Entender covariância e correlação em finanças é essencial para quem estuda para certificações como CPA, C-PRO I, C-PRO R CGA, CFP® ou CNPI. Esses dois indicadores explicam como os ativos de uma carteira se movem em conjunto e são a base da teoria de diversificação de portfólio.
Raramente analisamos um ativo de forma isolada no mercado financeiro. Ao montar uma carteira de investimentos, o comportamento conjunto dos ativos é tão importante quanto o desempenho individual de cada um. É aí que entram a covariância e a correlação: duas métricas que medem o grau de associação entre variáveis, cada uma com uma finalidade específica.
O que é covariância?
A covariância mede o grau de variação conjunta de duas variáveis aleatórias em relação às suas médias. Em termos práticos, ela indica se duas variáveis (como os retornos de dois ativos) tendem a se mover na mesma direção ou em direções opostas.
- Covariância positiva: quando X está acima de sua média, Y também tende a estar. As variáveis se movem na mesma direção.
- Covariância negativa: quando X está acima de sua média, Y tende a estar abaixo. As variáveis se movem em direções opostas.
- Covariância próxima de zero: não há associação linear relevante entre as variáveis.
Fórmulas da covariância
| Tipo | Fórmula | Quando usar |
|---|---|---|
| Covariância populacional (σXY) | Soma dos produtos dos desvios em relação às médias, dividida por n | Quando se conhece toda a população de dados |
| Covariância amostral (sXY) | Soma dos produtos dos desvios em relação às médias, dividida por n - 1 | Quando se trabalha com uma amostra (correção de Bessel) |
Ponto de prova: a diferença entre covariância populacional (denominador n) e covariância amostral (denominador n - 1) é frequentemente cobrada em questões numéricas. Sempre releia o enunciado para saber se os dados são de população ou de amostra.
Limitação da covariância: ela não tem escala definida, seu valor depende das unidades de medida das variáveis analisadas. Isso torna difícil comparar a covariância de diferentes pares de ativos. É exatamente esse problema que a correlação resolve.
Exemplo prático: calculando a covariância
Considere dois ativos, A e B, com os seguintes retornos observados em quatro períodos:
| Período | Retorno A | Retorno B |
|---|---|---|
| 1 | 2 | 8 |
| 2 | 1 | 10 |
| 3 | 2 | 12 |
| 4 | 5 | 14 |
Média de A: (2+1+2+5) / 4 = 2,5
Média de B: (8+10+12+14) / 4 = 11
Aplicando a fórmula amostral, a covariância entre A e B é igual a 10 dividido por 3, resultando em aproximadamente 3,333.
O resultado positivo indica que os retornos de A e B tendem a se mover na mesma direção: quando A está acima de sua média, B também tende a estar.
O que é correlação?
A correlação resolve a limitação da covariância ao padronizá-la pelo produto dos desvios-padrão das duas variáveis, gerando um indicador adimensional sempre entre -1 e +1. Por isso, a correlação é o indicador preferido para comparar a relação entre diferentes pares de ativos.
Interpretando o coeficiente de correlação
| Valor de r | Interpretação |
|---|---|
| r = +1 | Correlação positiva perfeita: as variáveis se movem exatamente na mesma direção e proporção |
| 0 < r < +1 | Correlação positiva: mesma direção, com grau variável de associação |
| r = 0 | Ausência de correlação linear |
| -1 < r < 0 | Correlação negativa: direções opostas, com grau variável de associação |
| r = -1 | Correlação negativa perfeita: direções opostas na mesma proporção |
Mnemônico: "+1 mesma direção, -1 direção oposta, 0 sem relação linear". O sinal indica a direção da relação; o módulo indica a intensidade.
Correlação linear x relação não linear
A correlação mede apenas a associação linear entre as variáveis. Isso significa que duas variáveis podem ter uma relação clara (por exemplo, uma relação quadrática, como em um gráfico de dispersão em formato de "V" invertido) e ainda assim apresentar correlação linear próxima de zero.
Ponto de prova: correlação zero não significa ausência de qualquer relação entre as variáveis, significa apenas ausência de relação linear. A independência estatística implica correlação zero, mas a recíproca não é verdadeira: correlação zero não implica independência.
Exemplo prático completo: calculando a correlação
Considere os seguintes dados de câmbio (X) e retorno de um ativo (Y) em três períodos:
| Período | Câmbio (X) | Retorno de Y |
|---|---|---|
| 1 | 3,3 | 5,3 |
| 2 | 3,4 | 6,5 |
| 3 | 4,1 | 7,1 |
Ponto de prova: siga sempre esta sequência ao resolver questões numéricas de correlação: (1) calcular as médias, (2) calcular a covariância amostral, (3) calcular as variâncias, (4) calcular os desvios-padrão, (5) calcular a correlação. A maioria dos erros de cálculo ocorre na etapa da covariância, especialmente na dúvida entre dividir por n ou por n - 1.
Seguindo esses cinco passos com os dados acima, chegamos a uma covariância amostral de 0,33 e a uma correlação de aproximadamente 0,826.
Interpretação: uma correlação de 0,826 indica associação positiva forte entre a taxa de câmbio e o retorno do ativo Y. Quando o câmbio sobe, o retorno do ativo tende a subir também, com grau elevado de consistência. Essa relação é especialmente relevante para a gestão de risco cambial de uma carteira com exposição a esse ativo.
Covariância e correlação na diversificação de carteiras
A covariância e a correlação são a base da teoria de diversificação de carteiras. O princípio central é simples: ao combinar ativos com correlação baixa ou negativa, é possível reduzir o risco total da carteira sem necessariamente reduzir o retorno esperado.
- Correlação +1: nenhum benefício de diversificação. Os ativos se movem exatamente juntos, e o risco da carteira é a média ponderada dos riscos individuais.
- Correlação entre -1 e +1: há benefício de diversificação. O risco da carteira fica menor do que a média ponderada dos riscos individuais.
- Correlação -1: máximo benefício de diversificação. É teoricamente possível montar uma carteira com risco zero combinando os dois ativos nas proporções corretas.
Ponto de prova: a covariância pode assumir qualquer valor, positivo, negativo ou zero. Já a correlação está sempre limitada ao intervalo entre -1 e +1. Questões que apresentem uma correlação fora desse intervalo estão erradas.
Na prática, a maioria dos ativos financeiros apresenta correlação positiva entre si, já que os mercados tendem a se mover juntos em momentos de crise. Isso limita o benefício da diversificação justamente nos momentos em que ele seria mais necessário, um ponto conceitual bastante cobrado em bancas de certificação.
| Quer dominar esse e outros tópicos de risco e retorno para a sua certificação? | |
| CPA, C-PRO I e C-PRO R | Conheça o combo |
| CFG, CGA e CGE | Conheça o curso |
| CNPI (Analista Pleno) | Conheça o curso |
Resumo: covariância x correlação
| Aspecto | Covariância | Correlação |
|---|---|---|
| Escala | Sem limite definido | Sempre entre -1 e +1 |
| Indica direção? | Sim (sinal positivo ou negativo) | Sim (sinal positivo ou negativo) |
| Indica intensidade de forma padronizada? | Não | Sim |
| Fórmula amostral | Soma dos produtos dos desvios / (n - 1) | Covariância dividida pelo produto dos desvios-padrão |
Dominar covariância e correlação em finanças é um passo essencial para quem quer se destacar nas provas de certificação e também para quem já atua com gestão de risco e montagem de carteiras. Esses conceitos aparecem de forma recorrente em CPA, C-PRO I, C-PRO R CGA, CFP® ou CNPI, e entender a lógica por trás das fórmulas é mais importante do que decorá-las.
Se você quer aprofundar esse e outros conteúdos de estatística aplicada ao mercado financeiro com aulas, exercícios comentados e materiais de revisão feitos para aprovação, conheça os cursos preparatórios da Pro Edu.
