1、计算公式为相关系数=协方差/两个项目标准差之积。
相关系数：度量两个随机变量间关联程度的量。相关系数的取值范围为(-1，+1)。当相关系数小于0时，称为负相关；大于0时，称为正相关；等于0时，称为零相关。
2、协方差：如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。
如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
3、标准差（Standard Deviation） ，也称均方差（mean square error），是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。
格雷厄姆在1949年的著作《聪明的投资者》里说过：“经验表明在大多事例中，安全依赖于收益能力，如果收益能力不充分的话，资产就会丧失大部分的名誉(或帐面)价值。”
相关系数是反映两种证券之间相关性的统计方法。换句话说，这个统计告诉我们一个证券与另一个证券有多密切相关。当两种证券向上或向下同向移动时，相关系数为正。当两种证券向相反方向移动时，相关系数为负。确定两种证券之间的关系对分析跨市场关系，行业/股票关系以及行业/市场关系很有用。该指标还可以帮助投资者通过识别与股市低或负相关的证券进行多样化。
解释
相关系数在-1和+1之间振荡。这不是一个动量振荡器。相反，它从正相关周期移动到周期负相关。+1被认为是完美的正相关，这是罕见的。0到+1之间的任何值表示两个证券向相同的方向移动。正相关的程度可能随时间而变化。石油股和石油大部分时间呈正相关。下面的例子显示了一只石油股股价和石油价格的关系。不出所料，20日相关系数仍然大幅上涨，经常上探+75。这两种证券之间显然存在着积极的关系。一般来说，任何超过0.50的数据都表现出强烈的正相关。
在频谱的另一端，-1被认为是完美的负相关，这是很少见的。0和-1之间的任何值表示两个证券向相反的方向移动。负相关程度可能随时间而变化。黄金和美元是前两种证券之间的负相关关系。下面的图表显示了现货黄金和美元指数的相关性。虽然相关系数在积极领域花费相当长的时间，但大部分时间都是消极的。一般来说，低于-0.50的任何东西都表现出强烈的负相关性。
多样化
为了真正从股票多元化，往往需要远离股市。下图显示了四个与股市存在多个负相关期的ETF。请注意，相关系数是多少次下降到零以下。在这个例子中，我也使用了50天的相关系数。20多年期债券ETF代表债券，大多数时候债券与股票呈负相关。黄金（红色）在正相关和负相关期间移动。总体而言，它与过去三年的负相关性更为正相关。日元信托（绿色）似乎将时间分为正相关和负相关。令人惊讶的是，美元基金（UUP）显示出与股市呈负相关的倾向。
结论
相关系数告诉我们两种证券之间的关系。在给定的时间段内，两个证券在相关系数为正值时一起移动。相反，当相关系数为负时，这两种证券的方向相反。上面的例子显示了20天和50天的相关系数。长期投资者可能会使用150天甚至250天（一年）来获得反映长期关系的平滑线。
