El problema de la interpretación y de las unidades, es decir, la falta de una respuesta fácilmente intuitiva, es precisamente la razón por la que los cuantificadores/econometristas, etc., tienden a evitar hablar demasiado de las covarianzas [aunque sean absolutamente necesarias; y se utilicen con frecuencia]. Por lo tanto, si hay que interpretar, y más aún explicar, cualquier cosa que implique covarianzas, se suele expresar por defecto en términos de correlación, que sí tiene unidades intuitivas: acotada [-1,1] con 0 = independencia, etc.
Cor(1,2) = Cov(1,2) / ( sd(1) * sd(2) )
Cov(1,2) = Cor(1,2) * sd(1) * sd(2)
Así que las "unidades" aquí son una mezcla de productos de tres medidas, cada una con sus propias unidades: dos volatilidades y una medida de asociación acotada. Como tales, existen pero carecen de una explicación intuitiva.
Lo más parecido que se puede hacer es expresar la covarianza como un cambio marginal en la varianza de la cartera por un cambio unitario en el producto de las ponderaciones 1 y 2. Lo que sigue siendo poco elegante en el extremo, para ser educado ;-)
Recordemos también que la beta OLS tradicional puede expresarse como
Beta(1|2) = Cov(1,2) / Var(2) = E(d1) / d2
E(d1) = Cov(1,2) * d2/Var(2)
Así que un cambio de +1 en el Activo2 tiene un efecto de +0,1 dividido por su varianza en el Activo1. Que es lo mismo que decir que un movimiento de +1 sigma en el Activo2 tiene un 0,1 dividido por su desviación estándar en el Activo1. Que es lo mismo que decir (donde Z=1 es un choque de 1 sigma):
d1/d2 = Cov(1,2) / Var(2)
d1/z2 = Cov(1,2) / SD(2)
z1/z2 = Cov(1,2) / (SD(1) * SD(2)) = ¡Cor(1,2)!
Así que la forma de hacer intuitiva la clase de afirmación que intentas hacer arriba sigue siendo traducir tus covarianzas en correlaciones (intuitivas) sin unidades. Un movimiento de un sigma en 1 o 2 tendrá un efecto marginal Cor(1,2) sigma en el otro.
Sea cual sea el enfoque, siempre es necesario procesar la covarianza a través de una métrica adicional (con sus propias unidades, ya sean rentabilidades absolutas, rentabilidades ajustadas a la volatilidad o ponderaciones) para generar cualquier resultado explicativo intuitivo. El método tradicional w.Cov.w es eficaz para predecir el riesgo de la cartera, pero cuando se trata de interpretarla y explicarla, fracasa estrepitosamente. Por eso las publicaciones muestran inevitablemente las matrices de correlación asociadas de forma preferente. Las dos darán siempre los mismos resultados/previsiones; la elección entre las dos es, en última instancia, una cuestión de predicción frente a la interpretación (es decir, de presentación).