Riskfolio的HCPortfolio是否正常？EWH与MCHI相关性异常排查

我在项目中使用Riskfolio进行资产聚类分析，基于2019-2024年月度数据生成了聚类图表，发现通常走势高度同步的EWH与MCHI在图表中显示相关性极低，但通过彭博终端交叉验证，二者beta值为0.8，实际相关性应该较高。

使用的代码如下：

import riskfolio as rp

# Plotting Assets Clusters
ax = rp.plot_clusters(returns=monthly_returns,
                       codependence='pearson',
                       linkage='ward',
                       k=None,
                       opt_k_method='twodiff',
                       max_k=10,
                       leaf_order=True,
                       dendrogram=True,
                       linecolor=None)

排查方向 #

• 验证原始数据准确性

  • 检查monthly_returns中EWH和MCHI的时间序列是否存在日期错位、数据缺失或极端异常值，确保两组数据的时间区间完全对齐。
  • 手动计算二者的Pearson相关系数，比如用pandas执行monthly_returns['EWH'].corr(monthly_returns['MCHI'])，直接输出数值对比Riskfolio聚类结果，定位是数据问题还是工具逻辑问题。

• 确认Riskfolio参数与逻辑

  • 查阅Riskfolio官方文档，确认plot_clusters函数中codependence='pearson'的计算逻辑，是否默认对数据做了标准化、去趋势或其他转换，导致相关性结果偏差。
  • 尝试仅提取EWH和MCHI两组数据，单独运行plot_clusters函数，排除其他资产对聚类结果的干扰，看二者的聚类关系是否符合预期。

• 排查图表标签与数据映射

  • 输出monthly_returns.columns，确认EWH和MCHI的列名拼写完全正确，无大小写、后缀/前缀差异（如EWH和EWH.T），避免图表标签与实际数据不匹配。
  • 输出Riskfolio计算的相关系数矩阵（可通过rp.RiskFunctions.cov_matrix(monthly_returns, codependence='pearson')获取），直接查看EWH与MCHI的相关系数数值是否正确。

• 检查收益计算方式一致性

  • 确认monthly_returns的计算方式（对数收益/简单收益）与彭博终端beta计算所使用的收益方式是否一致，不同的收益计算逻辑可能导致相关性结果差异。

内容的提问来源于stack exchange，提问作者maeta cherdsatirakul