Tương quan (Correlation) giữa hai ETF cho biết chúng có xu hướng tăng/giảm cùng nhau hay ngược chiều. Đây là nền tảng của lý thuyết đa dạng hoá danh mục.
Công thức Pearson Correlation
Corr(X, Y) = Cov(X, Y) / (σ_X × σ_Y)
- Cov(X, Y): hiệp phương sai — đo xu hướng cùng chiều/ngược chiều
- σ_X, σ_Y: độ lệch chuẩn của lợi suất X và Y
- Kết quả luôn nằm trong [-1, 1]
Giải thích giá trị
- +1.0: hoàn toàn cùng chiều — khi ETF A tăng 1%, ETF B cũng tăng đúng 1%
- 0.0: không có mối liên hệ tuyến tính
- −1.0: hoàn toàn ngược chiều — khi A tăng, B giảm tương ứng
Tại sao tương quan quan trọng với danh mục?
Danh mục gồm các ETF có tương quan thấp với nhau sẽ có biến động thấp hơn tổng biến động của từng ETF riêng lẻ — đây là hiệu ứng đa dạng hoá.
Ví dụ: nếu E1VFVN30 (VN30) và FUEVFVND (VN Diamond) có tương quan 0.85 — hai quỹ này di chuyển gần như cùng chiều vì cả hai đều phụ thuộc nhiều vào các blue-chip HOSE. Việc kết hợp chúng ít giảm rủi ro hơn so với kết hợp với VNM ETF (theo dõi thị trường Việt Nam qua góc nhìn quốc tế).
Đọc Correlation Matrix
Dùng công cụ Phân tích Danh mục để xem ma trận tương quan thực tế giữa các ETF bạn chọn:
- Ô xanh đậm (≥ 0.8): tương quan rất cao — ít đa dạng hoá
- Ô vàng (0.4–0.6): tương quan trung bình — có giá trị đa dạng hoá
- Ô đỏ (âm): tương quan nghịch — hiếm gặp giữa các ETF cổ phiếu cùng thị trường
Giới hạn
Pearson correlation chỉ đo mối quan hệ tuyến tính. Trong khủng hoảng, correlation giữa các tài sản thường tăng đột ngột ("correlation breakdown") — đa dạng hoá hiệu quả hơn khi thị trường bình thường.