Variance er en meget anvendt metrisk til bestemmelse af risiko. Investorer beregner variansen af et forventet afkast for at bestemme den relative risiko for forskellige investeringsscenarier. Projektledere beregner variansen for at afgøre, om et projekt er over budget eller efter planen. Der er tre almindeligt accepterede måder at beregne varians på.
Varians baseret på historiske data
Beregn gennemsnittet af datasættet ved at dividere summen af datasættet med antallet af datapunkter. I dette eksempel er der tre datapunkter: n1, n2 og n3:
avg = (n1 + n2 + n3) / (3)
Beregn forskellen mellem hvert datapunkt og gennemsnittet af datasættet:
diff 1 = (n1 - avg) diff 2 = (n2 - avg) diff 3 = (n3 - avg)
Kvadrat hver forskel og tilføj de kvadratiske forskelle:
(n1-avg) ^ 2 + (n2-avg) ^ 2 + (n3-avg) ^ 2
Del summen af de kvadratiske forskelle med antallet af data i sæt minus 1:
(n1-avg) ^ 2 + (n2-avg) ^ 2 + (n3-avg) ^ 2 / (3-1)
Varians baseret på Variance-Covariance
Brug Excel's Covariance-funktion til at beregne kovariansen.
Beregn risikoen, der forekommer 5 procent af tiden ved at multiplicere standardafvigelsen med 1,65.
Beregn risikoen, der forekommer 5 procent af tiden ved at multiplicere standardafvigelsen med 1,65.
Beregn risikoen, der forekommer 1 procent af tiden ved at multiplicere standardafvigelsen med 2,33.
Varians baseret på Monte Carlo Metode
Vælg en statistisk fordeling for at tilnærme de faktorer, der påvirker dit datasæt. Hvis du for eksempel beregner risikovarianten for et foreslået investeringsscenarie, skal du vælge en fordeling, der matcher de observerede resultater af tidligere investeringer.
Brug et computerprogram til at generere mellem 1.000 og 10.000 tilfældige tal fra den valgte statistiske distribution.
Tegn de genererede data som en funktion af sandsynligheden, og beregner variansen af den resulterende fordeling.
Tips
-
Computerprogrammer er til rådighed til hjælp ved beregning af varians-, kovarians- og Monte Carlo-simuleringer.
Advarsel
Altid sammenligne beregnede statistikker med faktiske data, når det er muligt for at undgå overestimering eller undervurdering af varians.
