Varijanca je široko korištena metrika za određivanje rizika. Investitori izračunavaju varijancu očekivanog prinosa kako bi odredili relativni rizik različitih scenarija ulaganja. Voditelji projekata izračunavaju varijance kako bi utvrdili je li projekt nad proračunom ili kasni. Postoje tri uobičajena načina izračuna varijance.
Odstupanje na temelju povijesnih podataka
Izračunajte prosjek skupa podataka dijeleći zbroj skupa podataka s brojem podatkovnih točaka. U ovom primjeru postoje tri podatkovne točke: n1, n2 i n3:
avg = (n1 + n2 + n3) / (3)
Izračunajte razliku između svake točke podataka i prosjeka skupa podataka:
diff 1 = (n1 - prosjek) diff 2 = (n2 - prosjek) diff 3 = (n3 - prosjek)
Razdvojite svaku razliku i zbrojite kvadratne razlike:
(n1 - prosjek) ^ 2 + (n2 - prosjek) ^ 2 + (n3 - prosjek) ^ 2
Podijelite zbroj kvadrata razlika brojem podataka u skupu minus 1:
(n1 - prosjek) ^ 2 + (n2 - prosjek) ^ 2 + (n3 - prosjek) ^ 2 / (3-1)
Varijacija na temelju varijanse-kovarijance
Koristite Excelovu funkciju kovarijance za izračun kovarijance.
Izračunajte rizik koji se javlja 5 posto vremena množenjem standardne devijacije za 1,65.
Izračunajte rizik koji se javlja 5 posto vremena množenjem standardne devijacije za 1,65.
Izračunajte rizik koji se javlja 1 posto vremena množenjem standardne devijacije s 2,33.
Varijance na temelju Monte Carlo metode
Odaberite statističku distribuciju da biste približili čimbenike koji utječu na skup podataka. Na primjer, ako izračunavate varijancu rizika predloženog investicijskog scenarija, odaberite distribuciju koja odgovara uočenoj uspješnosti prethodnih ulaganja.
Koristite računalni program za generiranje između 1.000 i 10.000 slučajnih brojeva iz statističke distribucije koju ste odabrali.
Grafirajte generirane podatke kao funkciju vjerojatnosti i izračunajte varijancu dobivene distribucije.
Savjet
-
Na raspolaganju su računalni programi koji pomažu u izračunu varijance, kovarijance i Monte Carlo simulacija.
Upozorenje
Uvijek usporedite izračunatu statistiku sa stvarnim podacima kada je to moguće kako biste izbjegli precjenjivanje ili podcjenjivanje varijance.
