由于相关性的存在，投资时不能只考虑一个品种的信息，尤其是对于期货这种自带杠杆的投资来说尤其需要注意。
什么是相关性分析
期货相关性是基于两个期货之间价格趋势的变化密切程度计算出来的统计指标，用来呈现两个期货品种之间的关联程度。通常使用统计学方法，例如相关系数和协方差来度量期货品种之间的相关性。
相关性分析有什么作用
在期货交易中，不同品种之间的相关性可以比较大的影响到投资组合的风险和回报，因此期货相关性分析是非常重要的。相关性分析主要作用有：
-
优化投资组合，降低投资风险：投资者可以通过将相关性较低的期货品种结合起来，组成更为多元化的投资组合，从而降低投资风险。当一个品种出现亏损时，其他相关性较低的品种往往可以扮演一种保护的角色，从而减少整个投资组合的风险
-
寻找交易机会：通过分析期货品种之间的相关性，可以发现一些潜在的交易机会。如果不同期货品种之间存在高度相关性，那么这些品种在市场上的价格走势往往是相似的，这里面存在一些交易机会，比如棕榈油突然暴跌，菜油往往也会跟随。 另外由于期货间存在相关性，使得期货交易存在可套利性，通过做空一个品种，同时做多另一个高相关性的品种来套利
用python实现期货相关性分析
python可以使用numpy库的corrcoef函数来计算相关系数矩阵， 也可以用pandas、scipy来计算，或者自己来实现Pearson乘积矩相关系数。 以numpy库的corrcoef函数为例进行说明：
numpy.corrcoef(x, y=None, rowvar=True, bias=<no value>, ddof=<no value>, *, dtype=None)
功能：计算并返回Pearson乘积矩相关系数。示例代码如下：
array_om = om_align['收盘'].values
array_dm = dm_align['收盘'].values
corr = np.corrcoef(array_om, array_dm)
print("corr is:" + str(corr))
可以对多个商品计算相关性矩阵，并使用seaborn画出相关性热力图，demo如文章开头所示。
import matplotlib.pyplot as plt
import seaborn as sns
plt.figure(figsize=(16,12))
sns.heatmap(df, cmap="YlGnBu", annot=True)
plt.show()
相关性系数为多少合适
期货相关性系数介于–1与+1之间，相关性系数绝对值越大，相关性越强；相关性系数越靠近0，两组变量间相关性越弱。
-
一般来说，相关性系数在0.6以上属高度相关，介于0.3至0.6间属于弱相关。当然，从数学角度严格来说，相关性系数接近0只能表明两个变量不是线性相关，但可能存在曲线相关，但对于期货来说，可以简单认为是不相关
-
当相关性系数为1时，表示两组变量为完全的正相关；当相关性系数为-1时则表示完全负相关
结论&交流
如果对期货感兴趣，请关注公众号后回复“入群”获取邀请加入期货投资交流群，名额有限，不要错过。 写文章不易，觉得本文对你有帮助的话，帮忙点赞转发赞赏，让笔者有坚持写好文章的动力。