Hvad er Portfolio Variance & Std Dev?
▾
Porteføljevarians måler den samlede risiko ved en kombination af investeringer ved at tage højde for ikke kun den individuelle risiko for hvert aktiv, men også hvordan de bevæger sig i forhold til hinanden. Når to aktiver har en tendens til at bevæge sig i samme retning på samme tid, reducerer det ikke meget risikoen ved at kombinere dem. Men når de bevæger sig i modsatte retninger - eller endda bare anderledes - skaber blanding af dem en portefølje, der er mindre volatil end nogen individuel komponent. Dette er den matematiske motor bag diversificering, og det er grunden til, at en blanding af aktier, obligationer, fast ejendom og råvarer kan reducere den samlede porteføljerisiko uden nødvendigvis at ofre afkast. Denne idé blev formaliseret af Harry Markowitz i hans papir fra 1952 'Portfolio Selection', som gav ham Nobelprisen i økonomi i 1990. Før Markowitz fokuserede investorerne næsten udelukkende på at vælge gode individuelle værdipapirer. Hans indsigt var, at porteføljen som helhed betød mere end nogen enkelt aktie - og at korrelation mellem aktiver var nøglen til at forstå kombineret risiko. Hans ramme, nu kaldet Modern Portfolio Theory (MPT), introducerede konceptet om den effektive grænse: det sæt af porteføljer, der tilbyder det højeste afkast for et givet risikoniveau, eller den laveste risiko for et givet afkast. I praksis beregnes porteføljevarians ved hjælp af hvert aktivs vægt, dets individuelle varians (eller standardafvigelse) og de parvise kovarianser mellem hver kombination af aktiver. Med to aktiver er det en simpel formel; med tyve aktiver har du brug for en 20×20 kovariansmatrix. Moderne porteføljeoptimeringssoftware håndterer denne matrixalgebra automatisk, men at forstå den underliggende logik - at reduktion af gennemsnitlig parvis korrelation reducerer porteføljevarians - er afgørende for enhver investor, der bygger en multiaktiv-strategi. Porteføljevarians er også central for risikorapportering i professionel investeringsforvaltning. Faktormodeller opdeler porteføljevarians til bidrag fra markedsrisiko, sektortilt, stileksponeringer og idiosynkratiske risici, hvilket giver porteføljeforvaltere mulighed for at forstå præcis, hvor deres risiko kommer fra, og om de bliver kompenseret for det.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formel
▾
To-aktiv: σ²_p = w₁²σ₁² + w₂²σ₂² + 2·w₁·w₂·ρ₁₂·σ₁·σ₂
N-aktiv: σ²_p = Σᵢ Σⱼ wᵢ·wⱼ·σᵢⱼ (matrixform: σ²_p = wᵀ·Σ·w)
Portfolio Std Dev (σ_p) = √σ²_p
Kovarians: σᵢⱼ = ρᵢⱼ·σᵢ·σⱼVariabelbeskrivelse
▾
| Symbol | Navn | Enhed | Beskrivelse |
|---|---|---|---|
| wᵢ | Aktivvægt | decimal (0–1) | Andel af porteføljeværdi allokeret til aktiv i; alle vægte skal summere til 1 |
| σᵢ | Aktiv standardafvigelse | % per year | σᵢ-parameteren repræsenterer et vigtigt kvantitativt input i porteføljevariansberegningen, målt i dens standardenhed og direkte indflydelse på det beregnede resultat gennem den matematiske formel |
| ρᵢⱼ | Korrelationskoefficient | dimensionless (−1 to +1) | Pearson korrelation mellem aktiv i og j afkast; −1 = perfekt negativ, 0 = ukorreleret, +1 = perfekt positiv |
| σᵢⱼ | Kovarians | % squared per year | Fælles variabilitet af aktiver i og j; er lig med ρᵢⱼ × σᵢ × σⱼ |
| Σ | Kovarians Matrix | matrix | N×N symmetrisk matrix af alle parvise kovarianser; kerneinput til porteføljeoptimering |
Sådan Portfolio Variance & Std Dev
▾
- 1List hvert aktiv i porteføljen med dets aktuelle markedsværdi, og udregn derefter hvert aktivs vægt som dets værdi divideret med den samlede porteføljeværdi.
- 2Indsaml den annualiserede standardafvigelse (volatilitet) for hvert aktiv – typisk estimeret fra 3-5 års månedlige afkast, derefter annualiseret (multiplicer månedlig σ med √12).
- 3Konstruer den parvise korrelationsmatrix: Beregn korrelationen af deres historiske afkastserie for hvert par af aktiver. De fleste porteføljesoftware eller regneark kan beregne dette ud fra en returhistorik.
- 4Konverter korrelationer til kovarianser: σᵢⱼ = ρᵢⱼ × σᵢ × σⱼ for hvert par.
- 5For to aktiver skal du anvende den direkte formel. For flere aktiver skal du beregne wᵀΣw ved hjælp af matrixmultiplikation - dette er det indre produkt af vægtvektoren med kovariansmatrixen.
- 6Tag kvadratroden af porteføljevarians for at få porteføljestandardafvigelse (σ_p) - det mere intuitive risikomål udtrykt i procenter.
- 7Sammenlign σ_p med det vægtede gennemsnit af individuelle σ-værdier (Σwᵢσᵢ). Forskellen er diversificeringsfordelen - hvor meget risiko du undgik ved at kombinere aktiver i stedet for at holde hver for sig.
Løste eksempler
▾
Vægtet gennemsnit σ ville være 0,60×18+0,40×6 = 13,2%; Porteføljen opnår kun 10,5 % — sparer 2,7 % af risikoen gennem diversificering.
Den negative sammenhæng mellem aktier og obligationer (obligationer stiger ofte, når aktier falder) er kilden til risikoreduktionen. Dette er grunden til, at 60/40-porteføljen blev standardafbalanceret allokering for pensionsfonde og legater i årtier - den fanger aktieafkast, mens den dæmper volatiliteten meningsfuldt.
To aktier i samme sektor har meget høj korrelation; diversificering sparer kun ~1% af risikoen i forhold til det vægtede gennemsnit på 29%.
Når aktiver er stærkt korrelerede, giver en kombination af dem minimal diversificeringsfordel. At holde to tech-aktier er næppe anderledes end at holde en tech-aktie på dobbelt størrelse. Ægte diversificering kræver aktiver, der reagerer forskelligt på økonomiske forhold - ikke kun forskellige firmanavne i samme sektor.
Tilføjelse af guld (nærmest nul korrelation med begge) reducerer porteføljevolatiliteten yderligere end 60/40-basislinjen.
Guldtildelingen bringer sin lave korrelation med både aktier og obligationer i spil. Selvom guld i sig selv er volatilt (15%), fordi det bevæger sig uafhængigt af både aktier og obligationer, reducerer det den samlede porteføljevarians. Dette viser, hvordan volatiliteten af et individuelt aktiv betyder mindre end dets korrelation til resten af porteføljen.
I kriser stiger korrelationer på tværs af aktiver mod 1,0, hvilket eliminerer diversificering, præcis når du har mest brug for det.
Dette er den vigtigste begrænsning af porteføljevarians beregnet ud fra normalperiodedata: korrelationerne er ikke stabile. Under finanskrisen i 2008 og udsalget af COVID March 2020 faldt næsten alle risikoaktiver samtidig, da investorerne likviderede alt for at rejse kontanter. Modeller baseret på langsigtede gennemsnitlige korrelationer undervurderede dramatisk risikoen under disse episoder.
Praktiske anvendelser
▾
Konstruktion af effektive porteføljer med gennemsnitlig varians og beregning af den effektive grænse, der repræsenterer et vigtigt anvendelsesområde for porteføljevariancen i professionelle og analytiske sammenhænge, hvor nøjagtige porteføljevariansberegninger direkte understøtter informeret beslutningstagning, strategisk planlægning og præstationsoptimering
Risikonedbrydning og tilskrivning i institutionel fondsforvaltning, der repræsenterer et vigtigt anvendelsesområde for porteføljevariancen i professionelle og analytiske sammenhænge, hvor nøjagtige porteføljevariansberegninger direkte understøtter informeret beslutningstagning, strategisk planlægning og præstationsoptimering
Regulatorisk kapitalmodellering under Basel III for banker og Solvens II for forsikringsselskaber, der repræsenterer et vigtigt anvendelsesområde for Porteføljevariancen i professionelle og analytiske sammenhænge, hvor nøjagtige porteføljevariansberegninger direkte understøtter informeret beslutningstagning, strategisk planlægning og præstationsoptimering
Robo-rådgiver og mål-dato fondsporteføljekonstruktionsalgoritmer, der repræsenterer et vigtigt anvendelsesområde for porteføljevariancen i professionelle og analytiske sammenhænge, hvor nøjagtige porteføljevariansberegninger direkte understøtter informeret beslutningstagning, strategisk planlægning og præstationsoptimering
Særlige tilfælde
▾
Illikvide aktiver — sjældent prisfastsættelse
{'title': 'Illilikvide aktiver — sjældent prisfastsættelse', 'body': "Aktiver prissat sjældent (private equity, fast ejendom) viser kunstigt lav målt korrelation med offentlige markeder, fordi deres værdiansættelser halter. Denne 'udjævnende effekt' undervurderer sand varians og korrelationer. Modeller, der bruger betydelige afkast under vurdering af private aktiver, vurderer sande risikoer og vurderer porteføljer. diversificeringsfordele Dimson (1979) korrektions- eller retur-udjævningsteknikker hjælper med at justere for dette."}
Fede haler og ikke-normale afkast
{'title': 'Fed tails and non-normal returns', 'body': 'Standard porteføljevarians forudsætter normalt fordelte afkast. I virkeligheden har aktivafkast fede haler - store bevægelser forekommer langt oftere end en normal fordeling forudsiger. Under 2008-krisen, COVID-krakket i 2020 og 2022-obligationssalget var afkastet 5-10 standardafvigelseshændelser efter normale distributionsstandarder. Expected Shortfall (CVaR) og stresstest komplementerer varians til at fange halerisiko.'}
Estimationsfejl i kovariansmatricer
{'title': 'Estimeringsfejl i kovariansmatricer', 'body': 'Kovariansmatricer estimeret ud fra historiske data er støjende, især for store porteføljer. Med 50 aktiver estimerer du 1.225 kovarianser - hver medfører estimeringsfejl. Optimeringsværktøjer forstærker disse fejl og producerer ustabile porteføljer med ekstrem vægt. Svindestimatorer (Ledoit-Wolf), faktormodeller eller robuste optimeringsmetoder reducerer følsomheden over for estimeringsfejl.'}
Porteføljestandardafvigelse efter korrelation — 50/50 opdeling, σ₁=20 %, σ₂=15 %
▾
| Korrelation (ρ) | Portefølje σ | Risiko vs. vægtet gns. (17,5 %) | Fortolkning |
|---|---|---|---|
| −1,0 (perfekt negativ) | 2,5 % | −15,0 % | Maksimal diversificering — næsten nul risiko mulig |
| -0,5 | 10,4 % | -7,1 % | Stærk diversificeringsfordel |
| 0,0 (ukorreleret) | 12,5 % | −5,0 % | God diversificering — uafhængige aktiver |
| 0.5 | 14,4 % | -3,1 % | Moderat fordel — aktiver i samme retning |
| 0.8 | 16,5 % | −1,0 % | Minimal fordel — meget korreleret |
| +1,0 (perfekt positiv) | 17,5 % | 0% | Ingen diversificering — identisk med vægtet gennemsnit |
Ofte stillede spørgsmål
▾
Hvad er forskellen mellem porteføljeafvigelse og porteføljestandardafvigelse?
Porteføljevarians (σ²_p) er det kvadrerede mål for risiko — enheden er 'procent i anden', hvilket ikke er intuitivt. Porteføljestandardafvigelse (σ_p = √σ²_p) konverterer dette tilbage til procentvise termer, der direkte kan sammenlignes med aktivafkast. Hvis din portefølje har en årlig standardafvigelse på 12 %, betyder det, at afkast typisk falder inden for ±12 % af gennemsnittet i omkring to tredjedele af årene (én standardafvigelse). Begge måler det samme; standardafvigelse er mere almindeligt anvendt i praksis, fordi enhederne matcher afkast.
Hvorfor betyder korrelation mere end individuel volatilitet for diversificering?
Tilføjelse af et volatilt aktiv til din portefølje kan faktisk reducere den samlede porteføljerisiko, hvis dette aktiv har lav eller negativ korrelation med eksisterende beholdninger. For eksempel har guld en årlig volatilitet på 15-20%, sammenlignelig med aktier, men tilføjelse af 10-15% guld til en aktieobligationsportefølje reducerer typisk den samlede porteføljevolatilitet. Matematikken gør dette præcist: krydsproduktleddet (2·w₁·w₂·ρ·σ₁·σ₂) trækkes fra, når ρ er negativ, og adderes, når ρ er positivt. Korrelation er bogstaveligt talt den parameter, der bestemmer, om diversificering virker.
Hvor mange aktiver er nødvendige for tilstrækkelig diversificering?
Forskning af Evans og Archer (1968) viste, at de fleste idiosynkratiske (virksomhedsspecifikke) risici elimineres med omkring 20-30 tilfældigt udvalgte aktier. Ud over det reducerer tilføjelse af flere aktier risikoen marginalt. En portefølje på 30 amerikanske aktier er dog kun diversificeret i forhold til virksomhedsspecifik risiko - den har stadig fuld eksponering for amerikanske aktiemarkedsrisiko, sektorrisiko og faktorrisici. Ægte diversificering kræver krydsning af aktivklasser (aktier, obligationer, fast ejendom, råvarer, alternativer) og geografiske områder (indenlandske, internationalt udviklede, nye markeder).
Hvad er en kovariansmatrix, og hvordan bygger jeg en?
En kovariansmatrix (Σ) er et N×N-gitter, hvor hver post [i,j] viser kovariansen mellem aktiv i og aktiv j. De diagonale indtastninger er de individuelle varianser (σᵢ²). Matricen er symmetrisk (indtastning [i,j] = [j,i]), fordi kovariansen mellem A og B er lig med kovariansen mellem B og A. For at bygge en ud fra historiske data: indsamle månedlige afkast for alle aktiver, udregn parvise kovarianser ved hjælp af Excels COVAR-funktion eller Pythons numpy.cov(), og multiplicer derefter månedligt med 12 gange månedligt.
Hvad er minimumsvariationsporteføljen?
Minimumsafvigelsesporteføljen er kombinationen af aktiver – specifik for hvert aktivs vægte – der producerer den lavest mulige porteføljevarians på tværs af alle mulige allokeringskombinationer. Den sidder længst til venstre på den effektive grænse. Det er ikke nødvendigvis den optimale portefølje (det ofrer forventet afkast), men det repræsenterer den maksimale diversificeringsfordel, der kan opnås givet de tilgængelige aktiver. For et tilfælde med to aktiver er den mindste variansvægt for aktiv 1: w₁ = (σ₂² − σ₁₂) / (σ₁² + σ₂² − 2σ₁₂), hvor σ₁₂ er kovariansen.
Hvordan påvirker gearing porteføljevarians?
Gearing forstærker porteføljevariansen med kvadratet på gearingsforholdet. Hvis du låner 50 % af porteføljeværdien for at investere (1,5× gearing), stiger porteføljevariansen med en faktor på 1,5² = 2,25, og standardafvigelsen stiger med 1,5×. Det betyder, at en 12 % årlig standardafvigelse ved 1× bliver 18 % ved 1,5×. Gearing kan ikke diversificeres væk - det skalerer alle komponenter proportionalt. Dette er grunden til, at højt gearede fonde (f.eks. 2× og 3× ETF'er) har dramatisk højere volatilitet end deres underliggende indeks.
Hvad er forskellen mellem porteføljevarians i MPT og faktormodelrisiko?
MPT beregner den samlede porteføljeafvigelse fra rå afkasthistorie. Faktormodeller (CAPM, Fama-French, Barra) opdeler porteføljevarians i systematiske komponenter (markedsrisiko, størrelsesrisiko, værdirisiko, momentumrisiko) og idiosynkratisk komponent. Faktormodelvarians giver mere indsigt i, hvorfor du har den risiko, du har - er det markedsbeta, sektorkoncentration eller faktortilt? For porteføljestyring er nedbrydning af faktorrisiko mere handlebar; til præcis variansberegning er kovariansmatrixtilgangen mere nøjagtig.
Almindelige fejl at undgå
▾
- !Brug af aktivstandardafvigelser i procent (f.eks. 20) i stedet for decimaler (0,20) - formlen kræver decimaler, og blanding af dem giver meningsløse resultater.
- !Ignorerer korrelation og blot gennemsnit af aktivernes standardafvigelser - dette overvurderer porteføljerisikoen og går glip af hele pointen med diversificering.
- !Forudsat at historiske korrelationer er stabile - korrelationerne skifter dramatisk mellem normale og kriseregimer. Stresstest altid med forhøjede korrelationsantagelser.
- !Brug af månedlige afkast uden annualisering — gang den månedlige afvigelse med 12 for at få den årlige afvigelse, eller gang den månedlige σ med √12 for at få den årlige σ.
- !Behandling af en portefølje af aktier i samme sektor som diversificerede — sektoraktier har korrelationer over 0,7 og giver minimal variansreduktion.
Pro Tip
Kør to porteføljevariansberegninger: en ved hjælp af langsigtede gennemsnitlige korrelationer (normal periode) og en ved hjælp af kriseperiodekorrelationer (antag, at alle risikable aktivkorrelationer stiger til 0,80+). Afstanden mellem disse to tal er din 'diversificeringskredit' - mængden af risikoreduktion, der kan forsvinde i en reel krise. Større dit risikobudget konservativt i forhold til krisekorrelationsscenariet.
Vidste du?
Harry Markowitz udviklede angiveligt sin porteføljevariationsramme som ph.d.-studerende i 1950'erne, mens han læste John Burr Williams 'Theory of Investment Value' på et universitetsbibliotek. Hans indsigt - at investorer burde bekymre sig om porteføljer, ikke individuelle aktier - kom på en eftermiddag. Hans Nobelprisvinders tale bemærkede, at Milton Friedman oprindeligt foreslog, at arbejdet ikke var økonomi. Årtier senere er Markowitz' kovariansmatrix indlejret i enhver institutionel investeringsproces i verden.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referencer
Read the full guide on how to use this calculator effectively
Læs mere →Få ugentlige matematiktips
Slut dig til 12.000+ abonnenter, der får lommeregnertips hver uge.