Salkun vaihtelu - Määritelmä, kaava ja esimerkki

Salkun varianssi on tilastollinen arvo, joka arvioi salkun tuoton hajautuksen astetta. Se on tärkeä käsite modernissa sijoitusteoriassa. Vaikka tilastollinen mitta itsessään ei välttämättä tarjoa merkittäviä oivalluksia, voimme laskea keskihajonnan Standardipoikkeama Tilastollisesta näkökulmasta tietojoukon keskihajonta on mitta salkun sisältämien havaintojen arvojen välisten poikkeamien suuruudesta käyttäen salkun vaihtelu.

Salkun varianssin laskemisessa ei oteta huomioon vain yksittäisten varojen riskialttiutta. Omaisuuslajit Yleiset omaisuuserät sisältävät lyhytaikaiset, pitkäaikaiset, fyysiset, aineettomat, operatiiviset ja ei-operatiiviset. Tunnistetaan oikein ja myös korrelaatio salkun kunkin omaisuusparin välillä. Siten tilastollinen varianssi analysoi sitä, kuinka salkun omaisuus liikkuu yhdessä. Salkun hajauttamisen yleissääntö Hajauttaminen Hajauttaminen on tekniikka, jolla kohdennetaan salkun resursseja tai pääomaa erilaisiin sijoituksiin. Hajauttamisen tavoitteena on vähentää tappioita on sellaisten varojen valinta, joiden korrelaatio on heikko tai negatiivinen keskenään.

Finance's Math for Corporate Finance -kurssi tutkii finanssimatematiikan käsitteitä, joita tarvitaan finanssimallinnukseen. Mikä on taloudellinen mallinnus Taloudellinen mallinnus suoritetaan Excelissä yrityksen taloudellisen suorituskyvyn ennustamiseksi. Katsaus taloudelliseen mallintamiseen, miten ja miksi malli rakennetaan.

Kaava salkun varianssille

Kahdesta omaisuuserästä koostuvan salkun varianssi lasketaan seuraavalla kaavalla:

Missä:

• w_i- i: n omaisuuden paino
• σ_i2 - i: n omaisuuden varianssi
• Cov_1,2- varojen 1 ja 2 välinen kovarianssi

Kovarianssi ja korrelaatio liittyvät matemaattisesti. Suhde ilmaistaan ​​seuraavasti:

Missä:

• ρ_1,2 - varojen 1 ja 2 välinen korrelaatio
• Cov_1,2- varojen 1 ja 2 välinen kovarianssi
• σ₁- omaisuuserän 1 keskihajonta
• σ₂- omaisuuserän 2 keskihajonta

Tietäen kovarianssin ja korrelaation välisen suhteen, voimme kirjoittaa salkun varianssin kaavan uudelleen seuraavasti:

Salkun varianssin keskihajonta voidaan laskea salkun varianssin neliöjuurena:

Huomaa, että useista varoista koostuvan salkun varianssin laskemiseksi sinun on laskettava kerroin 2 v_iw_jCov_i.j(tai 2 v_iw_jρ_i,_j,σ_iσ_j) jokaiselle salkun mahdolliselle omaisuusparille.

Esimerkki salkun vaihtelusta

Fred omistaa sijoitussalkun, joka koostuu kolmesta osakkeesta: osake A, osake B ja osake C. Huomaa, että Fred omistaa vain yhden osuuden kustakin osakkeesta. Tiedot kustakin varastosta on annettu alla olevassa taulukossa:

Fred haluaa arvioida salkun riskin salkun varianssin ja salkun keskihajonnan avulla.

Ensin hänen on määritettävä kunkin salkun osakkeen paino. Tämä voidaan tehdä jakamalla kunkin osakkeen kokonaisarvo salkun kokonaisarvolla.

Lisäksi hänen on tiedettävä korrelaatio kunkin osakeparin välillä. Hänen laskelmansa osoittavat seuraavat korrelaatiot:

Salkun varianssi voidaan sitten laskea seuraavasti:

Liittyvät lukemat

Finance tarjoaa Financial Modeling & Valuation Analyst (FMVA) ™ FMVA® -sertifikaatin. Liity 350 600+ opiskelijaan, jotka työskentelevät yrityksissä, kuten Amazon, J.P.Morgan ja Ferrari -sertifikaattiohjelmassa, niille, jotka haluavat viedä uransa seuraavalle tasolle. Seuraavat rahoitusresurssit ovat hyödyllisiä oppimisen jatkamiseksi ja urasi edistämiseksi:

• Taloudellisen mallinnuksen kurssit
• Korrelaatiokorrelaatio Korrelaatio on tilastollinen mitta kahden muuttujan välisestä suhteesta. Mittaria käytetään parhaiten muuttujissa, jotka osoittavat lineaarisen suhteen toistensa välillä. Datan sopivuus voidaan visuaalisesti edustaa hajontakaaviona.
• Negatiivinen korrelaatio Negatiivinen korrelaatio Negatiivinen korrelaatio on suhde kahden vastakkaiseen suuntaan liikkuvan muuttujan välillä. Toisin sanoen, kun muuttuja A kasvaa, muuttuja B pienenee. Negatiivinen korrelaatio tunnetaan myös käänteisenä korrelaationa. Katso esimerkkejä, kaavioita ja
• Regressioanalyysi Regressioanalyysi Regressioanalyysi on joukko tilastollisia menetelmiä, joita käytetään riippuvan muuttujan ja yhden tai useamman itsenäisen muuttujan välisten suhteiden estimointiin. Sitä voidaan käyttää muuttujien välisen suhteen vahvuuden arviointiin ja niiden välisen tulevan suhteen mallintamiseen.