Wariancja jest szeroko stosowaną miarą do określania ryzyka. Inwestorzy obliczają wariancję oczekiwanego zwrotu, aby określić względne ryzyko różnych scenariuszy inwestycyjnych. Menedżerowie projektu obliczają wariancję, aby określić, czy projekt przekracza budżet lub opóźnia się. Istnieją trzy powszechnie akceptowane sposoby obliczania wariancji.
Wariancja na podstawie danych historycznych
Oblicz średnią zestawu danych, dzieląc sumę zbioru danych przez liczbę punktów danych. W tym przykładzie istnieją trzy punkty danych: n1, n2 i n3:
avg = (n1 + n2 + n3) / (3)
Oblicz różnicę między każdym punktem danych a średnią zestawu danych:
diff 1 = (n1 - średnia) diff 2 = (n2 - średnia) diff 3 = (n3 - średnia)
Uzupełnij każdą różnicę o kwadraty i dodaj do kwadratu różnice:
(n1 - śr.) ^ 2 + (n2 - śr.) ^ 2 + (n3 - śr.) ^ 2
Podziel sumę kwadratów różnic przez liczbę danych w zbiorze minus 1:
(n1 - śr.) ^ 2 + (n2 - śr.) ^ 2 + (n3 - śr.) ^ 2 / (3-1)
Wariancja na podstawie wariancji-kowariancji
Użyj funkcji kowariancji Excela do obliczenia kowariancji.
Oblicz ryzyko, które występuje w 5 procentach czasu, mnożąc odchylenie standardowe przez 1,65.
Oblicz ryzyko, które występuje w 5 procentach czasu, mnożąc odchylenie standardowe przez 1,65.
Oblicz ryzyko, które występuje 1 procent czasu, mnożąc odchylenie standardowe przez 2,33.
Wariancja W oparciu o metodę Monte Carlo
Wybierz rozkład statystyczny, aby uzyskać przybliżone czynniki wpływające na twój zestaw danych. Na przykład, jeśli obliczasz wariancję ryzyka proponowanego scenariusza inwestycyjnego, wybierz dystrybucję, która pasuje do zaobserwowanej skuteczności poprzednich inwestycji.
Użyj programu komputerowego, aby wygenerować od 1000 do 10 000 liczb losowych z wybranej dystrybucji statystycznej.
Wykreślić wygenerowane dane w funkcji prawdopodobieństwa i obliczyć wariancję wynikowego rozkładu.
Wskazówki
-
Dostępne są programy komputerowe pomagające w obliczaniu symulacji wariancji, kowariancji i Monte Carlo.
Ostrzeżenie
Zawsze należy porównywać obliczone statystyki z rzeczywistymi danymi, jeśli to możliwe, aby uniknąć przeszacowania lub niedoszacowania wariancji.
