Стандартное отклонение - это математическое измерение средней дисперсии. Это выдающаяся характеристика в области статистики, экономики, бухгалтерского учета и финансов. Для данного набора данных стандартное отклонение измеряет, насколько разбросанные числа отличаются от среднего значения. Стандартное отклонение можно рассчитать, взяв квадратный корень из дисперсии, которая сама по себе является средним квадратом разностей среднего.
Когда дело доходит до инвестирования в паевые инвестиционные фонды или хедж-фонды, аналитики обращают внимание на стандартное отклонение больше, чем любое другое измерение риска. Взяв стандартное отклонение годовой нормы доходности портфеля, аналитики могут лучше измерить согласованность, с которой генерируется доходность. Паевые инвестиционные фонды с большим послужным списком стабильных доходов показывают низкое стандартное отклонение. Однако фонды, ориентированные на рост или развивающиеся рынки, вероятно, будут испытывать большую волатильность и иметь более высокое стандартное отклонение. Поэтому они также несут больший риск.
Согласованность стандартного отклонения
Одной из причин широко распространенной популярности измерений стандартных отклонений является их согласованность. Мало того, что одно стандартное отклонение от среднего значения представляет собой одно и то же, независимо от того, говорите ли вы о валовом внутреннем продукте (ВВП), урожайности или росте собак, оно всегда рассчитывается в тех же единицах, что и набор данных. Вам никогда не придется интерпретировать дополнительную единицу измерения, вытекающую из формулы.
Например, предположим, что взаимный фонд достигает следующих годовых норм доходности в течение пяти лет: 4 процента, 6 процентов, 8, 5 процента, 2 процента и 4 процента. Среднее значение, или среднее значение, составляет 4, 9 процента. Стандартное отклонение составляет 2, 46 процента, что означает, что каждое отдельное годовое значение находится в среднем на 2, 46 процента от среднего значения. Каждое значение выражается в процентах, и теперь относительную волатильность легче сравнивать среди аналогичных взаимных фондов.
Благодаря своим непротиворечивым математическим свойствам, 68 процентов значений в любом наборе данных находятся в пределах одного стандартного отклонения от среднего, а 95 процентов - в пределах двух стандартных отклонений от среднего. В качестве альтернативы, вы можете оценить с уверенностью 95 процентов, что годовые доходы не превышают диапазон, созданный в пределах двух стандартных отклонений от среднего.
Полосы Боллинджера
При инвестировании стандартные отклонения в основном используются под видом полос Боллинджера. Полосы Боллинджера, разработанные Джоном Боллинджером в 1980-х годах, представляют собой серию линий, которые могут помочь выявить тенденции в данной безопасности. В центре находится экспоненциальная скользящая средняя (EMA), которая отражает среднюю цену ценной бумаги за установленный период времени. По обе стороны от этой линии полосы установлены на одно-три стандартных отклонения от среднего значения. Эти внешние полосы колеблются с скользящей средней в соответствии с изменением ценового действия.
В дополнение к многочисленным другим полезным приложениям, полосы Боллинджера используются в качестве индикатора волатильности рынка. Когда ценные бумаги переживают период сильной волатильности, полосы становятся достаточно широкими. Когда волатильность уменьшается, полосы сужаются, прижимаясь ближе к EMA. Даже в самых ограниченных по диапазону графиках время от времени наблюдаются короткие всплески волатильности, например, после отчетов о доходах или выпусках продуктов. На этих графиках обычно узкие полосы Боллинджера внезапно всплывают, чтобы приспособиться к всплеску активности. Как только все уладится, полосы сузятся. Поскольку многие инвестиционные методы зависят от изменяющихся тенденций, возможность быстрого выявления крайне нестабильных акций может быть особенно полезным инструментом.
Другие данные для рассмотрения
Хотя это важно, стандартные отклонения не должны восприниматься как конечное измерение стоимости отдельной инвестиции или портфеля. Например, взаимный фонд, который возвращает от 5 до 7 процентов каждый год, имеет более низкое стандартное отклонение, чем конкурирующий фонд, который возвращает от 6 до 16 процентов каждый год, но это явно худший выбор при прочих равных условиях., Важно отметить, что стандартное отклонение показывает только разброс годовых доходов для взаимного фонда, что не обязательно означает соответствие этого измерения в будущем. Экономические факторы, такие как изменение процентной ставки, всегда могут повлиять на работу взаимного фонда. При оценке риска, связанного с взаимным фондом, стандартное отклонение не является отдельным ответом. Например, стандартное отклонение показывает только последовательность или несоответствие доходности, но не показывает, насколько хорошо фонд работает по сравнению с его контрольным показателем, который измеряется как бета.
Другая потенциальная слабость использования стандартного отклонения для измерения риска для портфеля заключается в том, что он предполагает распределение значений данных в форме колокола. Это означает, что уравнение показывает, что такая же вероятность существует для достижения значений выше среднего или ниже среднего. Многие портфели не отражают эту тенденцию, и хедж-фонды, как правило, имеют тенденцию к перекосу в ту или иную сторону.
Чем больше ценных бумаг содержится в портфеле и чем больше различий в разных типах ценных бумаг, тем более вероятным является стандартное отклонение, которое может не подходить. Также, как и в любой статистической модели, большие наборы данных более надежны, чем небольшие наборы данных. Среднее значение 4, 9 процента и стандартное отклонение 2, 46 процента в приведенном выше примере не так надежно, как те же значения, полученные из 50 различных расчетов вместо пяти.
(Соответствующее чтение см. В чем разница между стандартным отклонением и средним отклонением? )
