协方差与相关系数

协方差与相关系数度量两个随机量是否倾向于一起变动。当一个高于自己的平均时，另一个通常也高于其平均，还是低于？如果一条业务线上的大额损失与另一条上的大额损失同步出现，它们就共担风险、彼此放大；如果一个上升时另一个往往下降，它们便相互抵消、使总额趋于平稳。这两个数字给这种联动赋予了量值。

协方差 Cov(X, Y) = E[(X - E[X])(Y - E[Y])]，在两者一起涨落时为正，在反向变动时为负，在两个方向都没有线性倾向时为零。但它的大小难以解读，因为它带着两个变量单位相乘的量纲。相关系数则通过把协方差除以两个标准差来解决这一点，产生一个干净的、无量纲的数，始终介于 -1 与 +1 之间：+1 是完全同步，-1 是完全镜像，0 是没有线性关系。0.8 的相关系数表明强烈的正向联动；-0.3 表明轻微的抵消倾向。

对精算师而言，这是分散化的脉搏。和的方差为 Var(X) + Var(Y) + 2·Cov(X, Y)，所以正协方差会抬高组合风险，负协方差则抑制它——这正是保险公司要把业务分散到不相关的业务线与地区的原因，也是相关的巨灾风险如此令人畏惧的原因。有两条警告至关重要。其一，相关不等于因果：两个序列可能因为同受第三个驱动因素影响而一起变动，彼此却毫无直接联系。其二，零相关并不意味着独立——相关系数只能看见直线关系，即便两个变量之间存在强烈但非线性的依赖，它也可能读出恰好为零，这个盲点已经坑过不止一个风险模型。