، اما همبستگی مثبت کافی وجود دارد که پرتفوی احتمالاً اثرات تغییرات بازار را به طور جمعی تجربه خواهد کرد.
میانگین همبستگی در این محدوده، پرتفویی را نشان می‌دهد که دارایی‌هایی با درجات مختلف همبستگی را ترکیب می‌کند:
- دارایی‌های با همبستگی بالا (مانند IVV، IJH، و EFA) احتمالاً با هم حرکت می‌کنند و پتانسیل بازده بالاتر را در زمانی که بازارها قوی هستند ارائه می‌دهند، اما همچنین ریسک کاهش همزمان را دارند.
- دارایی‌های با همبستگی پایین یا منفی اندک (مانند AGG و IEF) ثبات را فراهم می‌کنند، زیرا در دهه گذشته تمایل داشته‌اند متفاوت از سهام در پرتفوی ما رفتار کنند و نوسانات کلی را کاهش می‌دهند.
- دارایی‌های خنثی (مانند GLD و DBC) تنوع بیشتری اضافه می‌کنند، زیرا در دهه گذشته به شدت تحت تأثیر حرکت‌های سهام قرار نگرفته‌اند.
میانگین همبستگی نسبتاً متوسط پرتفوی امیدوار است به ما اجازه دهد رشد را به دست آوریم در حالی که ریسک را مدیریت می‌کنیم. در طی یک روند صعودی بازار، دارایی‌های با همبستگی مثبت ممکن است سودهای پرتفوی را افزایش دهند. در عین حال، در صورت افت بازار، دارایی‌های با همبستگی پایین یا منفی باید به کاهش زیان‌ها کمک کنند و یک بالشتک در برابر نوسانات فراهم کنند.
حقیقت سریع: هنگامی که دارایی‌هایی که اغلب همبستگی منفی دارند در یک جهت حرکت می‌کنند، این نمونه‌ای از ریسک سیستماتیک است. ریسک سیستماتیک نمی‌تواند از طریق تنوع‌بخشی حذف شود؛ این ریسک ذاتی موجود در سرمایه‌گذاری در بازارهای مالی است.
گرچه کلاس‌های دارایی ممکن است به طور سنتی همبستگی منفی داشته باشند، شرایط اقتصاد کلان ممکن است باعث شود کلاس‌های دارایی به دلیل تأثیرات گسترده‌تر بر بازار به طور مشابه عمل کنند.
تنظیم دقیق پرتفوی
اگر هدف ما کاهش بیشتر همبستگی پرتفوی و افزایش تنوع‌بخشی باشد، می‌توانیم تخصیص دارایی‌های با همبستگی پایین‌تر یا منفی، مانند اوراق قرضه (AGG، IEF) یا کالاها (GLD، DBC) را افزایش دهیم.
در عین حال، اگر به دنبال کسب سودهای بیشتر در صورت صعود بازار باشیم، ممکن است تخصیص خود را به دارایی‌های با همبستگی بالا مانند سهام بزرگ‌سرمایه (IVV) یا سهام بین‌المللی (EFA) افزایش دهیم.
محدودیت‌های استفاده از همبستگی‌ها برای ساخت پرتفوی
در حالی که همبستگی در ساخت یک پرتفوی متعادل ضروری است، یک استراتژی جامع همچنین تخصیص دارایی، تحمل ریسک، افق زمانی، و اهداف مالی را در نظر می‌گیرد. برای مثال، در حالی که همبستگی‌های پایین یا منفی می‌توانند به کاهش نوسانات پرتفوی کمک کنند، ممکن است بازده‌های بالقوه را نیز محدود کنند اگر دارایی‌های با همبستگی نزدیک به صفر عملکرد ضعیفی داشته باشند.
علاوه بر این، نقدینگی، شرایط بازار، و چشم‌انداز اقتصادی اغلب نقش بزرگ‌تری در تعیین دارایی‌هایی که باید در یک پرتفوی گنجانده شوند، ایفا می‌کنند. در اینجا برخی از معایب استفاده از همبستگی‌های دارایی به‌تنهایی آورده شده است:
- تغییرات بازار: همبستگی‌ها ثابت نیستند و با تغییر در شرایط بازار، چرخه‌های اقتصادی، یا رویدادهای ژئوپلیتیکی تغییر می‌کنند. یک جفت دارایی که در گذشته همبستگی پایین یا منفی نشان داده‌اند، ممکن است در دوره‌های استرس بازار همبسته‌تر شوند و اثربخشی آن‌ها را کاهش دهند. بنابراین، بررسی داده‌های اخیر همبستگی دارایی‌ها و عدم پذیرش صرفاً باورهای قدیمی درباره سهام و اوراق قرضه هنگام ساخت پرتفوی ضروری است.
- فرض رابطه خطی: همبستگی تنها رابطه خطی بین دو دارایی را اندازه‌گیری می‌کند. با این حال، بسیاری از دارایی‌ها ممکن است روابط پیچیده و غیرخطی داشته باشند که همبستگی نمی‌تواند آن‌ها را ثبت کند و ممکن است جنبه‌های مهمی از تعامل آن‌ها را از دست بدهد.
- عدم ثبت نوسانات: همبستگی هیچ اطلاعاتی در مورد میزان حرکت قیمت دارایی‌ها ارائه نمی‌دهد. دو دارایی ممکن است همبستگی پایینی داشته باشند، اما اگر یکی بسیار پرنوسان باشد، همچنان می‌تواند به طور قابل‌توجهی به ریسک پرتفوی کمک کند. بنابراین، باید از معیارهای همبستگی و نوسانات، مانند انحراف معیار، به طور همزمان استفاده شود.
- تاریخ آینده نیست: همبستگی معمولاً بر اساس داده‌های تاریخی محاسبه می‌شود که ممکن است روابط آینده را به‌دقت پیش‌بینی نکند.
- تنوع‌بخشی در کلاس دارایی: همبستگی بر رابطه بین و میان مجموعه‌های دارایی تمرکز دارد، اما تنوع‌بخشی در میان کلاس‌های دارایی، بخش‌ها، یا مناطق جغرافیایی را در نظر نمی‌گیرد. یک پرتفوی ممکن است همبستگی‌های پایینی در یک کلاس دارایی داشته باشد، اما اگر به انواع دیگر دارایی‌ها دسترسی نداشته باشد، همچنان تنوع کافی نداشته باشد.
همبستگی چگونه محاسبه می‌شود؟
گرچه می‌توانید از ماشین‌حساب‌های آنلاین برای محاسبه این ارقام استفاده کنید، ابتدا باید کوواریانس هر متغیر را پیدا کنید. سپس، ضریب همبستگی با تقسیم کوواریانس بر حاصل‌ضرب انحراف معیارهای متغیرها تعیین می‌شود.
انواع همبستگی کدامند؟
همبستگی رابطه بین دو متغیر را اندازه‌گیری می‌کند و سه نوع اصلی وجود دارد: مثبت، منفی، و بدون همبستگی. علاوه بر این، روش‌های مختلفی برای محاسبه همبستگی وجود دارد که هر کدام برای انواع مختلف داده مناسب هستند.
- همبستگی پیرسون (Pearson): رابطه خطی بین دو متغیر پیوسته را اندازه‌گیری می‌کند.
- همبستگی کندال (Kendall) و همبستگی اسپیرمن (Spearman): نشان می‌دهند که چگونه یک متغیر به طور مداوم با دیگری افزایش یا کاهش می‌یابد، حتی اگر رابطه کاملاً خطی نباشد.
- همبستگی نقطه‌ای-دوسری (Point-Biserial): زمانی استفاده می‌شود که یک متغیر پیوسته و دیگری باینری باشد.
این روش‌های مختلف دیدگاه‌های متنوعی در مورد نحوه تعامل دارایی‌ها ارائه می‌دهند و تأکید می‌کنند که همبستگی، گرچه ابزار مفیدی است، در تحلیل پرتفوی محدودیت‌هایی دارد.
آیا همبستگی منفی بهتر از همبستگی مثبت است؟
برای برخی سرمایه‌گذاران، همبستگی منفی بهتر از همبستگی مثبت است. این به این معناست که سرمایه‌گذاران با ریسک کمتری مواجه می‌شوند، فرصت سرمایه‌گذاری در انواع مختلف اوراق بهادار را دارند و اغلب نوسانات پرتفوی کمتری را تجربه می‌کنند. برای دیگران، همبستگی منفی به معنای هجینگ سرمایه‌گذاری‌هایشان است که سودهای بالقوه را به حداقل می‌رساند.
روندها و داده‌های اخیر
بر اساس اطلاعات موجود و پست‌های X تا اوت 2025:
- تغییرات در همبستگی‌ها: گزارش بلومبرگ در سال 2024 نشان می‌دهد که همبستگی بین سهام و اوراق قرضه در سال‌های اخیر به دلیل افزایش نرخ‌های بهره و سیاست‌های پولی سخت‌گیرانه فدرال رزرو (نرخ‌ها در حدود 5.25٪-5.5٪) کمتر منفی شده است، که نیاز به بازنگری استراتژی‌های تنوع‌بخشی را نشان می‌دهد.
- افزایش استفاده از ابزارهای هوش مصنوعی: پست‌های X در سال 2025 اشاره دارند که سرمایه‌گذاران به‌طور فزاینده‌ای از ابزارهای تحلیل داده مبتنی بر هوش مصنوعی برای نظارت بر همبستگی‌های دارایی در زمان واقعی استفاده می‌کنند تا پرتفوی‌های خود را به طور پویا تنظیم کنند.
- نظارت نظارتی: طبق گزارش رویترز در سال 2024، کمیسیون بورس و اوراق بهادار (SEC) در حال بررسی افشای اطلاعات توسط صندوق‌های سرمایه‌گذاری در مورد استراتژی‌های تنوع‌بخشی مبتنی بر همبستگی است تا از گمراهی سرمایه‌گذاران جلوگیری کند.
- هشدارهای سرمایه‌گذاری: پست‌های X در سال 2025 به سرمایه‌گذاران توصیه می‌کنند که همبستگی‌های تاریخی را به طور منظم بازنگری کنند و از وابستگی بیش از حد به فرضیات سنتی مانند همبستگی منفی سهام و اوراق قرضه اجتناب کنند، به‌ویژه در محیط‌های بازار پرنوسان.
نتیجه‌گیری
همبستگی منفی رویکردی استراتژیک برای مدیریت ریسک و تنوع‌بخشی پرتفوی ارائه می‌دهد. با جفت کردن دارایی‌هایی که تمایل به حرکت در جهت‌های مخالف دارند، سرمایه‌گذاران می‌توانند نوسانات کلی پرتفوی را کاهش دهند و استراتژی‌های پایدارتری ایجاد کنند.
این رویکرد چالش انتخاب صرفاً دارایی‌های با همبستگی مثبت را به چالش می‌کشد و راه‌های جدیدی برای پیمایش بازارهای مالی باز می‌کند.
با این حال، ضرایب همبستگی می‌توانند در طول زمان، به‌ویژه در طی رویدادهای شدید بازار، تغییر کنند. استفاده موفق از استراتژی‌های همبستگی منفی نیازمند تحلیل مداوم، درک به‌روز و ظریف از بازار، و آمادگی برای سازگاری با شرایط متغیر است. در سال 2025، با تغییر همبستگی‌ها و پیشرفت‌های فناوری، سرمایه‌گذاران باید از داده‌های اخیر استفاده کنند، ابزارهای تحلیلی پیشرفته را به کار گیرند، و با مشاوران مالی مشورت کنند تا پرتفوی‌های متنوع و مقاوم در برابر ریسک را بسازند.
نظرات کاربران