引言
相关关系是客观现象存在的一种非确定的相互依存关系，即自变量的每一个取值，因变量由于受随机因素影响，与其所对应的数值是非确定性的。相关分析中的自变量和因变量没有严格的区别，可以互换。
相关系数****简介
相关系数是最早由统计学家卡尔·皮尔逊设计的统计指标，是研究变量之间线性相关程度的量，一般用字母 r 表示。由于研究对象的不同，相关系数有多种定义方式，较为常用的是皮尔逊相关系数。
相关表和相关图可反映两个变量之间的相互关系及其相关方向，但无法确切地表明两个变量之间相关的程度。相关系数是用以反映变量之间相关关系密切程度的统计指标。相关系数是按积差方法计算，同样以两变量与各自平均值的离差为基础，通过两个离差相乘来反映两变量之间相关程度；着重研究线性的单相关系数。
诺贝尔经济学奖得主马科维茨曾说过“资产配置多元化是投资的唯一免费午餐”。投资中有句谚语，不要把鸡蛋放在一个篮子，实际上讲的就是选择相关性不高的资产进行配置。资产之间的相关性用什么指标衡量呢？资产之间的相关性可以用皮尔逊相关系数来衡量，它是一种数值指标，可以反映两个变量之间相关关系的密切程度。如果两个变量之间的相关系数大于0.8，则意味着它们之间有高度的相关性，而当相关系数小于0.2时，则意味着它们之间的相关性很低。因此，当进行资产配置时，投资者可以通过计算变量之间的相关系数，来确定不同资产之间的相关性，以便更好地实现多元化配置。
两个变量X、Y的相关系数可以用rho_{*xy}表示。rho_{*xy}的计算公式为：
其中，sigma_X表示X的标准差，sigma_Y表示Y的标准差，cov(X,Y)表示变量X与变量Y的协方差,mu_X表示X的均值，mu_Y表示Y的均值。
相关系数rho_{XY}取值在-1到1之间，rho_{XY} = 0时，称X,Y不相关； | \rho_{XY} | = 1时，称X,Y完全相关，此时，X,Y之间具有线性函数关系； | \rho_{XY} |< 1时，X的变动引起Y的部分变动， | \rho_{XY} |的绝对值越大，X的变动引起Y的变动就越大， | \rho_{XY} | > 0.8时称为高度相关，当 | \rho_{XY} | < 0.2时称为低度相关，其它时候为中度相关。rho_{XY}>0时，称其为正相关，rho_{XY}<0时，称其为反相关。
以下是几种常见的相关类型：
当一个或几个相互联系的变量取一定的数值时，与之相对应的另一变量的值虽然不确定，但它仍按某种规律在一定的范围内变化。变量间的这种相互关系，称为具有不确定性的相关关系。
按程度
⑴完全相关：两个变量之间的关系，一个变量的数量变化由另一个变量的数量变化所惟一确定，即函数关系。
⑵不完全相关：两个变量之间的关系介于不相关和完全相关之间。
⑶不相关：如果两个变量彼此的数量变化互相独立，没有关系。
按方向
⑴正相关：两个变量的变化趋势相同，从散点图可以看出各点散布的位置是从左下角到右上角的区域，即一个变量的值由小变大时，另一个变量的值也由小变大。
⑵负相关：两个变量的变化趋势相反，从散点图可以看出各点散布的位置是从左上角到右下角的区域，即一个变量的值由小变大时，另一个变量的值由大变小。
按形式
⑴线性相关（直线相关）：当相关关系的一个变量变动时，另一个变量也相应地发生均等的变动。
⑵非线性相关（曲线相关）：当相关关系的一个变量变动时，另一个变量也相应地发生不均等的变动。
按变量数目
⑴单相关：只反映一个自变量和一个因变量的相关关系。
⑵复相关：反映两个及两个以上的自变量同一个因变量的相关关系。
⑶偏相关：当研究因变量与两个或多个自变量相关时，如果把其余的自变量看成不变（即当作常量），只研究因变量与其中一个自变量之间的相关关系，就称为偏相关。