仅凭“分散投，怎么选不相关的行业”这一问法，无法直接推导出任何具体的行业名单或配置动作。“不相关”是一个统计属性，不是行业标签，它取决于你观察的时间窗口、使用的指数样本以及衡量方法；同一个行业在不同周期里，与其他行业的相关性可能截然不同。要回答这个问题，缺的关键信息是：你打算用什么数据来度量相关性、覆盖多长历史区间，以及你所说的“分散”是希望降低波动、平滑收益，还是避免单一事件冲击——不同目标对应的“不相关”含义并不一样。

行业相关性到底是什么

相关性衡量的是两个资产价格或收益率变动的同步程度，取值通常在负一到正一之间。数值越接近正一，说明两个行业同涨同跌；越接近零，说明走势关联弱；接近负一则意味着此消彼长。“不相关”在统计上指相关性接近零，而不是负相关——负相关在现实行业组合中很少见，多数行业之间都是正相关，只是程度高低不同。

需要区分两个容易混淆的概念：业务相关性与收益率相关性。业务上看似无关的行业（比如食品饮料与通信设备），其股票收益率仍可能因为共同受利率、汇率、市场情绪或宏观流动性影响而高度同步。因此，凭直觉判断“这两个行业做的东西不一样所以不相关”并不可靠，需要用收益率数据实际计算。

识别低相关行业需要核对哪些公开信息

判断行业间相关性，通常依赖几类公开可查的数据源，它们各自回答不同层面的问题：

  • 行业分类标准：国内常用申万行业分类，海外常用GICS（全球行业分类标准）。不同分类体系对“行业”的切分粒度不同，同一家公司可能被归入不同行业，这会直接影响相关性计算结果。核对时应明确你用的是哪套分类、哪个层级（一级、二级还是三级）。
  • 指数收益率序列：相关性是基于历史收益率算出来的，不同指数样本（比如宽基指数里的行业指数 vs. 纯行业主题指数）和不同频率（日度、周度、月度）会得出不同结果。时间窗口越长，短期噪音越被平滑，但也会混入不同市场环境下的结构性变化。
  • 滚动相关性：静态算一个相关性数字会掩盖关系随时间变化的事实。可以查看行业指数之间的滚动相关性（比如按年度或半年度窗口滚动计算），观察其是否稳定。如果两个行业的相关性在不同市场阶段（如利率上行期、流动性宽松期）波动很大，那么“不相关”这个结论的适用边界就很窄。

这些公开数据的区分作用在于：如果两个行业在多数时间窗口下相关性都持续偏低，那么“低相关”的结论相对可靠；如果只是某一小段时期偏低，则可能是偶然或特定宏观环境所致，不能作为配置依据。

组合波动的来源与“不相关”的边界

分散投资降低波动的逻辑，不是靠挑选“看起来不一样”的行业，而是靠组合内资产收益率的协方差结构。即使两个行业相关性不高，如果它们都高度暴露于同一宏观因子（比如都与信贷周期强相关），那么组合在系统性风险面前仍然会一起波动。相关性低只能对冲非系统性风险，无法对冲市场整体风险——这也是为什么几乎所有行业指数在极端市场下跌时相关性会趋近于正一，分散效果在危机中往往减弱。

另一个边界是行业数量与权重的交互。即使选出了若干低相关行业，如果权重严重偏向某一两个行业，组合的实际波动仍由这些重仓行业主导。相关性矩阵只是组合风险的一个输入，权重结构是另一个独立变量。此外，行业内部也有分化，同一行业下的不同细分领域或不同市值风格，其收益率特征可能差异很大，行业层面“不相关”不代表个股层面也如此。

常见问题

为什么两个业务完全不同的行业，股价走势却很像？

因为股票收益率不仅受行业自身基本面驱动，还受共同的宏观变量影响，比如利率、汇率、市场风险偏好和流动性环境。这些因素会让业务无关的行业出现收益率同步，所以判断相关性必须看收益率数据，而不是看业务描述。

相关性系数是负数就一定好吗？

不一定。负相关意味着两个资产此消彼长，理论上对冲效果更强，但现实中行业指数之间长期负相关很少见，且负相关关系往往不稳定。更常见的目标是找到相关性接近零或显著低于市场平均水平的行业，而不是刻意追求负相关。

用多长时间的数据算相关性比较可靠？

没有统一标准，但单一固定时间窗口的静态数值参考意义有限。更稳妥的做法是查看滚动相关性的分布——如果不同窗口下相关性都持续偏低，结论更可信；如果时高时低，说明关系不稳定，应进一步核对背后的宏观驱动因素。具体窗口长度取决于你的投资周期，但任何单一数值都不应被当作永久属性。