ETF 重合度和相关性有什么区别？为什么低重合也可能一起跌

两只 ETF 可以几乎没有相同股票，但每天走势却非常接近。

也可能有大量共同持仓，但长期表现并不完全一样。

原因很简单：

ETF Overlap 和 Correlation 衡量的是两件不同的事。

最简单的区分：

ETF Overlap
= 两只基金到底持有什么？

Correlation
= 两只基金实际怎么一起涨跌？

两者都和 Diversification 有关。

但回答的问题不一样。

如果只看 Overlap，可能会漏掉：

持仓完全不同
但都押同一个宏观因子

的组合。

如果只看 Correlation，又可能漏掉：

两个 ETF 其实重复持有很多同一家公司

所以真正有用的 ETF Comparison，最好两个一起看。

ETF Overlap 衡量的是：

两只 ETF 底层证券有多少直接重复。

例如 ETF A 和 ETF B 都持有：

• Apple；
• Microsoft；
• NVIDIA；
• Amazon。

如果这些共同股票权重很大，那么 Overlap 就高。

一种常见的 Weighted Overlap 算法：

对于每一个共同持仓：

Shared Weight
= min（ETF A 权重，ETF B 权重）

最后：

Weighted Overlap
= 所有 Shared Weight 相加

例如：

Apple：

ETF A = 8%
ETF B = 5%

Shared Weight = 5%

Microsoft：

ETF A = 7%
ETF B = 4%

Shared Weight = 4%

如果只有这两只共同持仓：

Weighted Overlap
= 5% + 4%
= 9%

这个数字回答的是：

两只 ETF 有多少实际底层 Portfolio Weight 是重复的？

如果要完整了解算法，可以看：

ETF 持仓重合是什么意思？

Correlation，也就是相关性，衡量两个 Return Series 一起变化的程度。

相关系数通常在：

-1 到 +1

之间。

接近 +1

两只资产往往同涨同跌。

接近 0

线性同步关系比较弱。

接近 -1

倾向反向变化。

大多数股票 ETF 长期更常见的是：

0 到 +1

之间。

真正长期负相关的股票型 ETF Pair 并不常见。

两个 Return Series X 和 Y：

Correlation
= Covariance(X,Y)
  ÷ [StdDev(X) × StdDev(Y)]

实际投资中通常不需要手算。

最重要的是知道：

Correlation 是从历史价格回报算出来的，不看具体持仓。

所以完全可能出现：

Holdings 完全不同

但：

Correlation 很高

假设 ETF A 持有：

美国 Semiconductor Companies

ETF B 持有：

亚洲 Semiconductor Companies

具体股票可能完全不同。

所以：

Overlap 很低

但两个 ETF 都依赖：

• Semiconductor Demand；
• Memory Pricing；
• AI Infrastructure；
• Chip Cycle；
• Export Rules；
• Global Electronics Demand。

结果可能是：

Holdings Overlap：
Low

Return Correlation：
High

Ticker 不一样。

Economic Driver 很像。

再看另一种情况。

两只 ETF 都持有大量美国大型股票。

ETF A：

Market-Cap Weighted

ETF B：

Equal Weighted

共同持仓很多。

所以 Overlap 很高。

但真实 Performance 可能出现明显差异。

原因是：

ETF A 的走势更容易被 Mega Cap 主导。

ETF B 则让中型成分股权重更高。

所以：

High Overlap
≠ Identical Performance

权重结构很重要。

这是整个主题最重要的一点。

假设你同时持有：

• Cloud ETF；
• Semiconductor ETF；
• Data Center ETF；
• Power Equipment ETF。

Exact Holdings 可能完全不同。

Overlap 也许不高。

但四只 ETF 都可能依赖：

AI CapEx

如果市场开始大幅下调 AI Infrastructure Spending 预期，四只 ETF 完全可能一起跌。

所以：

Low Overlap
≠ Low Economic Concentration

这就是 Theme Exposure 的重要性。

假设你持有：

Broad Market ETF
+
Growth ETF

Growth ETF 里很多 Mega Cap 已经存在于 Broad Market ETF。

Overlap 很高。

但如果你的目标本来就是：

Core Exposure
+
Growth Tilt

那么重复本身就是主动设计。

问题不是：

有没有重复？

而是：

这个重复是不是我故意想要的？

Correlation 来自过去 Return。

它完全可能变化。

两只 ETF 以前高度相关，未来可能因为：

• Sector Cycle；
• Regulation；
• Commodity Price；
• Rates；
• Geography；
• Earnings；

开始明显分化。

例如：

过去 1 年 Correlation：
0.90

不保证未来一年还是：

0.90

所以不能把 Correlation 当成 ETF 天生固定属性。

同一对 ETF：

1 Month
6 Months
1 Year
5 Years

算出来可能完全不同。

例如：

5-Year Correlation：
0.82

6-Month Correlation：
0.55

可能代表最近关系真的变弱了。

也可能只是短期 Noise。

所以选择 Time Window 时，要先明确自己在研究什么。

同样一对 ETF：

Daily Return
Weekly Return
Monthly Return

Correlation 也可能不一样。

Daily 更强调短期 Market Co-Movement。

Monthly 更容易看出 Macro Relationship。

没有一个 Frequency 永远正确。

关键是：

比较时统一口径。

Portfolio 最容易出问题的时候，就是：

平时看起来很分散。

下跌时突然一起跌。

原因可能包括：

• Risk-Off；
• Liquidity Stress；
• Deleveraging；
• Macro Factor Dominance。

例如平时：

Correlation：
0.55

Stress Period：

Correlation：
0.85

这很重要。

因为 Diversification 最需要发挥作用的时候，恰恰是下跌时。

两只 ETF 可以没有共同股票，却同时暴露在：

• Growth；
• Momentum；
• Small Cap；
• Value；
• Quality；
• High Beta；
• Interest Rate Sensitivity。

例如两只 ETF Exact Overlap 很低。

但都大量持有 High-Growth, High-Multiple Stocks。

如果 Long-Term Yield 上升，两只都可能下跌。

股票不同。

Factor 一样。

Correlation 的盲点正好相反。

假设两只 ETF：

Correlation = 0.80

这个数字无法告诉你：

• 它们是不是同样持有 Apple；
• 是不是完全不同公司但同 Sector；
• 是不是最近恰好走势相似。

所以 Correlation 不能替代 Look-Through。

比较两只 ETF，可以分四层。

1. Holdings Overlap

问：

底层到底重复多少？

2. Sector / Theme

问：

是否依赖同一组 Economic Drivers？

3. Correlation

问：

历史上实际一起动多少？

4. Portfolio Weight

问：

这两只 ETF 在我自己 Portfolio 里分别多大？

最后一层非常重要。

同样 0.90 Correlation：

5% Position

和：

40% Position

Portfolio Impact 完全不同。

假设：

ETF A：
U.S. Software

ETF B：
Semiconductor

Weighted Overlap：
8%

1-Year Correlation：
0.78

Overlap 看起来很低。

但 Correlation 已经不低。

为什么？

因为两者都可能依赖：

• AI Spending；
• Growth Valuation；
• Interest Rates；
• Nasdaq Flows。

所以这个组合增加了：

Company-Level Diversity

但未必增加很多：

Macro Diversification

假设：

ETF A：
U.S. Large Cap

ETF B：
Large-Cap Growth

Weighted Overlap：
62%

1-Year Correlation：
0.94

两项都在告诉你：

Exposure 很相似

如果目标是 Diversification，这个 Pair 贡献可能有限。

如果目标是：

Overweight Growth

那又是另一回事。

假设两个 Pair：

Pair 1

Overlap：
65%

Correlation：
0.90

Pair 2

Overlap：
10%

Correlation：
0.90

同样是 0.90 Correlation。

但结构完全不同。

Pair 1 可能因为：

持有大量相同股票

一起动。

Pair 2 可能因为：

不同股票
但被同一个 Macro Factor 驱动

一起动。

对于 Portfolio Risk，这个差别很重要。

Correlation 越高，Position Weight 越大，Portfolio 集中风险越明显。

例如：

ETF A：
30%

ETF B：
30%

Correlation：
0.95

即使 Overlap 只有 15%，这两个 Position 仍然可能主导整个 Portfolio。

这是 Hidden Concentration。

更完整的框架可以看：

投资组合集中度怎么算？

假设：

ETF A：
Portfolio 的 30%

ETF B：
Portfolio 的 20%

两只都持有 Company X。

ETF A：

Company X：
8%

ETF B：

Company X：
5%

Portfolio 间接 Exposure：

30% × 8%
+
20% × 5%
=
2.4% + 1.0%
=
3.4%

如果你还直接持有：

Company X：
6%

那么总 Look-Through Exposure：

9.4%

Correlation 完全不会告诉你这个数字。

只有 Holdings Analysis 才能。

Correlation 最适合：

• 两只 ETF 是否经常一起涨跌？
• 一只是否提供真实 Return-Path Diversification？
• 面对 Macro Shock 时行为是否不同？
• 下跌时会不会一起 Drawdown？

它是：

Behavior Metric。

Overlap 最适合：

• 是否重复持有同一家公司？
• 第二只 ETF 到底增加了什么新 Holdings？
• 哪些 Shared Holdings 贡献了主要重合？
• 是否无意中把 Mega Cap 越配越重？

它是：

Structure Metric。

两只 ETF Correlation 高，不代表：

A 导致 B 涨跌

更可能是它们共同受到某个 Driver。

例如：

Oil ETF
Energy Equity ETF

很可能一起动。

原因可能都是：

Oil Price

Correlation 描述关系。

不直接解释原因。

不一定。

如果 Portfolio 设计本来就是：

Core U.S. ETF
+
Growth Tilt

那么 High Correlation 完全正常。

真正的问题是：

你是不是以为它们很分散，但其实没有？

同样不一定。

更有价值的问题：

第二只 ETF 到底增加了什么？

如果答案只是：

更多同样的 Holdings

可能就比较 Redundant。

如果答案是：

相同 Core Holdings
+
明显不同 Weighting
+
有意增加 Growth / Sector Tilt

那么它可能仍然有清晰角色。

真正的 Diversification 可以来自：

Holdings
Sector
Country
Currency
Factor
Duration
Asset Class
Macro Sensitivity

ETF Overlap 只解决其中一层。

Correlation 是从历史 Return 中观察这些因素最终如何一起作用。

两个指标都不够单独使用。

比较两只 ETF，可以按下面顺序。

Holdings

• Weighted Overlap 是多少？
• 哪些 Shared Holdings 贡献最多？
• 各自有什么 Unique Exposure？

Exposure

• Sector 是否相似？
• Theme 是否相似？
• Factor Exposure 是否相似？

Behavior

• 1-Year Correlation？
• 5-Year Correlation？
• Stress Period Correlation 是否升高？

Portfolio Context

• 两只 ETF 各占你 Portfolio 多少？
• 是否还直接持有 Shared Stocks？
• 如果两只一起跌 20%，Portfolio 会怎样？

这比问：

两只 ETF 名字不一样，算不算分散？

有用得多。

假设 Portfolio：

ETF A：
25%

ETF B：
25%

Weighted Overlap：

18%

看起来不高。

但 1-Year Correlation：

0.88

进一步看：

ETF A：

• Software；
• Cloud；
• Internet Platform。

ETF B：

• Semiconductor；
• Data Center；
• Networking。

股票不同。

但都依赖：

AI Spending
+
Growth Valuation
+
Interest Rate Expectations

所以更准确的描述应该是：

Company-Level Exposure 比较分散，但 Macro / Theme Exposure 仍然集中。

而不是：

只有 18% Overlap，所以非常分散。

假设：

ETF A：
Broad U.S. Large Cap

ETF B：
Equal-Weight U.S. Large Cap

Overlap：

85%

Correlation：

0.90

两项都高。

但两只基金仍然不完全相同。

一只被 Mega Cap 主导。

另一只更平均。

如果 Mega Cap Leadership 下降，两只基金 Relative Performance 可能明显拉开。

所以：

85% Overlap 仍然可以对应有意义的 Weighting Difference。

错误 1：认为 Low Overlap 就等于 Low Correlation

不同股票也可能押同一个 Risk Factor。

错误 2：认为 High Overlap 就等于完全一样

Weighting Methodology 很重要。

错误 3：只用一个 Correlation Window

关系会变化。

错误 4：忽略 Stress Correlation

下跌时很多资产会一起变得更相关。

错误 5：只看 Sector Name

Theme 可以跨 Sector。

错误 6：忽略 Direct Stock

ETF + Direct Stock 可以形成 Hidden Concentration。

错误 7：把 Correlation 当永远稳定

它只是 Historical。

错误 8：认为 High Correlation 自动不好

可能是主动 Design。

ETF Overlap 和 Correlation 有什么区别？

Overlap 看共同底层持仓。

Correlation 看历史 Return 是否一起变化。

两只 ETF 可以 Low Overlap 但 High Correlation 吗？

可以。

如果它们依赖相同 Sector、Theme、Macro Factor，就可能一起涨跌。

两只 ETF 可以 High Overlap 但走势不同吗？

可以。

不同 Weighting、Sector Balance 或 Unique Holdings 都会造成 Performance Difference。

Correlation 比 Overlap 更重要吗？

没有绝对答案。

Overlap 更适合识别重复持仓。

Correlation 更适合看历史共同波动。

多高的 Correlation 算高？

没有 Universal Threshold。

越接近 +1，代表历史上正相关越强。

但仍然要结合 Time Window 和 Portfolio Objective。

ETF Overlap 高就应该卖掉一只吗？

不一定。

如果重复是主动设计，而且两只基金角色清楚，高 Overlap 也可以接受。

Low Correlation 就一定分散吗？

不一定。

Correlation 可能变化，尤其在 Market Stress 时。

为什么市场暴跌时 Correlation 会升高？

因为 Macro Risk、Liquidity Stress、Risk-Off Selling 会让很多资产同时下跌。

两只 ETF 应该怎么比较？

一起看：

Holdings Overlap
+
Sector / Theme Exposure
+
Historical Correlation
+
Unique Exposure
+
Portfolio Weight

哪里可以看 ETF Overlap？

可以使用：

BasisPilot ETF Overlap

查看共同持仓和独有底层 Exposure。

ETF Overlap 和 Correlation 回答的是两个不同问题：

Overlap：
到底持有什么？

Correlation：
实际怎么一起动？

两者都需要看。

一对 ETF 完全可能：

Low Overlap
+
High Correlation

也可能：

High Overlap
+
不同 Weighting
+
Relative Performance 有明显差异

所以真正的 Diversification 从来不是：

Ticker 不一样

而是：

Underlying Holdings 不一样
+
Economic Drivers 不一样
+
Return Behavior 也不完全一样

独立维度越多，分散化才越真实。