Varians er en mye brukt metrisk for å bestemme risiko. Investorer beregner variansen av en forventet avkastning for å fastslå den relative risikoen for ulike investeringsscenarier. Prosjektledere beregner variansen for å avgjøre om et prosjekt er over budsjett eller etter planen. Det er tre allment aksepterte måter å beregne variansen på.
Varians basert på historiske data
Beregn gjennomsnittet av datasettet ved å dele summen av datasettet med antall datapunkter. I dette eksemplet er det tre datapunkter: n1, n2 og n3:
avg = (n1 + n2 + n3) / (3)
Beregn forskjellen mellom hvert datapunkt og gjennomsnittet av datasettet:
diff 1 = (n1 - avg) diff 2 = (n2 - avg) diff 3 = (n3 - avg)
Firkant hver forskjell og legg opp de kvadratiske forskjellene:
(n1 - avg) ^ 2 + (n2 - avg) ^ 2 + (n3 - avg) ^ 2
Del summen av de kvadratiske forskjellene med antall data i settet minus 1:
(n1-avg) ^ 2 + (n2-avg) ^ 2 + (n3-avg) ^ 2 / (3-1)
Varians basert på Varians-Covariance
Bruk Excels Covariance-funksjon for å beregne kovariansen.
Beregn risikoen som oppstår 5 prosent av tiden ved å multiplisere standardavviket med 1,65.
Beregn risikoen som oppstår 5 prosent av tiden ved å multiplisere standardavviket med 1,65.
Beregn risikoen som oppstår 1 prosent av tiden ved å multiplisere standardavviket med 2,33.
Varians Basert på Monte Carlo Metode
Velg en statistisk distribusjon for å tilnærme faktorene som påvirker datasettet. For eksempel, hvis du beregner risikovariansen i et foreslått investeringsscenario, velger du en distribusjon som samsvarer med observerte resultater av tidligere investeringer.
Bruk et dataprogram til å generere mellom 1000 og 10.000 tilfeldige tall fra den statistiske distribusjonen du valgte.
Graf de genererte dataene som en funksjon av sannsynligheten, og beregne variansen av den resulterende distribusjonen.
Tips
-
Dataprogrammer er tilgjengelige for å bistå i beregning av varians, kovarians og Monte Carlo simuleringer.
Advarsel
Altid sammenligne beregnet statistikk til faktiske data når det er mulig for å unngå overestimering eller undervurdering av varians.
