3. 相关性度量基础与选择准则

在板块相关性突变监测中，度量方法的选择直接决定了“突变”能否被及时、准确地识别。不同相关系数对线性关系、单调关系、极端联动和尾部风险的敏感度差异很大，若不加区分地统一使用皮尔逊系数，很可能在尾部风险上升时反而低估相关性。本节围绕四类常用度量展开，并讨论频率、窗口与对齐三个工程参数对估计结果的影响，最后形成一份可执行的度量选择检查表。

四类度量的适用边界

皮尔逊相关系数衡量的是两列收益率的线性相关程度，取值在 −1 到 1 之间，计算依赖均值和标准差，因此对极端值敏感。它适合收益率近似对称、尾部不厚、且我们关心整体线性联动的场景，例如大盘蓝筹板块之间的日常联动监测。其代价是：当两板块在下跌时同步、上涨时分化，皮尔逊系数会把两种关系平均掉，掩盖非对称联动。

斯皮尔曼秩相关先把收益率转换为秩次再计算皮尔逊系数，度量的是单调关系而非线性关系，对极端值的敏感度显著降低。它适合收益率分布偏斜、存在明显离群点，或关系单调但非线性的板块对。缺点是秩变换会压缩尾部信息，当真正需要捕捉“极端同跌”时，斯皮尔曼可能偏保守。

肯德尔秩相关基于一致对与不一致对的比例，统计含义是“随机抽取两个时点，两板块同向变动的概率减去反向变动的概率”。它对样本量较敏感，小样本下方差较大，但解释直观、对离群点稳健，适合样本量中等、需要稳健单调度量的场景。

尾部相关性度量包括下尾/上尾相关系数、Copula 尾部依赖参数、以及基于阈值的条件联合概率（如两板块同时跌破各自 5% 分位数的条件概率）。它不描述整体联动，而专门刻画极端行情下的共振强度，是板块压力测试与突变预警的核心指标。实践中常与皮尔逊或斯皮尔曼并列使用，形成“整体 + 尾部”的双层监测。

频率、窗口与对齐：三个容易踩坑的工程参数

收益率频率。频率越高，单期收益率的信噪比越低。以 5 分钟频率计算板块相关性，买卖价差、非同步交易和微观结构噪声会系统性压低相关系数，出现“高频低相关”的假象；而日频或周频更能反映板块的基本面联动。实践中建议以日频作为主监测频率，分钟频仅用于盘中突变的事后归因，且需先做去噪或使用已实现相关等修正方法。

窗口长度。窗口是偏差与方差的权衡。窗口过短（如 20 日），估计方差大，相关系数在 0.3 到 0.7 之间大幅跳动，容易把噪声误判为突变；窗口过长（如 250 日），虽然稳定，但对突变的响应滞后，可能错过风险积聚的早期信号。一个可操作的折中是：主监测用 60 日滚动窗口，辅以 120 日作为慢速参照，当两者出现方向性背离时重点排查。窗口内还应保证有效样本数，缺失超过 20% 时该窗口结果应标记为不可靠。

数据对齐。板块相关性最隐蔽的误差来源是对齐。不同市场时区不同、节假日不同、个股停牌与指数成分调整都会造成时间戳错位。若直接按自然日拼接，会把“今天 A 板块的收益”与“昨天 B 板块的收益”配对，人为压低相关性。正确做法是：以交易日历交集为准，先对齐交易日再计算收益率；对停牌或缺失值，采用剔除该交易日整行而非单边填充，避免引入伪数据。对于跨时区市场，还需明确是使用本地收盘价还是统一换算到同一时点。

度量选择检查表

下表把上述判断固化为可逐项核对的检查表，建议在每次建立或调整板块相关性监测任务时填写一遍，并随监测日志归档。

需要强调的是，度量之间并非互斥。稳健的做法是同时输出皮尔逊与尾部相关性两条曲线：前者反映整体联动中枢的漂移，后者反映极端共振的抬升。当皮尔逊平稳而尾部相关性持续上行时，往往意味着“平时分化、跌时同跌”的结构正在形成，这正是板块相关性突变监测最需要提前捕捉的信号。度量选择检查表的价值，就在于把这种判断从经验直觉转化为可复核、可归档的固定动作。