Entendendo a Correlação: Um Guia Estatístico
A correlação é uma medida estatística que quantifica a relação entre duas variáveis. Essa medida é mais adequada para variáveis que demonstram uma relação linear entre si. O ajuste dos dados pode ser representado visualmente em um diagrama de dispersão (scatterplot), que permite avaliar a relação entre as variáveis e determinar se elas são correlacionadas ou não.

O coeficiente de correlação é um valor que indica a força da relação entre as variáveis. Ele pode assumir valores entre -1 e 1, com as seguintes interpretações:
- -1: Correlação negativa perfeita. As variáveis tendem a mover-se em direções opostas (quando uma aumenta, a outra diminui).
- 0: Ausência de correlação. Não existe relação linear entre as variáveis.
- 1: Correlação positiva perfeita. As variáveis tendem a mover-se na mesma direção (quando uma aumenta, a outra também aumenta).
Correlação e Causalidade
A correlação não deve ser confundida com causalidade. A famosa expressão "correlação não implica causalidade" é fundamental para a compreensão desses dois conceitos estatísticos.
Se duas variáveis são correlacionadas, isso não significa que uma cause mudanças na outra. A correlação apenas avalia a relação entre variáveis, podendo existir diferentes fatores que levem a essa relação. A causalidade pode ser uma razão para a correlação, mas não é a única explicação possível.
Como Calcular a Correlação?
O coeficiente de correlação que indica a força da relação entre duas variáveis pode ser encontrado usando a seguinte fórmula:

Onde:
- rxy – o coeficiente de correlação da relação linear entre as variáveis x e y
- xi – os valores da variável x em uma amostra
- x̅ – a média dos valores da variável x
- yi – os valores da variável y em uma amostra
- ȳ – a média dos valores da variável y
Para calcular o coeficiente de correlação usando a fórmula acima, siga estes passos:
- Obtenha uma amostra de dados com os valores das variáveis x e y.
- Calcule as médias x̅ para a variável x e ȳ para a variável y.
- Para a variável x, subtraia a média de cada valor (chamemos essa nova variável de "a"). Faça o mesmo para a variável y (chamemos de "b").
- Multiplique cada valor a pelo valor b correspondente e some esses produtos (o valor final é o numerador da fórmula).
- Eleve ao quadrado cada valor a e calcule a soma dos resultados.
- Encontre a raiz quadrada do valor obtido no passo anterior (este é o denominador da fórmula).
- Divida o valor obtido no passo 4 pelo valor obtido no passo 7.
O cálculo manual do coeficiente de correlação é extremamente trabalhoso, especialmente com amostras grandes. Felizmente, existem diversas ferramentas de software que agilizam esse processo. A função CORREL no Excel é uma das maneiras mais fáceis de calcular rapidamente a correlação entre duas variáveis para grandes conjuntos de dados.
Exemplo de Correlação
João é um investidor. Seu portfólio acompanha principalmente o desempenho do S&P 500 e ele deseja adicionar ações da Apple Inc. Antes de incluir a Apple em seu portfólio, ele quer avaliar a correlação entre a ação e o S&P 500 para garantir que a adição não aumente o risco sistemático de seu portfólio. Para encontrar o coeficiente, João reúne os seguintes preços dos últimos cinco anos (Passo 1):

Usando a fórmula acima, João pode determinar a correlação entre os preços do Índice S&P 500 e da Apple Inc.
Primeiro, João calcula os preços médios de cada ativo para os períodos dados (Passo 2):

Após o cálculo dos preços médios, podemos encontrar os demais valores. Um resumo dos cálculos é apresentado na tabela abaixo:

Usando os números obtidos, João calcula o coeficiente:

O coeficiente indica que os preços do S&P 500 e da Apple Inc. têm uma alta correlação positiva. Isso significa que seus respectivos preços tendem a mover-se na mesma direção. Portanto, adicionar a Apple ao portfólio aumentaria, de fato, o nível de risco sistemático.
Leituras Relacionadas
Obrigado por ler a explicação da CFI sobre Correlação. A CFI é a provedora oficial do programa de certificação Financial Modeling and Valuation Analyst (FMVA)™, projetado para transformar qualquer pessoa em um analista financeiro de classe mundial.
Para continuar aprendendo e desenvolvendo seu conhecimento em análise financeira, recomendamos os seguintes recursos da CFI:
- Viés de Ancoragem (Anchoring Bias)
- Análise Financeira Dinâmica (Dynamic Financial Analysis)
- Teste de Hipóteses (Hypothesis Testing)
- Distribuição de Poisson (Poisson Distribution)
Artigos em Destaque
- PC Banking: Guia Completo para Segurança e Recursos do Online Banking
- CDs em IRA: Poupança para Aposentadoria Segura com Seguro FDIC
- Finanças Descentralizadas (DeFi): Uma Visão Geral Abrangente
- Correlation Trading: Estratégias e Exemplos
- Planos DB(k): Solução Híbrida de Aposentadoria para Empregadores e Empregados
- DeFi Explicado: Guia para Iniciantes em Finanças Descentralizadas
- 0x: Guia Completo para Negociação Descentralizada de Ethereum
- Correlação Positiva: Definição, Exemplos e Aplicação em Finanças
-
Análise Intermercado: Entendendo Relacionamentos entre Classes de AtivosA análise intermercado examina mais de uma classe de ativos relacionada — ações, títulos, commodities e moedas — para determinar a força ou fraqueza da classe analisada. O conceito foi popularizado po...
-
Entendendo a Correlação Serial: Definição e AplicaçõesCorrelação serial é um termo estatístico usado para descrever a relação – especificamente, a correlação – entre o valor atual de uma variável e um valor defasado da mesma variável de períodos de tempo...
