Correlação entre ativos: como calcular e interpretar

O que a correlação mede — e o que não mede

O coeficiente descreve associação linear entre duas séries de retornos. Uma correlação de +1 seria alinhamento linear perfeito na amostra; −1, relação perfeitamente oposta; zero não significa independência, apenas ausência de associação linear relevante no recorte. Relações curvas, eventos raros e mudanças de regime podem escapar.

Direção não é magnitude. Dois ativos podem ter correlação positiva e volatilidades muito diferentes. Um pode subir 1% enquanto outro sobe 0,2%, ou cair 8% quando o outro cai 2%. A medida também não informa retorno esperado, risco de crédito, liquidez, custo, imposto ou perda máxima.

Correlação não prova causalidade. Duas séries podem se mover juntas porque compartilham juros, moeda, setor, país ou comportamento geral do mercado. A análise melhora quando o número é acompanhado de uma hipótese econômica e de documentos que revelem as exposições subjacentes.

O coeficiente é uma fotografia. Trocar cinco anos por doze meses, dados diários por mensais ou preços por retornos pode alterar bastante o resultado. Por isso, todo relatório deveria informar janela, frequência, moeda, tratamento de proventos, fonte e data de corte.

Fórmula e preparação correta dos dados

A correlação de Pearson entre A e B pode ser escrita como covariância(A,B) ÷ [desvio-padrão(A) × desvio-padrão(B)]. A covariância observa como os desvios em relação às médias aparecem juntos; os desvios-padrão normalizam o resultado para a escala de −1 a +1.

Use retornos, não níveis de preço. Dois preços que sobem ao longo do tempo podem parecer fortemente relacionados mesmo que suas variações periódicas não sejam. O retorno simples de um período é preço final ÷ preço inicial − 1. Quando há dividendos, cupons ou outros pagamentos, decida entre retorno de preço e retorno total e mantenha a convenção nos dois lados.

Alinhe as datas. Se um ativo negocia em calendário diferente, não preencha automaticamente dias sem cotação com zero sem entender o efeito. Compare observações da mesma janela e frequência. Converta séries internacionais para a mesma moeda quando a pergunta for o resultado do investidor em reais; manter moedas locais responde outra pergunta.

A frequência deve combinar com o horizonte. Dados diários oferecem muitas observações, mas podem carregar ruído de horário e falta de sincronia. Dados mensais reduzem esse problema, porém formam amostra menor. Nenhuma frequência é sempre superior: a escolha precisa ser declarada e testada.

Fluxos externos de carteira não são retornos. Aportes e retiradas devem ser separados antes de calcular uma série de performance. Caso contrário, o coeficiente pode capturar o calendário do dinheiro novo em vez do comportamento dos investimentos.

Exemplo hipotético passo a passo

Imagine cinco retornos mensais de dois ativos. A apresenta +2%, −1%, +1%, +3% e −2%. B apresenta +1%, −0,5%, +0,4%, +1,5% e −1%. As direções são parecidas e a correlação tende a ser positiva. Um terceiro ativo C poderia apresentar −0,5%, +0,8%, 0%, −1% e +0,6%, produzindo associação negativa com A nesse recorte.

O exemplo não autoriza concluir que C sempre protegerá A. Cinco observações são insuficientes para estabilidade; além disso, a relação poderia mudar em crise. A utilidade é mostrar a sequência: calcule retornos, alinhe datas, encontre médias, desvios, covariância e só então normalize.

Suponha agora que A e B sejam fundos com títulos do mesmo emissor. A correlação histórica pode ser baixa porque as cotas são marcadas com frequências ou critérios diferentes, mas o risco de crédito permanece concentrado. O oposto também ocorre: correlação alta entre dois ativos líquidos não significa que um deles seja redundante se possui função, prazo ou risco diferente.

Repita a conta em janelas móveis, como períodos sucessivos de doze ou trinta e seis meses, para observar estabilidade. Não escolha apenas o intervalo que confirma a conclusão desejada. Uma faixa de resultados e uma explicação das mudanças oferecem mais informação que uma casa decimal isolada.

Como ler uma matriz de correlação

Uma matriz coloca os ativos nas linhas e colunas. A diagonal é 1 porque cada série é comparada consigo mesma. A metade superior repete a inferior; portanto, concentre-se nos pares. Em carteiras grandes, cores ajudam a localizar blocos, mas a legenda precisa mostrar valores e ser acessível sem depender apenas da cor.

Procure grupos de correlação elevada e pergunte qual exposição os conecta. Ações do mesmo setor podem reagir ao mesmo ciclo; títulos longos, aos juros; ativos internacionais sem proteção, ao câmbio. Depois observe se a concentração por peso torna esse bloco material para a carteira.

Não faça média simples de todos os pares para declarar que a carteira é segura. Pesos diferentes importam, e um ativo pequeno não compensa automaticamente duas posições dominantes muito relacionadas. A volatilidade da carteira exige pesos, covariâncias e volatilidades individuais, além de premissas compatíveis.

Uma matriz também não abre ETFs e fundos. Se dois veículos contêm as mesmas empresas, a análise por cotas pode esconder ou suavizar sobreposição. Faça uma segunda fotografia por ativo subjacente, emissor, setor, país, moeda e fator de risco.

Como usar correlação na diversificação

Comece pelo objetivo e pela função de cada posição. Depois mapeie exposições e só então calcule relações históricas. A ordem evita selecionar ativos apenas porque um coeficiente passado parece baixo. Diversificação procura reduzir dependências específicas, não maximizar a quantidade de linhas na planilha.

Compare correlação em períodos normais e adversos. Relações podem aumentar em choques quando investidores vendem vários ativos para obter liquidez. Uma proteção que funcionou em média pode falhar justamente no intervalo relevante. Cenários, drawdown, liquidez e risco de sequência complementam a estatística.

Custos e impostos entram na decisão. Acrescentar muitas posições pouco correlacionadas pode aumentar spread, taxa, câmbio, rebalanceamentos e complexidade. O benefício marginal precisa ser lido junto com essas fricções e com a capacidade de acompanhar documentos.

Use a calculadora de concentração para uma primeira fotografia de pesos e depois aprofunde com o guia de sobreposição. As ferramentas não calculam correlação nem consultam mercado; elas organizam perguntas complementares.

Limites e erros comuns

• Correlacionar preços: tendências nos níveis podem criar relação enganosa; use retornos compatíveis.
• Misturar datas e moedas: séries desalinhadas respondem perguntas diferentes.
• Ignorar proventos: retorno de preço e total não são equivalentes.
• Confiar numa janela: o coeficiente muda com amostra, frequência e regime.
• Ler zero como independência: relações não lineares podem permanecer.
• Confundir baixa correlação com baixo risco: crédito, liquidez e perdas extremas ficam fora.
• Usar muitas casas decimais: precisão de exibição não cria estabilidade econômica.
• Transformar histórico em promessa: a correlação futura pode ser diferente.

Registre a metodologia e repita a análise em intervalos coerentes. Se a conclusão muda completamente com uma pequena alteração de janela, isso é um resultado relevante: a aparente proteção é sensível e não deveria ser tratada como estrutura permanente.

Checklist para uma leitura reproduzível

Confira se as séries começam e terminam nas mesmas datas, se a frequência é igual e se feriados foram tratados explicitamente. Verifique moeda, fonte, ajustes por proventos e quantidade de observações. Guarde a sequência usada para que outra pessoa consiga repetir a conta.

Compare janelas. Uma leitura longa mostra relações médias; uma curta revela comportamento recente, mas sofre mais com ruído. Se houver mudança brusca, investigue composição, política do fundo e qualidade dos dados.

Traduza o número em frase limitada: “nesta amostra, com esta frequência, houve associação positiva moderada”. Acrescente peso, fatores comuns e liquidez antes de avaliar diversificação.