Kovarianssi osoittaa kahden muuttujan suhteen aina kun yksi muuttuja muuttuu. Jos yhden muuttujan lisäys johtaa toisen muuttujan kasvuun, molemmilla muuttujilla sanotaan olevan positiivinen kovarianssi. Yhden muuttujan väheneminen aiheuttaa myös toisen laskun. Molemmat muuttujat liikkuvat yhdessä samaan suuntaan muuttuessaan. Yhden muuttujan vähennykset, jotka johtavat toisen muuttujan vastakkaiseen muutokseen, kutsutaan negatiiviseksi kovarianssiksi. Nämä muuttujat liittyvät käänteisesti ja liikkuvat aina eri suuntiin. Kun positiivista lukua käytetään osoittamaan kovarianssin suuruutta, kovarianssi on positiivinen. Negatiivinen luku edustaa käänteistä suhdetta. Kovarianssin käsitettä käytetään yleisesti, kun keskustellaan kahden taloudellisen indikaattorin tai termin suhteista. Esimerkiksi julkisesti noteerattujen yritysten markkina-arvoilla on tyypillisesti positiivinen kovarianssi ilmoitettuihin tuottoihin. Samoin yhden arvopaperi arvo voi nousta, kun toinen nousee. Kovarianssilaskelmia käytetään myös nykyaikaisessa salkun teoriassa (MPT).
Jos kahdella osakekurssilla on positiivinen kovarianssi, molemmat todennäköisesti liikkuvat samaan suuntaan reagoidessaan markkinaolosuhteisiin. Molemmat varastot voidaan seurata tietyn ajanjakson ajan tuottoprosenttina jokaiselta rekisteröidyltä ajanjaksolta. Kahden muuttujan kovarianssin määrittämistä kutsutaan kovarianssianalyysiksi. Esimerkiksi kovarianssianalyysin tekeminen kannoille A ja B tallentaa tuottoprosentit kolmen päivän ajan. Varaston A tuotot ovat 1, 8%, 2, 2% ja 0, 8% ensimmäisenä päivänä, toisena ja kolmantena päivänä. Osake B tuottaa 1, 25%, 1, 9% ja 0, 5%. Molemmat varastot kasvoivat ja laskivat samoina päivinä, joten niillä on positiivinen kovarianssi. Havattuna X / Y-akselille, kahden muuttujan välinen kovarianssi näkyy visuaalisesti, koska molemmat muuttujat heijastavat samanlaisia muutoksia samanaikaisesti. Kovarianssilaskelmat tarjoavat tietoja siitä, onko muuttujilla positiivinen vai negatiivinen suhde, mutta ne eivät pysty paljastamaan yhteyden vahvuutta. Kovarianssin suuruus voidaan vääristää aina, kun tietojoukko sisältää liian monta merkittävästi erilaista arvoa. Yksittäinen datan poikkeama voi dramaattisesti muuttaa laskelmaa ja yliarvioida tai aliarvioida suhdetta. Kovarianssi auttaa taloustieteilijöitä ennustamaan, kuinka muuttujat reagoivat muutosten tapahtuessa, mutta eivät voi ennustaa yhtä tehokkaasti, kuinka paljon kukin muuttuja muuttuu.
Kovarianssia käytetään usein MPT: ssä. Rahoittaessasi tehokkaita rahoitussalkkua, talousjohtajat etsivät sijoitussekoituksia, jotka tuottavat optimaalisen tuoton ja minimoivat riskit. Riski / tuotto-vaihtokonsepti osoittaa, että sijoitusriskien lisääntyminen vaatii usein tuoton lisäämistä. Tämä johtuu sijoittajien halusta minimoida riskit ja maksimoida tuotot. Kun tarjotaan korkean riskin lainoja, lainanantajan on suojattava sijoitus veloittamalla korkeampia korkoja. Eri omaisuusluokat, eri yritykset ja erilaiset lainanottajaluototiedot antavat kaikki eri korot. Covarianssia käytetään salkunhoidon teoriassa tunnistamaan tehokkaat sijoitukset, joilla on parhaat tuotto- ja riskitasot parhaiden mahdollisten salkkujen luomiseksi. Salkunhoitaja voi säännöllisesti muuttaa laskelmaa tulosten parantamiseksi tai tietyn tuottoasteen seuraamiseksi.
