La matriz de varianza-covarianza es un arreglo multidimensional de números que contiene información sobre las variabilidades individuales y la dependencia lineal por pares de un conjunto de variables. Sin embargo, la matriz en sí es difícil de representar de manera concisa, particularmente en el contexto de modelos multivariantes autorregresivos condicionales heterocedásticos. La práctica común es reportar los gráficos de covarianzas condicionales por pares que varían en el tiempo, donde es el número de mercados (o activos) considerados; así, cuando , habrá 45 gráficos. Sugerimos una medida de variabilidades (y dependencias) generales al resumir todos los elementos en una matriz de varianza-covarianza en una cantidad. El determinante de la matriz de covarianza , llamado el , puede ser utilizado como una medida de la dispersión general de la distribución multivariante. De manera similar, la raíz cuadrada positiva del determinante de la matriz de correlación, llamada el , será una medida de independencia lineal entre las variables aleatorias, mientras que será una medida general de dependencia lineal. En una aplicación empírica a los retornos de seis mercados asiáticos, estas estadísticas cumplen exitosamente los roles previstos. Además, se demuestra que son capaces de revelar y explicar los hechos empíricos que no pueden ser descubiertos por los métodos tradicionales. En particular, mostramos que (entre los mercados de acciones nacionales) están presentes y podrían ser medidos cuantitativamente en contraste con estudios previos, que solo revelaron interdependencia del mercado.