Comprendre les liens invisibles entre les actifs financiers : coefficient de Pearson, matrice de corrélation, corrélation vs causalité, et pourquoi tout change en temps de crise.
Imaginez que vous observez deux actifs financiers. L'or monte, le dollar baisse. Le S&P 500 chute, les obligations d'État montent. Le pétrole grimpe, les compagnies aériennes souffrent. Ces mouvements synchronisés ne sont pas le fruit du hasard : ce sont des corrélations.
Une corrélation mesure la force et la direction du lien statistique entre deux variables. En finance, elle nous dit dans quelle mesure deux actifs ont tendance à évoluer ensemble — ou en sens opposé.
Comprendre les corrélations, c'est comprendre le tissu connectif des marchés financiers. Un portefeuille composé uniquement d'actifs fortement corrélés (+0.9) n'est pas diversifié — il se comporte comme un seul actif. C'est comme avoir 10 parapluies identiques et aucun parasol : vous êtes protégé contre la pluie mais pas contre le soleil.
Les deux actifs montent et descendent exactement ensemble. Ex: SPY et VOO (même indice, ETFs différents).
Aucun lien statistique entre les deux actifs. Mouvements indépendants. La diversification idéale.
Quand l'un monte, l'autre descend exactement de la même amplitude. Le hedge parfait.
| Plage | Interprétation | Exemple | Implication |
|---|---|---|---|
| +0.80 à +1.00 | Très forte positive | SPY / QQQ (~0.92) | Quasi même mouvement — diversification nulle |
| +0.50 à +0.80 | Forte positive | BTC / NASDAQ (~0.65) | Tendance similaire mais avec des écarts |
| +0.20 à +0.50 | Modérée positive | Or / Argent en certaines périodes | Diversification partielle |
| -0.20 à +0.20 | Faible / nulle | Actions US / Soja | Bonne diversification |
| -0.50 à -0.20 | Modérée négative | SPY / TLT (-0.40) | Hedge partiel en période normale |
| -1.00 à -0.50 | Forte négative | Or / DXY (-0.60) | Excellent hedge — portefeuille équilibré |
Le coefficient de corrélation de Karl Pearson (1896) est la mesure standard utilisée en finance. Noté r ou ρ (rho), il quantifie la relation linéaire entre deux séries de données.
Ne paniquez pas devant cette formule. En pratique, elle compare les déviations de chaque point par rapport à sa moyenne. Si quand X est au-dessus de sa moyenne, Y est aussi au-dessus de la sienne, la corrélation est positive. Si c'est l'inverse, elle est négative.
Prenons 5 jours de rendements pour le S&P 500 et le NASDAQ :
| Jour | SPY | QQQ | Déviation SPY | Déviation QQQ | Produit |
|---|---|---|---|---|---|
| Lundi | +1.2% | +1.5% | +0.88 | +1.06 | +0.93 |
| Mardi | -0.8% | -1.1% | -1.12 | -1.54 | +1.72 |
| Mercredi | +0.5% | +0.8% | +0.18 | +0.36 | +0.06 |
| Jeudi | -0.3% | -0.2% | -0.62 | -0.64 | +0.40 |
| Vendredi | +1.0% | +1.2% | +0.68 | +0.76 | +0.52 |
Résultat : Tous les produits sont positifs (quand SPY dévie dans un sens, QQQ dévie dans le même sens). Le r sera proche de +0.95 — corrélation très forte positive. Ces deux ETFs bougent presque toujours ensemble.
| Méthode | Type | Avantage | Usage |
|---|---|---|---|
| Spearman (rang) | Non-paramétrique | Capture les relations monotones non-linéaires | Commodities, crypto |
| Kendall (tau) | Non-paramétrique | Robuste aux outliers | Petits échantillons |
| Rolling correlation | Fenêtre glissante | Capture les changements dans le temps | Gestion du risque dynamique |
| Copules | Distribution jointe | Modélise la dépendance dans les queues | Risk management avancé |
C'est probablement la leçon la plus importante de cette série : corrélation n'implique PAS causalité. Deux actifs peuvent bouger ensemble pendant des années sans qu'il y ait le moindre lien logique entre eux.
Le cerveau humain est câblé pour trouver des patterns partout, même là où il n'y en a pas. Quand on cherche une corrélation, on la trouve toujours — le dataset est assez grand. C'est le fondement du data mining bias qui ruine les backtests et les stratégies.
Le site "Spurious Correlations" de Tyler Vigen a rendu célèbres ces absurdités statistiques :
Corrélation sur 10 ans. Évidemment aucun lien causal.
r = 0.99 ! Mais aucun humain sensé n'y verrait un lien.
Plus Nicolas Cage tourne, plus les gens se noient. Logique ?
Le beurre sauve les couples ? Évidemment non.
A cause B directement. Ex: une hausse des taux de la Fed cause une baisse des obligations existantes (relation mécanique).
C cause à la fois A et B. Ex: l'appétit pour le risque fait monter à la fois les actions et le BTC, créant une corrélation artificielle.
Aucun lien réel. Pure hasard statistique. Ex: Nicolas Cage et les noyades. Ne JAMAIS trader sur ce type de corrélation.
Posez-vous 3 questions : 1) Y a-t-il un mécanisme économique logique qui relie A et B ? 2) La corrélation est-elle stable dans le temps ou apparaît-elle sur une seule période ? 3) Existe-t-il une variable confondante C qui pourrait expliquer le lien ? Si vous ne pouvez pas répondre "oui" à la question 1, ne tradez pas cette corrélation.
Certaines corrélations sont au cœur du fonctionnement des marchés depuis des décennies. Les comprendre, c'est comprendre le langage secret de la finance.
Le S&P 500 et le NASDAQ 100 sont très corrélés car le NASDAQ est dominé par les mêmes méga-caps tech (Apple, Microsoft, Amazon) qui pèsent 30%+ du S&P 500. Quand le QQQ bouge, le SPY suit — mais le QQQ est plus volatile (beta ~1.15).
Les large-caps (SPY) et small-caps (IWM) sont corrélées mais les small-caps sont plus sensibles à l'économie domestique US, aux taux d'intérêt et au crédit. En récession, l'IWM sous-performe significativement.
Historiquement, quand les actions baissent (risk-off), les investisseurs se réfugient dans les obligations d'État, faisant monter leur prix. C'est le fondement du portefeuille 60/40 (60% actions, 40% obligations). Mais attention : cette corrélation a été positive en 2022 quand les taux montaient — les deux ont chuté simultanément, détruisant des milliers de milliards.
L'or est coté en dollars. Quand le dollar s'affaiblit, l'or devient moins cher pour les acheteurs non-américains, augmentant la demande. Relation inverse solide mais pas parfaite — en 2024-2025, l'or a monté MALGRÉ un dollar fort (achats des banques centrales).
Le Canada est le 4e producteur mondial de pétrole. Quand le brut monte, les revenus d'exportation canadiens augmentent, renforçant le CAD. Les traders Forex utilisent cette corrélation pour des pairs trades USD/CAD vs pétrole.
La Chine consomme 50% du cuivre mondial. Le cuivre est surnommé "Dr. Copper" car il prédit l'activité économique. Quand le cuivre monte, cela signale une croissance chinoise forte, ce qui fait monter FXI et les actions chinoises.
L'Australie est le 1er exportateur mondial de minerai de fer. Le dollar australien (AUD) suit fidèlement les prix du minerai de fer, qui dépendent eux-mêmes de la demande chinoise. Triple corrélation : Chine → minerai → AUD.
Bitcoin et Ethereum bougent presque toujours ensemble. L'ETH est souvent plus volatile (beta ~1.3 par rapport au BTC). Quand cette corrélation casse (ETH sous-performe), c'est souvent un signal de faiblesse de l'écosystème altcoin.
Depuis 2020, le BTC est devenu un "risk asset" corrélé au tech. En 2022, BTC et NASDAQ ont chuté ensemble. Cette corrélation varie entre +0.3 et +0.8 selon les périodes. Elle tend à augmenter en période de stress.
Une matrice de corrélation est l'outil fondamental de tout gestionnaire de portefeuille. Elle montre en un coup d'œil les liens entre tous les actifs. La diagonale est toujours 1.0 (chaque actif est parfaitement corrélé avec lui-même).
Rouge foncé = forte corrélation positive (les actifs bougent ensemble). Bleu foncé = forte corrélation négative (les actifs bougent en sens inverse). Blanc/gris = pas de corrélation (mouvements indépendants). Cherchez les cases bleues : ce sont vos diversificateurs naturels.
C'est le cauchemar de tout gestionnaire de portefeuille : en temps de crise, toutes les corrélations convergent vers +1. Les actifs qui étaient censés diversifier votre portefeuille chutent tous en même temps. C'est ce qu'on appelle le "flight to quality" ou la contagion.
Votre diversification fonctionne exactement quand vous n'en avez pas besoin (marchés calmes) et échoue quand vous en avez le plus besoin (crises). C'est pour cela que les hedge funds utilisent des stratégies long/short et des options plutôt que de se reposer uniquement sur la diversification.
| Crise | SPY/TLT | SPY/GLD | SPY/BTC | Observation |
|---|---|---|---|---|
| Avant 2008 | -0.35 | -0.10 | N/A | Corrélations "normales" |
| Crise 2008 | -0.55 | +0.30 | N/A | TLT = refuge parfait, or volatile |
| COVID mars 2020 | +0.40 | +0.60 | +0.80 | TOUT a chuté — liquidation forcée |
| Inflation 2022 | +0.50 | -0.05 | +0.70 | Actions ET obligations en baisse |
| Normalisation 2023-24 | -0.30 | +0.10 | +0.55 | Retour progressif à la "normale" |
Pendant la semaine du 9-13 mars 2020, le S&P 500 a chuté de 8.8% en un jour. L'or a chuté aussi (-3.5%), les obligations corporates se sont effondrées, et le Bitcoin a perdu 40% en 24h. Pourquoi ? Les fonds surendettés (leverage) ont été forcés de vendre TOUT pour répondre aux appels de marge (margin calls). Quand tout le monde vend en même temps, les corrélations convergent vers 1. Seuls les bons du Trésor US court terme (T-Bills) et le cash ont tenu. Leçon : en crise extrême, le seul vrai hedge est le cash.
Un scatter plot (nuage de points) est la meilleure façon de visualiser une corrélation. Chaque point représente un jour de trading : l'axe X est le rendement de l'actif A, l'axe Y le rendement de l'actif B.
Pearson donne un chiffre unique (+0.65). Mais le scatter peut montrer que la corrélation est +0.80 en baisse et +0.40 en hausse. Cela signifie que les actifs chutent plus ensemble qu'ils ne montent ensemble — information cruciale pour le hedging.
Parfois, le scatter montre deux nuages distincts — signe de deux régimes de marché (risk-on vs risk-off). Pearson moyenne les deux régimes, masquant l'information. Le scatter la révèle visuellement.