Mikä on Portfolio Variance & Std Dev?
▾
Salkun varianssi mittaa sijoitusten yhdistelmän kokonaisriskiä ottamalla huomioon kunkin omaisuuden yksittäisen riskin lisäksi myös sen, kuinka ne liikkuvat suhteessa toisiinsa. Kun kahdella omaisuudella on taipumus liikkua samaan suuntaan samaan aikaan, niiden yhdistäminen ei juurikaan pienennä riskiä. Mutta kun ne liikkuvat vastakkaisiin suuntiin - tai jopa vain eri tavalla - niiden sekoittaminen luo portfolion, joka on vähemmän epävakaa kuin mikään yksittäinen komponentti. Tämä on hajauttamisen takana oleva matemaattinen moottori, ja siksi osakkeiden, joukkovelkakirjalainojen, kiinteistöjen ja hyödykkeiden yhdistelmä voi vähentää salkun kokonaisriskiä ilman, että tuotto välttämättä kärsii. Tämän ajatuksen virallisti Harry Markowitz vuoden 1952 paperissaan "Portfolio Selection", joka ansaitsi hänelle taloustieteen Nobelin vuonna 1990. Ennen Markowitzia sijoittajat keskittyivät lähes kokonaan hyvien yksittäisten arvopapereiden valitsemiseen. Hänen näkemyksensä oli, että salkulla kokonaisuutena oli enemmän merkitystä kuin millään yksittäisellä osakkeella - ja että omaisuuserien välinen korrelaatio oli avain yhdistetyn riskin ymmärtämiseen. Hänen viitekehyksensä, jota nyt kutsutaan nimellä Modern Portfolio Theory (MPT), esitteli tehokkaan rajan käsitteen: salkkujen joukon, jotka tarjoavat suurimman tuoton tietylle riskitasolle tai pienimmän riskin mille tahansa tuotolle. Käytännössä salkun varianssi lasketaan käyttämällä kunkin omaisuuserän painoa, sen yksittäistä varianssia (tai keskihajontaa) ja pareittain kovariansseja jokaisen omaisuusyhdistelmän välillä. Kahdella omaisuudella se on yksinkertainen kaava; kaksikymmentä omaisuutta tarvitset 20 × 20 kovarianssimatriisin. Nykyaikainen salkun optimointiohjelmisto käsittelee tämän matriisialgebran automaattisesti, mutta taustalla olevan logiikan ymmärtäminen - että keskimääräisen parikohtaisen korrelaation vähentäminen vähentää salkun varianssia - on välttämätöntä jokaiselle sijoittajalle, joka rakentaa usean omaisuuden strategiaa. Salkun varianssi on keskeinen myös ammattimaisen sijoitushallinnan riskiraportoinnissa. Tekijämallit jakavat salkun varianssin osiksi markkinariskistä, sektorin kallistumisesta, tyylipositiosta ja yksilöllisestä riskistä, jolloin salkunhoitajat ymmärtävät tarkalleen, mistä heidän riskinsä tulee ja saavatko he siitä kompensaatiota.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Kaava
▾
Kaksi omaisuutta: σ²_p = w₁²σ₁² + w₂²σ₂² + 2·w₁·w₂·ρ₁₂·σ₁·σ₂
N-omaisuus: σ²_p = Σᵢ Σⱼ wᵢ·wⱼ·σᵢⱼ (matriisimuoto: σ²_p = wᵀ·Σ·w)
Portfolio Vakiokehitys (σ_p) = √σ²_p
Kovarianssi: σᵢⱼ = ρᵢⱼ·σᵢ·σⱼMuuttujan selitys
▾
| Symboli | Nimi | Yksikkö | Kuvaus |
|---|---|---|---|
| wᵢ | Omaisuuden paino | decimal (0–1) | Omaisuuserään i kohdistetun salkun arvon osuus; kaikkien painojen summan tulee olla 1 |
| σᵢ | Omaisuuden keskihajonta | % per year | σᵢ-parametri edustaa keskeistä kvantitatiivista syötettä portfolion varianssilaskelmassa, mitattuna sen standardiyksikössä ja vaikuttaa suoraan laskettuun tulokseen matemaattisen kaavan kautta. |
| ρᵢⱼ | Korrelaatiokerroin | dimensionless (−1 to +1) | Pearson-korrelaatio omaisuuden i ja j tuottojen välillä; −1 = täydellinen negatiivinen, 0 = korreloimaton, +1 = täydellinen positiivinen |
| σᵢⱼ | Kovarianssi | % squared per year | Omaisuuserien i ja j yhteinen vaihtelu; on yhtä suuri kuin ρᵢⱼ × σᵢ × σⱼ |
| Σ | Kovarianssimatriisi | matrix | N × N kaikkien parikohtaisten kovarianssien symmetrinen matriisi; salkun optimoinnin ydinsyöte |
Kuinka Portfolio Variance & Std Dev
▾
- 1Listaa jokainen salkun omaisuus sen nykyisellä markkina-arvolla ja laske sitten kunkin omaisuuden paino sen arvolla jaettuna salkun kokonaisarvolla.
- 2Kerää kunkin omaisuuserän vuositasoinen keskihajonta (volatiliteetti) – tyypillisesti arvioituna 3–5 vuoden kuukausituottojen perusteella ja sen jälkeen vuositasolla (kerroin kuukausittainen σ √12:lla).
- 3Muodosta parikohtainen korrelaatiomatriisi: laske kunkin omaisuusparin historiallisen tuottosarjan korrelaatio. Useimmat portfolioohjelmistot tai laskentataulukot voivat laskea tämän palautushistorian perusteella.
- 4Muunna korrelaatiot kovariansseiksi: σᵢⱼ = ρᵢⱼ × σᵢ × σⱼ jokaiselle parille.
- 5Käytä suoraa kaavaa kahdelle omaisuudelle. Jos haluat lisää omaisuutta, laske wᵀΣw matriisikertolaskulla – tämä on painovektorin sisätulo kovarianssimatriisin kanssa.
- 6Ota salkun varianssin neliöjuuri saadaksesi salkun keskihajonta (σ_p) – intuitiivisempi riskimittari ilmaistuna prosentteina.
- 7Vertaa σ_p:tä yksittäisten σ-arvojen painotettuun keskiarvoon (Σwᵢσᵢ). Erona on hajautushyöty – kuinka suuren riskin vältit yhdistämällä varoja sen sijaan, että olisit pitänyt niitä erikseen.
Ratkaistut esimerkit
▾
Painotettu keskiarvo σ olisi 0,60 × 18 + 0,40 × 6 = 13,2 %; salkku saavuttaa vain 10,5 % – säästää 2,7 % riskeistä hajauttamalla.
Osakkeiden ja joukkovelkakirjalainojen välinen negatiivinen korrelaatio (joukkovelkakirjat kasvavat usein, kun osakkeet laskevat) on riskin pienenemisen lähde. Tästä syystä 60/40-salkusta tuli oletusarvoisesti tasapainotettu allokaatio eläkerahastoille ja lahjoituksille vuosikymmeniksi – se kerää osaketuottoja ja vaimentaa samalla volatiliteettia.
Kahdella saman sektorin osakkeella on erittäin korkea korrelaatio; hajauttaminen säästää vain ~1 % riskistä vs. 29 % painotettu keskiarvo.
Kun varat korreloivat voimakkaasti, niiden yhdistäminen tuottaa minimaalisen hajautushyödyn. Kahden teknologiaosakkeen omistaminen on tuskin erilaista kuin yhden kaksi kertaa suuremman teknologiaosakkeen omistaminen. Todellinen monipuolistaminen edellyttää omaisuutta, joka reagoi eri tavalla taloudellisiin olosuhteisiin – ei vain eri yritysten nimiä samalla alalla.
Kullan lisääminen (lähes nollakorrelaatio molempien kanssa) vähentää salkun volatiliteettia enemmän kuin 60/40 perusviivaa.
Kullan allokaatio tuo esiin sen alhaisen korrelaation sekä osakkeiden että joukkovelkakirjojen kanssa. Vaikka kulta itsessään on epävakaa (15 %), koska se liikkuu sekä osakkeista että joukkovelkakirjoista riippumatta, sen lisääminen pienentää salkun kokonaisvarianssia. Tämä osoittaa, kuinka yksittäisen omaisuuden volatiliteetilla on vähemmän merkitystä kuin sen korrelaatiolla muuhun salkkuun.
Kriiseissä omaisuuserien väliset korrelaatiot nousevat kohti 1.0:aa, mikä eliminoi monipuolistamisen juuri silloin, kun sitä eniten tarvitset.
Tämä on tärkein normaalijakson tiedoista lasketun salkun varianssin rajoitus: korrelaatiot eivät ole vakaita. Vuoden 2008 finanssikriisin ja COVID March 2020 -myynnin aikana lähes kaikki riskivarat putosivat samanaikaisesti, kun sijoittajat realisoivat kaiken saadakseen käteistä. Pitkän aikavälin keskimääräisiin korrelaatioihin perustuvat mallit aliarvioivat dramaattisesti riskin näiden jaksojen aikana.
Käytännön sovellukset
▾
Keskivarianssin tehokkaiden portfolioiden rakentaminen ja tehokkaan rajan laskeminen, joka edustaa Portfolio Variancen tärkeää sovellusaluetta ammatillisissa ja analyyttisissa yhteyksissä, joissa tarkat portfolion varianssilaskelmat tukevat suoraan tietoon perustuvaa päätöksentekoa, strategista suunnittelua ja suorituskyvyn optimointia.
Riskien hajottaminen ja attribuutio institutionaalisessa rahastonhoidossa, joka edustaa Portfolio Variancen tärkeää sovellusaluetta ammatillisissa ja analyyttisissa yhteyksissä, joissa tarkat salkun varianssilaskelmat tukevat suoraan tietoon perustuvaa päätöksentekoa, strategista suunnittelua ja suorituskyvyn optimointia.
Pankeille Basel III:n ja vakuutusyhtiöiden Solvenssi II:n mukainen sääntelypääomamallinnus, joka edustaa Portfolio Variancen tärkeää sovellusaluetta ammatillisissa ja analyyttisissa yhteyksissä, joissa tarkat salkun varianssilaskelmat tukevat suoraan tietoon perustuvaa päätöksentekoa, strategista suunnittelua ja suorituskyvyn optimointia.
Robo-neuvojan ja tavoitepäivän rahastosalkun rakennusalgoritmit, jotka edustavat Portfolio Variancen tärkeää sovellusaluetta ammattimaisissa ja analyyttisissa yhteyksissä, joissa tarkat salkun varianssilaskelmat tukevat suoraan tietoon perustuvaa päätöksentekoa, strategista suunnittelua ja suorituskyvyn optimointia.
Erikoistapaukset
▾
Epälikvidit varat – harvinainen hinnoittelu
{'title': 'Epälikvidit varat — harvinainen hinnoittelu', 'body': "Harvoin hinnoitellut omaisuuserät (pääomasijoitukset, kiinteistöt) osoittavat keinotekoisen alhaista mitattua korrelaatiota julkisten markkinoiden kanssa, koska niiden arvostus on viivästynyt. Tämä "tasoitusvaikutus" aliarvioi todellisen varianssin ja korrelaatiot yksityisille riskipohjaisille omaisuuserille. Mallit, jotka aliarvioivat todellisen riskipohjaisen omaisuuden. Dimsonin (1979) korjaus- tai palautustekniikat auttavat sopeutumaan tähän."}
Lihavaa häntää ja epänormaalia paluuta
{'title': 'Fat tails and non-normal tuotot', 'body': 'Standardisalkun varianssi olettaa normaalisti jakautuneen tuoton. Todellisuudessa omaisuuserien tuotoilla on rasvaa – suuria liikkeitä tapahtuu paljon useammin kuin normaalijakauma ennustaa. Vuoden 2008 kriisin, vuoden 2020 COVID-onnettomuuden ja vuoden 2022 joukkovelkakirjalainojen myynnin aikana tuotot olivat 5–10 keskihajontatapahtumaa normaalien jakelustandardien mukaan. Odotettu vajaus (CVaR) ja stressitestaus täydentävät varianssia hännän riskin tunnistamiseksi.'}
Estimointivirhe kovarianssimatriiseissa
{'title': 'Kovarianssimatriisien arviointivirhe', 'body': 'Historiatiedoista estimoidut kovarianssimatriisit ovat meluisia, etenkin suurissa salkuissa. Kun 50 omaisuutta on, arvioit 1 225 kovarianssia, joista jokaisessa on estimointivirhe. Optimoijat vahvistavat näitä virheitä tuottaen epävakaita portfolioita, joissa on äärimmäistä painoa. Kutistumisestimaattorit (Ledoit-Wolf), tekijämallit tai luotettavat optimointimenetelmät vähentävät herkkyyttä estimointivirheille.'}
Portfolion keskihajonta korrelaation mukaan — 50/50 jako, σ₁ = 20%, σ₂ = 15 %
▾
| Korrelaatio (ρ) | Portfolio σ | Riski vs. painotettu keskiarvo (17,5 %) | Tulkinta |
|---|---|---|---|
| −1.0 (täydellinen negatiivinen) | 2,5 % | −15,0 % | Maksimaalinen hajautus – lähes nollariski mahdollinen |
| −0,5 | 10,4 % | −7,1 % | Vahva hajautusetu |
| 0,0 (korreloimaton) | 12,5 % | −5,0 % | Hyvä hajautus - itsenäiset varat |
| 0.5 | 14,4 % | −3,1 % | Kohtuullinen hyöty – samaan suuntaan suunnatut varat |
| 0.8 | 16,5 % | −1,0 % | Minimaalinen hyöty – korreloi voimakkaasti |
| +1,0 (täydellinen positiivinen) | 17,5 % | 0% | Ei hajautusta – identtinen painotetun keskiarvon kanssa |
Usein kysytyt kysymykset
▾
Kuinka lasken salkun varianssin kahdelle omaisuudelle?
Portfolion varianssi = w₁²σ₁² + w₂²σ₂² + 2w₁w₂σ₁σ₂ρ₁₂, missä w = paino, σ = keskihajonna ja ρ = korrelaatiokerroin kahden omaisuuden välillä. Esimerkki: Varasto A (60 % paino, 20 % std dev) ja varasto B (40 % paino, 15 % std dev) korrelaatiolla 0,3. Varianssi = (0.6)²(0.20)² + (0.4)²(0.15)² + 2(0.6)(0.4)(0.20)(0.15)(0.3) = 0.0144 + 0.0036 + 0.00432 = 0.02232. Portfolio std dev = √0,02232 = 14,94 %. Huomaa, että tämä on pienempi kuin molempien yksittäisten standardikehittäjien painotettu keskiarvo (18 %) – se on työn monipuolistumista. Mitä pienempi korrelaatio (ρ), sitä enemmän varianssivähennystä saat. Kun ρ = -1 (täydellinen negatiivinen korrelaatio), voit teoriassa poistaa kaiken riskin.
Miksi hajautus vähentää salkun varianssia?
Kun omaisuuserät eivät korreloi täydellisesti (ρ < 1), niiden hintaliikkeet kompensoivat osittain toisiaan – kun yksi sikkeri, toinen ei aina sikuta yhtä paljon (tai voi sikiä). Matemaattisesti ristiriitainen 2w₁w₂σ₁σ₂ρ vähentää kokonaisvarianssia aina, kun ρ < 1. Kun ρ = 0 (korreloimattomat varat), salkun varianssi on vain w₁²σ₁² + w₂²σ₂², mikä on aina pienempi kuin painotettu keskimääräinen varianssi. Kun ρ = -1, voit löytää painoja, jotka tekevät varianssista nolla. Pienenevä tuotto: suurin hajautushyöty tulee ensimmäisistä 15-30 korreloimattomasta positiosta. 1:stä 10 osakkeeseen siirtyminen vähentää salkkukohtaista riskiä dramaattisesti (~50-70%); 30:stä 100:aan lisää marginaalista parannusta. Tärkeää on, että hajauttaminen eliminoi vain epäsysteemisen (yrityskohtaisen) riskin. Systemaattinen (markkina)riski säilyy riippumatta siitä, kuinka monta omaisuutta sinulla on – beta ottaa tämän huomioon.
Miten salkun varianssi lasketaan useammalle kuin kahdelle omaisuudelle?
Salkun, jossa on 'N' omaisuutta, laskennassa lasketaan yhteen yksittäisten omaisuuserien varianssit painotettuina niiden neliöityjen salkun painojen perusteella sekä kaksinkertainen kaikkien omaisuuserien välisten yksilöllisten parittaisten kovarianssien summa kerrottuna vastaavilla salkun painoilla. Yleinen kaava on Σ(wi²σi²) + Σ(2wiwjCov(i,j)) kaikille i≠j:ille, missä wi on omaisuuden i paino, σi² on sen varianssi ja Cov(i,j) on omaisuuden i ja j välinen kovarianssi. Esimerkiksi kolmen omaisuuserän salkku (A, B, C) sisältää kolme varianssitermiä ja kolme ainutlaatuista kovarianssitermiä (Cov(A,B), Cov(A,C), Cov(B,C)). Kun omaisuuserien määrä kasvaa, vaadittujen kovarianssitermien määrä kasvaa neliöllisesti, mikä tekee manuaalisesta laskennasta monimutkaista.
Mitä korkeat tai alhaiset salkun varianssiarvot kertovat sijoitusriskistä?
Salkun suurempi varianssi tarkoittaa suurempaa volatiliteettia ja ennakoimattomuutta salkun tuotoissa, mikä tarkoittaa korkeampaa riskitasoa. Toisaalta pienempi salkun varianssi viittaa vakaampaan ja ennustettavampaan tuottoon, mikä tarkoittaa pienentynyttä kokonaisriskiä. Esimerkiksi salkussa, jonka varianssi on 0,04 (keskihajonta 20 %), on tyypillisesti suurempia vaihteluita kuin salkussa, jonka varianssi on 0,01 (keskihajonta 10 %). Sijoittajat pyrkivät yleensä minimoimaan salkun vaihtelun tietylle odotetulle tuotto-odotukselle tai maksimoimaan tuoton tietyllä varianssitasolla.
Mitkä ovat salkun varianssin ensisijaiset rajoitukset riskimittarina?
Salkun varianssi mittaa ensisijaisesti tuottojen hajoamista keskiarvon ympärillä olettaen, että tuotot jakautuvat normaalisti, mikä ei useinkaan pidä paikkaansa todellisten rahoitusvarojen kohdalla. Se ei ota tehokkaasti huomioon "pyrstöriskiä", joka viittaa äärimmäisten negatiivisten markkinatapahtumien todennäköisyyteen ja suuruuteen. Lisäksi tämä mitta perustuu historiallisiin tietoihin varianssien ja kovarianssien osalta, jotka eivät välttämättä ennusta tarkasti omaisuuserien tulevaa käyttäytymistä, etenkään markkinoiden stressin tai merkittävien markkinamuutosten aikana.
Yleisiä virheitä vältettäväksi
▾
- !Käyttämällä omaisuuden keskihajontoja prosentteina (esim. 20) desimaalien (0,20) sijaan – kaava vaatii desimaalit, ja niiden sekoittaminen tuottaa järjettömiä tuloksia.
- !Korrelaation huomioimatta jättäminen ja omaisuuserien keskihajonnan yksinkertaisesti laskeminen – tämä yliarvioi salkun riskin ja jättää huomiotta hajauttamisen.
- !Olettaen, että historialliset korrelaatiot ovat vakaat - korrelaatiot muuttuvat dramaattisesti normaalien ja kriisijärjestelmien välillä. Tee aina stressitesti korotetuilla korrelaatio-oletuksilla.
- !Kuukausittaisten tuottojen käyttäminen ilman vuositasoa — kerro kuukausittainen varianssi 12:lla saadaksesi vuosivarianssin tai kerro kuukausittainen σ luvulla √12 saadaksesi vuosittaisen σ:n.
- !Saman sektorin osakkeiden salkun käsitteleminen hajautettuna – sektoriosakkeiden korrelaatiot ovat yli 0,7 ja ne antavat minimaalisen varianssin pienenemisen.
Ammattilaisen vinkki
Suorita kaksi salkun varianssilaskelmaa: yksi käyttämällä pitkän aikavälin keskimääräisiä korrelaatioita (normaali jakso) ja toinen käyttämällä kriisikauden korrelaatioita (oletetaan, että kaikki riskiomaisuuskorrelaatiot nousevat arvoon 0,80+). Näiden kahden luvun välinen ero on "hajauttamishyvitys" - riskin pienenemisen määrä, joka voi kadota todellisessa kriisissä. Kokoa riskibudjettisi konservatiivisesti kriisikorrelaatioskenaarion mukaisesti.
Tiesitkö?
Harry Markowitzin kerrotaan kehittäneen portfolion varianssikehyksensä tohtoriopiskelijana 1950-luvulla lukiessaan John Burr Williamsin "Investointiarvon teoriaa" yliopiston kirjastossa. Hänen näkemyksensä - että sijoittajien pitäisi välittää salkuista, ei yksittäisistä osakkeista - tuli yhtenä iltapäivänä. Hänen Nobel-palkinnonsaajan puheessaan todettiin, että Milton Friedman ehdotti alun perin, että työ ei ollut taloustiede. Vuosikymmeniä myöhemmin Markowitzin kovarianssimatriisi on upotettu jokaiseen institutionaaliseen investointiprosessiin maailmassa.
Viitteet
Hanki viikoittaisia matematiikkavinkkejä
Liity 12 000+ tilaajien joukkoon, jotka saavat laskurivinkkejä joka viikko.