4. 相关性矩阵的构建与可视化

行业间相关性研究的起点，是一张按“时间 × 行业”排列的收益率面板。假设我们跟踪 10 个申万一级行业，取最近 250 个交易日的日收益率，面板就是一个 250 行 × 10 列的矩阵：每一行是一个交易日，每一列是一个行业。相关性矩阵要回答的问题是：这 10 列之间，两两的同步程度有多高。因此构建过程本质上是把“时间序列面板”压缩成“行业 × 行业”的对称方阵，对角线恒为 1，非对角线元素是皮尔逊相关系数，取值范围 [-1, 1]，正值表示同向联动，负值表示反向对冲。

实际计算时有两个容易被忽略的细节。第一是对齐：不同行业的停牌、节假日、指数成分调整会造成缺失值，必须先按交易日对齐，再决定是剔除整行还是用前值填充；直接对长度不一的序列求相关会得到错误结果。第二是频率与窗口：日收益率相关性噪声大，常用 60 日、120 日或 250 日滚动窗口；窗口越短越敏感、越能捕捉结构变化，但估计误差也越大。下面给出一个可直接运行的最小实现，使用 pandas 从面板生成相关矩阵：

import pandas as pd
import numpy as np

# ret_panel: index=交易日, columns=行业, values=日收益率
ret = ret_panel.dropna(how="any")          # 对齐后剔除缺失交易日
corr = ret.corr(method="pearson")          # 10x10 对称矩阵
print(corr.round(2))

# 若需稳健性，可改用 Spearman 秩相关
corr_s = ret.corr(method="spearman")

得到矩阵后，第一件事不是画图，而是读数值。以示例数据为例（以下数值为教学假设，非实测）：银行与非银金融约 0.78，食品饮料与医药约 0.55，电子与计算机约 0.72，而公用事业与电子仅约 0.12，黄金相关行业与多数制造业行业在 0.05 附近甚至为负。这说明行业相关性存在明显的“板块内高、板块间低”的块状结构。仅看数字很难在 45 个非重复配对中快速定位这种结构，于是需要可视化。

三种可视化各有分工，不能互相替代。热力图保留完整的数值信息，用颜色深浅编码相关系数，适合精确查找某一对行业的相关水平，也适合观察块状聚集；缺点是行业一多，标签拥挤、颜色分辨力下降。聚类树状图把相关矩阵转化为距离矩阵（常用距离 d = 1 − ρ），用层次聚类把高相关行业先合并，叶节点顺序重排后能直接看出“哪些行业先抱团”；它回答的是结构分组问题，但不显示具体数值。网络图把行业画成节点、把相关性画成边，只保留超过阈值的强连接（例如 |ρ| ≥ 0.6），适合观察中心节点、桥接行业和孤立行业；缺点是阈值选择主观，且边太多时会变成“毛线球”。

把三种图放在一起看，才能形成完整判断。以示例矩阵为例：热力图上银行与非银金融形成深色块，电子与计算机形成另一深色块，两块之间颜色明显变浅；聚类树会把这两组分别先合并，再在较高距离处合并；网络图中银行、非银金融、电子、计算机构成两个紧密子图，而公用事业只有一两条弱边。三个视角指向同一结论：金融板块内部高度同质，科技板块内部高度同质，两板块之间相关性中等，公用事业是分散化价值较高的低相关资产。这正是后续资金分散配置的直接依据。

工程实现上有几点值得注意。热力图建议用发散色阶（如以 0 为中心、负相关用冷色、正相关用暖色），并固定色阶范围 [-1, 1]，否则不同窗口的图无法横向比较；聚类时距离矩阵必须对称且对角线为 0，常用 scipy.cluster.hierarchy.linkage 配合 squareform，聚类方法可选 average 或 ward，不同方法会改变叶节点顺序但不改变“谁和谁更近”的实质；网络图建议先设定阈值再布局，节点大小可按度中心性映射，避免所有节点等大而看不出中心。若行业数量超过 20 个，热力图应隐藏具体数值、只保留颜色，网络图则应提高阈值，否则边过密失去可读性。

最后给出一份可复用的检查清单，用于每次生成相关性矩阵后快速自检：面板是否已按交易日对齐、样本量是否足够（建议不少于 60 个观测）、相关系数是否落在 [-1, 1] 且对角线为 1、热力图色阶是否固定、聚类距离是否由 1 − ρ 得到、网络图阈值是否与结论匹配、三种可视化结论是否互相印证。完成这些检查，相关性矩阵才真正成为可支撑资金分散决策的工具，而不只是一张好看的图。