Cách tính phương sai cho quản lý rủi ro

Mục lục:

Anonim

Phương sai là một số liệu được sử dụng rộng rãi để xác định rủi ro. Các nhà đầu tư tính toán phương sai của lợi nhuận kỳ vọng để xác định rủi ro tương đối của các kịch bản đầu tư khác nhau. Các nhà quản lý dự án tính toán phương sai để xác định xem một dự án vượt quá ngân sách hay chậm tiến độ. Có ba cách tính phương sai thường được chấp nhận.

Phương sai dựa trên dữ liệu lịch sử

Tính trung bình của tập dữ liệu bằng cách chia tổng của tập dữ liệu cho số điểm dữ liệu. Trong ví dụ này, có ba điểm dữ liệu: n1, n2 và n3:

avg = (n1 + n2 + n3) / (3)

Tính toán sự khác biệt giữa từng điểm dữ liệu và trung bình của tập dữ liệu:

diff 1 = (n1 - avg) diff 2 = (n2 - avg) khác 3 = (n3 - avg)

Bình phương mỗi khác biệt và cộng các khác biệt bình phương:

(n1 - avg) ^ 2 + (n2 - avg) ^ 2 + (n3 - avg) ^ 2

Chia tổng số chênh lệch bình phương cho số lượng dữ liệu trong tập trừ 1:

(n1 - avg) ^ 2 + (n2 - avg) ^ 2 + (n3 - avg) ^ 2 / (3-1)

Phương sai dựa trên phương sai-hiệp phương sai

Sử dụng hàm Hiệp phương sai của Excel để tính hiệp phương sai.

Tính toán rủi ro xảy ra 5 phần trăm thời gian bằng cách nhân độ lệch chuẩn với 1,65.

Tính toán rủi ro xảy ra 5 phần trăm thời gian bằng cách nhân độ lệch chuẩn với 1,65.

Tính toán rủi ro xảy ra 1 phần trăm thời gian bằng cách nhân độ lệch chuẩn với 2,33.

Phương sai dựa trên phương pháp Monte Carlo

Chọn phân phối thống kê để tính gần đúng các yếu tố ảnh hưởng đến tập dữ liệu của bạn. Ví dụ: nếu bạn đang tính toán phương sai rủi ro của kịch bản đầu tư được đề xuất, hãy chọn phân phối phù hợp với hiệu suất quan sát của các khoản đầu tư trong quá khứ.

Sử dụng chương trình máy tính để tạo từ 1.000 đến 10.000 số ngẫu nhiên từ phân phối thống kê bạn đã chọn.

Vẽ đồ thị dữ liệu được tạo dưới dạng hàm xác suất và tính toán phương sai của phân phối kết quả.

Lời khuyên

  • Các chương trình máy tính có sẵn để hỗ trợ tính toán phương sai, hiệp phương sai và mô phỏng Monte Carlo.

Cảnh báo

Luôn so sánh số liệu thống kê được tính toán với dữ liệu thực tế khi có thể để tránh đánh giá quá cao hoặc đánh giá thấp phương sai.