投资风险的度量-组合方差、回归方程的计算
图文版：
https://zhuanlan.zhihu.com/p/163762495
风险的定义
投资的风险（Risk）指期望结果（即收益）的不确定性（Uncertainty），年化收益率相同的2个资管产品，投资者一般倾向选择收益波动（Volatility）更小，即风险更小的资管产品。
事前风险（Ex ante或Forward-Looking Risk）指基于投资组合的持仓和市场预测，估计或预测的投资组合未来的风险。
事后风险（Ex post或Backward-Looking Risk）用于评估历史的投资组合的风险情况。本文主要介绍事后风险。
风险的度量
方差（Variance）：
r_i为每个区间（如周/月/季度）的收益率，r ̅为收益率均值，n为区间数量。
标准偏差（Standard Deviation）：
年化方差和年化标准偏差：
其中t为每年的区间数。若r_i为季度收益率，则t=4；若r_i为月度收益率，则t=12。
当分母为n-1时，即为样本方差：
样本标准偏差：
夏普比率Sharpe ratio
r_P为组合年化收益率，r_F为年化无风险（Risk-free）收益率，σ_P为投资组合年化标准偏差。
风险调整后收益率（Risk-adjusted return）M^2
不同投资组合的收益率、标准偏差一般不同，若直接比较收益率则忽视了组合所承担的风险，无法公平的对比收益和风险。因此，若以参考基准的标准偏差σ_M计算得到各个组合的等效收益率（即风险调整后收益），可相对公平的比较在承担相同风险情况下的收益率。
风险调整后收益率：
M^2超额收益率-几何法：
其中，b为参考基准收益率。
M^2超额收益率-算术法：
回归分析
若以参考基准（Benckmark）收益率为横轴，投资组合收益率为纵轴，得到收益率散点图：
用直线（一阶方程）对散点拟合，若散点大致散落在直线两侧，可以得到回归方程为：
回归方程的alpha值为回归方程与纵轴交点：
回归方程的beta值为直线斜率：
回归误差（Epsilon）为实际值与回归值的差值：
资本资产定价模型（Capital Asset Pricing Model ,CAPM）
若考虑无风险收益率r_Fi，定义组合超额收益率为：
参考基准超额收益率为：
得到回归方程：
Beta为：
詹森alpha（Jensen’s alpha）：
协方差（Covariance）代表投资组合和基准收益率向相同方向移动的倾向：
年化协方差：
相关度（Correlation ,ρ）：
因为：
因此：
特殊风险（Specific Risk ）或剩余风险（Residual risk）
根据回归方程：
组合总风险除了与beta相关的系统风险外，还包括由剩余项ε_R产生的剩余风险/特殊风险，即：
其中，系统风险为：
因此：
其中，R^2为决定系数（Coefficient of Determination）。R2越接近1，组合的方差越能够被基准方差所解释。如果组合的R2较低（远低于0.8），即系统的剩余风险占比较高，说明回归方程较不准确。
举例
以嘉实创业板ETF（159955）为例，其参考基准为创业板指数。根据最近2年的月收益率计算方差、相关度、回归方程系数等指标。
注：灰色背景单元格为左侧单元格的说明。
根据实际收益率得到的散点图：
参考资料
Practical Portfolio Performance Measurement and Attribution
投资风险的度量-组合方差、回归方程的计算相关推荐
- C语言实现方差variance计算(附完整源码)
实现方差variance计算 实现方差variance计算的完整源码(实现,main函数测试) 实现方差variance计算的完整源码(实现,main函数测试) #include <math.h ...
- matlab计算斜方差_计算一幅图像的信噪比
本文摘自本人的毕业设计<数字图像滤波算法研究>2019, Chang'an University, Xi'an, China. 本文适用于原始图像(即不含噪声的图像)存在的情况下. 使用待 ...
- 【笔试/面试】排列组合与概率计算（二）
[面试]排列组合与概率计算(一) 基本公式 (1)排列 Amn=n!(n−m)!Anm=n!(n−m)! A_n^m=\frac{n!}{(n-m)!} (2)组合 (nm)=n!m!(n−m)!(n ...
- matlab一元二次回归,MATLAB一元线性回归方程的计算及检验.doc
MATLAB一元线性回归方程的计算及检验 1. 从input语句键盘输入一组数据(xi,yi),i=1,2,-n. 2. 计算一元线性回归方程y=ax+b的系数a和b,用两种方法计算: 一是公式:: ...
- 用均值方差法计算边际VaR值和成分VaR值（Python）
tushare ID:432833 边际VaR值和成分VaR值定义 VaR:Value at Risks,在险价值,是指未来一段特定的时间内,在市场正常波动的情况下,某一金融资产或投资组合在给定置信水 ...
- 【数据挖掘】高斯混合模型 ( 与 K-Means 每个步骤对比 | 初始参数设置 | 计算概率 | 计算平均值参数 | 计算方差参数 | 计算高斯分布概率参数 | 算法终止条件 )
文章目录 I . 高斯混合模型 ( 样本 -> 模型 ) II . 高斯混合模型 ( 模型 -> 样本 ) III . 高斯混合模型 与 K-Means 迭代过程对比 IV . 高斯混合模 ...
- java 字符串排列组合_Java 程序计算列出字符串的所有排列组合
Java 程序计算列出字符串的所有排列组合 在此示例中,我们将学习计算Java中字符串的所有排列组合. 要理解此示例,您应该了解以下Java编程主题: 字符串的排列是指可以通过互换字符串字符的位置来形 ...
- 聚类性能度量指标及距离计算
Python实现KMeans算法 1.外部指标 将聚类结果与某个"参考模型进行比较" 每次抽出两个样本,讨论所属聚类结果和参考模型,确定四个值: a:聚类结果同属于一类,参考模型同 ...
- python 根据x的值和函数y=20+x2，计算y_new,算出y_new和y的差，记为delta_y。¶绘制x和delt_y的点图，并计算y的方差。有关方差的计算参阅数学资料。
根据问题一步一步求就好了,非常简单的一道题. 代码如下: x=[0, 1, 2, 3, 4, 5, 6 , 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 1 ...
最新文章
- vue data数据修改_史上最强vue总结，万字长文
- python【数据结构与算法】深入浅出Linear(线性表)
- 店宝宝电脑版_起名字 测名字神器 电脑安卓全有了
- 【杂谈】新手如何掌握深度学习模型？赠书2本，星球券10张
- ieda 远程调试hive_idea 远程调试
- OpenSSL(openssl-1.0.1h)编译与安装(Win7)
- mysql 钩子_面试官: 什么是 Hook (钩子) 线程以及应用场景?
- eval函数pythonmopn_python3中的 eval函数
- 查看DB2实际数据存储类型
- DWR操作java对象
- Hazelcast更换CEO，承诺继续造福开源社区
- [洛谷5463]小鱼比可爱
- unity2019汉化
- EasyCVR调用Ehome协议接入的硬盘录像机设备录像无法播放，如何处理？
- uniapp内使用 mescroll
- Google原生输入法LatinIME词库构建流程分析(一)
- 华为设备配置SEP多实例
- 近期学员遇到的软件测试面试真题
- Office 365 API平台概览
- 电子元器件行业B2B交易系统：规范企业交易流程，提升销售管理效率