Korrelaatio on yksi keskiverto-sijoittajan tärkeimmistä työkaluista. Se kertoo, liikuskelevatko sijoitukset samansuuntaisesti vai eri suuntiin. Oikein käytettynä korrelaatio auttaa rakentamaan salkun, joka kestää paremmin markkinajäristyksiä kuin joukko samankaltaisia sijoituksia. Tässä oppaassa käyn läpi, mitä korrelaatio tarkoittaa, miten se lasketaan käytännössä, mitä rajoitteita sillä on ja miten suomalainen sijoittaja voi hyödyntää sitä aidossa hajautuksessa. Teksti sisältää konkreettisia laskuesimerkkejä ja käytännön vinkkejä työkaluista, joilla pääset alkuun.
Mikä on korrelaatio ja miksi se on tärkeä?
Korrelaatio mittaa kahden muuttujan yhteisvaihtelua. Sijoituksissa se kertoo, kuinka samankaltaisesti kahden omaisuuslajin tuotto käyttäytyy ajan kuluessa. Arvo vaihtelee -1 ja +1 välillä:
- +1 tarkoittaa täydellistä positiivista korrelaatiota: molemmat liikkuvat aina samaan suuntaan prosentuaalisesti.
- 0 tarkoittaa, ettei yhteistä lineaarista suhdetta ole.
- -1 tarkoittaa täydellistä negatiivista korrelaatiota: yksi nousee, toinen laskee täsmälleen päinvastaisesti.
Käytännössä tavoite on yhdistää salkkuun eri korreloivia omaisuuseriä. Kun osa salkusta ei seuraa osakkeiden liikkeitä, koko salkun volatiliteetti laskee. Tämä ei välttämättä heikennä tuottoa, mutta parantaa riskisäätelemistä ja voi nostaa riskikorjattua tuottoa.
Yksinkertainen esimerkki: Jos sinulla on kaksi osaketta, jotka käyttäytyvät täysin samalla tavalla (korrelaatio +1), et saa hajautushyötyä. Jos niillä on korrelaatio 0 tai negatiivinen, hajautusarvo on todellinen.
Kuinka laskea korrelaatio käytännössä
Helpoiten korrelaation saa laskettua työkaluilla kuten Excelillä tai Pythonin pandas-kirjastolla. Excelissä funktio on CORREL(data1; data2) (suomessa erottimena voi olla ; tai , riippuen asetuksista). Pandasissa: df.corr() palauttaa korrelaatiomatriisin.
Peruslasku eli Pearsonin korrelaatiokerroin toimii näin yksinkertaisimmillaan:
1. Laske kummankin sarjan keskiarvo.
2. Vähennä keskiarvo kustakin havainnosta.
3. Kerro vastaavat erotukset ja laske niiden keskiarvo -> saat kovarianssin.
4. Jaa kovarianssi kumpienkin sarjojen keskihajontojen tulolla.
Pieni numeroesimerkki käsin:
- A:n kuukausituotot: 1 %, -1 %, 2 %
- B:n kuukausituotot: 2 %, -2 %, 1 %
Keskiarvot: A: 0,67 %, B: 0,33 %
Poikkeamat: A: 0,33; -1,67; 1,33 (prosenttiyksiköissä), B: 1,67; -2,33; 0,67
Kovarianssi ≈ (0,33*1,67 + -1,67*-2,33 + 1,33*0,67) / (3-1) ≈ luku X
Korrelaatio = kovarianssi / (sd(A)*sd(B))
Kaikki laskukaavat löytyvät työkalujen funktioista, joten manuaalinen lasku harvoin on tarpeen. Tärkeämpää on valita oikea aikaikkuna (päivät, viikot, kuukaudet) ja havaintojen määrä. Pitkät sarjat antavat luotettavamman arvion, mutta voivat piilottaa viimeaikaisen muutoksen. Siksi on hyödyllistä katsoa sekä pitkän aikavälin että rolling-correlation -näkymiä (esim. 36 kk liukuva korrelaatio).
Sijoitusesimerkit: miten korrelaatio vaikuttaa hajautukseen
Numeroilla havainnollistaminen auttaa ymmärtämään vaikutuksen suuruuden. Otetaan kaksi omaisuutta:
- X: volatiliteetti (σ1) = 10 % (0,10)
- Y: volatiliteetti (σ2) = 15 % (0,15)
- Painot: 50 % kumpaankin (w1 = w2 = 0,5)
Portfolio-varianssi kaavalla:
Var_p = w1^2·σ1^2 + w2^2·σ2^2 + 2·w1·w2·σ1·σ2·ρ
Lasketaan:
w1^2·σ1^2 = 0,25*0,01 = 0,0025
w2^2·σ2^2 = 0,25*0,0225 = 0,005625
Yhteensä ilman korrelaatiota: 0,008125
Ristiin tuleva termi = 2*0,5*0,5*0,10*0,15*ρ = 0,0075·ρ
Tapaukset:
- ρ = 0,8 -> Var = 0,008125 + 0,006 = 0,014125 -> SD ≈ 11,9 %
- ρ = 0 -> Var = 0,008125 -> SD ≈ 9,0 %
- ρ = -0,5 -> Var = 0,008125 - 0,00375 = 0,004375 -> SD ≈ 6,6 %
Jo pienen negatiivisen korrelaation vaikutus on merkittävä. Vaikka yksittäisten omaisuuslajien volatiliteetti ei muutu, salkun riski voi pienentyä huomattavasti.
Kolmen tai useamman omaisuuden kohdalla korrelaatiomatriisi antaa kokonaiskuvan. Jos useammat omaisuuserät korreloivat vahvasti keskenään, hajautushyöty jää vähäiseksi. Monissa markkinatilanteissa esimerkiksi eri teknologiayhtiöiden osakkeet korreloivat voimakkaasti, joten pelkkä yritysten lukumäärä ei riitä hajautukseksi — pitää katsoa eri omaisuusluokkia ja maantieteellistä hajautusta.
Rajoitukset ja sudenkuopat
Korrelaatio on voimakas työkalu, mutta sillä on selkeitä rajoitteita:
- Lineaarinen mittari: Pearsonin korrelaatio mittaa lineaarista suhdetta. Jos suhde on ei-lineaarinen, korrelaatio voi aliarvioida yhteyden.
- Aikasidonnaisuus: Korrelaatio muuttuu ajassa. Esimerkiksi finanssikriiseissä eri omaisuuserien korrelaatiot usein kasvavat (correlations go to one).
- Tail-dependence: Kriisiajat paljastavat riippuvuuksia, joita keskiarvo ei näytä. Korkeita tappioita voi tapahtua samanaikaisesti vaikka keskimääräinen korrelaatio olisi matala.
- Otoskoko ja virhe: Lyhyt historiadata antaa epäluotettavan arvion. Satunnainen heilahtelu voi näyttää vahvaa korrelaatiota ilman todellista syy-yhteyttä.
- Spuriaalisuus: Kaksi aikajanaa voivat korreloida sattumalta ilman taloudellista yhteyttä.
- Sektoriero vs tekijäpohjainen korrelaatio: Usein eri osakkeiden korrelaatio syntyy yhteisistä tekijöistä (korko, talouskasvu, valuuttakurssit). Näiden tekijöiden ymmärtäminen auttaa rakentamaan aidosti riippumattomia salkunosia.
Käytännön suosituksia rajoitteiden hallintaan:
- Katso sekä pitkää että lyhyttä aikajännettä ja käytä liukuvaa korrelaatiota.
- Testaa skenaarioita: mitä tapahtuu, jos kaikki korrelaatiot nousevat kriisitilanteessa?
- Hyödynnä "shrinkage"-estimointimenetelmiä tai Ledoit–Wolf-approksimaatioita pienentämään estimaattivirhettä korrelaatiomatriisissa.
- Älä luota vain historialliseen korrelaatioon — mieti myös fundamentteja.
Käytännön vinkit suomalaiselle sijoittajalle
1. Aloita selkeällä tavoitteella. Haluatko matalamman volatiliteetin, parempaa downside-protektiota vai korkeamman riskikorjatun tuoton? Tavoite vaikuttaa, mitä omaisuusluokkia valitset.
2. Kerää riittävä data. Käytä kuukausi- tai viikkotasoista tuottohistoriaa vähintään 5–10 vuoden ajalta, jos mahdollista. Suomessa OMX Helsinki -tuottohistoria löytyy helposti palveluista kuten Yahoo Finance, Nordnet tai Morningstar.
3. Älä sekoita eri aikaikkunoita. Jos yhdistät päivätason ja kuukausitason tuottoja, korrelaatioarvio ei ole vertailukelpoinen.
4. Käytä helppoja työkaluja:
- Excel: CORREL-funktio, korrelaatiomatriisi pivottitaululla.
- Portfolio Visualizer: helppo web-työkalu korrelaatiomatriiseihin ja optimointiin.
- Python/pandas: joustava työkalu, jos haluat automatisoida analyysin ja käyttää liukuvia korrelaatioita.
5. Etsi aidosti eriävä käyttäytyminen. Esimerkkejä:
- Suorat osakkeet vs. pitkät valtionlainat: usein heikko korrelaatio, mutta kriiseissä nousseet korrelaatiot?
- Kulttuuri: Kulta on historiallisesti toiminut hajauttajana ja inflaatiosuojana, mutta ei aina.
- Kansainvälinen hajautus: Suomen pörssin korrelaatio globaaleihin indekseihin voi olla korkea, joten maa-alueen hajautus kannattaa.
- Vaihtoehtoiset strategiat: trend following tai makro-strategiat voivat tarjota matalampaa korrelaatiota perinteisiin osakkeisiin.
6. Rebalanssi ja painojen optimointi. Pelkkä korrelaation tarkastelu ei riitä — painot vaikuttavat salkun riski-tuotto-profiiliin. Minimivarianssi- tai riskiparitasemalliset optimoinnit perustuvat korrelaatiomatriisiin, mutta muista säännöllinen uudelleenarviointi.
7. Testaa stressitilanteissa. Simuloi kriisit (esim. 2008, 2020) ja katso, miten korrelaatiot muuttuvat ja miten se vaikuttaa salkkuun. Tämä paljastaa “piilonriskit”.
8. Pidä kustannukset ja verotus mielessä. Hajautuksen rakentaminen kansainvälisiin ETF:iin tai vaihtoehtoihin voi tuoda transaktiokustannuksia ja valuuttavaikutuksia — ne kannattaa huomioida kokonaisriskissä.
Yhteenveto
Korrelaatio on käytännöllinen ja tehokas työkalu todellisen hajautuksen rakentamiseen. Sen avulla voi mitata, mitkä omaisuuserät aidosti tuovat lisähyötyä salkkuun. Käytännössä kannattaa:
- laskea korrelaatioita riittävällä datalla (eri aikaikkunoilla),
- käyttää sekä pitkän aikavälin että liukuvia analyysejä,
- huomioida, että kriiseissä korrelaatiot usein kasvavat,
- yhdistää korrelaatioanalyysi muihin työkaluihin (riskimittarit, stressitestit, faktorianalyysi).
Lopuksi, muista että korrelaatio on vain yksi näkökulma. Hyvä hajautus rakentuu tietoisesta yhdistelmästä omaisuusluokkia, järkevästä painotuksesta ja säännöllisestä uudelleenarvioinnista. Sijoittajana hyödynnät korrelaation parhaiten, kun ymmärrät sen rajoitteet ja käytät sitä yhdessä muiden riskienhallintamenetelmien kanssa.
Käytännön lähteet ja työkalut löytyvät helposti. Aloita vaikkapa Excelillä ja laajenna tarpeen mukaan Pythonilla tai valmiilla verkkotyökaluilla. Pienellä vaivalla saat selkeän kuvan oman salkkusi sisäisestä riippuvuudesta — ja usein myös konkreettisia keinoja vähentää riskiä ilman tuotto-odotuksen merkittävää kaventumista.
Lähteet ja lisälukemista:
https://www.investopedia.com/terms/c/correlation.asp
https://www.cfainstitute.org/en/research
https://support.microsoft.com/en-us/office/correl-function-5f0a4aa6-3f61-4f0f-9b4b-1d0b6a2e0e5b
https://pandas.pydata.org/docs/
https://www.portfoliovisualizer.com
https://www.suomenpankki.fi/en/