What is Portfolio Variance & Std Dev?
▾
A portfólió varianciája a befektetések kombinációjának teljes kockázatát méri úgy, hogy nemcsak az egyes eszközök egyedi kockázatát veszi figyelembe, hanem azt is, hogy hogyan mozognak egymáshoz képest. Ha két eszköz hajlamos ugyanabban az időben mozogni, akkor ezek kombinálása nemigen csökkenti a kockázatot. De amikor ellentétes irányba mozognak – vagy akár csak másképp –, ha keverednek, olyan portfólió jön létre, amely kevésbé volatilis, mint bármely egyedi komponens. Ez a diverzifikáció mögött meghúzódó matematikai motor, ezért a részvények, kötvények, ingatlanok és nyersanyagok vegyes birtoklása csökkentheti a teljes portfóliókockázatot a hozam szükségszerű feláldozása nélkül. Ezt az elképzelést Harry Markowitz 1952-ben „Portfolio Selection” című tanulmányában formálissá tette, amivel 1990-ben közgazdasági Nobel-díjat kapott. Markowitz előtt a befektetők szinte teljes mértékben a jó egyedi értékpapírok kiválasztására összpontosítottak. Meglátása szerint a portfólió egésze többet jelent, mint bármely egyes részvény – és az eszközök közötti korreláció volt a kulcsa a kombinált kockázat megértésének. A mai modern portfólióelmélet (MPT) keretrendszere bevezette a hatékony határ fogalmát: azon portfóliók összességét, amelyek adott kockázati szint mellett a legmagasabb hozamot, vagy adott hozam mellett a legalacsonyabb kockázatot kínálják. Gyakorlatilag a portfólió variancia kiszámítása az egyes eszközök súlyával, egyedi szórásával (vagy szórásával) és az eszközök minden kombinációja közötti páronkénti kovarianciával történik. Két eszközzel ez egy egyszerű képlet; húsz eszközzel kell egy 20×20-as kovarianciamátrix. A modern portfólióoptimalizáló szoftver automatikusan kezeli ezt a mátrixalgebrát, de a mögöttes logika megértése – amely szerint az átlagos páronkénti korreláció csökkenti a portfólió varianciáját – elengedhetetlen minden befektető számára, aki több eszközre kiterjedő stratégiát épít ki. A portfólió varianciája a professzionális befektetéskezelés kockázati jelentésében is központi szerepet játszik. A faktormodellek felbontják a portfólió varianciáját a piaci kockázatból, az ágazati dőlésekből, a stílus-kitettségekből és az egyedi kockázatokból eredő hozzájárulásokra, lehetővé téve a portfóliókezelőknek, hogy pontosan megértsék, honnan ered a kockázatuk, és kapnak-e kompenzációt érte.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Képlet
▾
Két elem: σ²_p = w₁²σ₁² + w₂²σ₂² + 2·w₁·w₂·ρ₁₂·σ₁·σ₂
N-eszköz: σ²_p = Σᵢ Σⱼ wᵢ·wⱼ·σᵢⱼ (mátrixforma: σ²_p = wᵀ·Σ·w)
Portfólió Std Dev (σ_p) = √σ²_p
Kovariancia: σᵢⱼ = ρᵢⱼ·σᵢ·σⱼVariable Legend
▾
| Szimbólum | Név | Egység | Leírás |
|---|---|---|---|
| wᵢ | Eszköz súlya | decimal (0–1) | Az i. eszközhöz allokált portfólióérték aránya; minden súlynak 1-et kell adnia |
| σᵢ | Eszköz szórás | % per year | A σᵢ paraméter a portfólió varianciaszámításának kulcsfontosságú mennyiségi bemenete, standard egységében mérve, és közvetlenül befolyásolja a számított eredményt a matematikai képleten keresztül. |
| ρᵢⱼ | Korrelációs együttható | dimensionless (−1 to +1) | Pearson-korreláció az i és a j eszköz hozama között; −1 = tökéletes negatív, 0 = nem korrelált, +1 = tökéletes pozitív |
| σᵢⱼ | Kovariancia | % squared per year | i és j eszközök együttes változékonysága; egyenlő ρᵢⱼ × σᵢ × σⱼ |
| Σ | Kovariancia mátrix | matrix | Az összes páronkénti kovariancia N×N szimmetrikus mátrixa; a portfólióoptimalizálás alapvető bemenete |
How to Portfolio Variance & Std Dev
▾
- 1Sorolja fel a portfólió minden eszközét a jelenlegi piaci értékével, majd számítsa ki az egyes eszközök súlyát úgy, hogy az értéke elosztja a portfólió teljes értékével.
- 2Gyűjtsük össze az egyes eszközök évesített szórását (volatilitását) – jellemzően 3–5 éves havi hozamból becsüljük, majd évesítjük (a havi σ-t √12-vel megszorozzuk).
- 3Szerkessze meg a páronkénti korrelációs mátrixot: minden eszközpárra számítsa ki a múltbeli hozamsoruk korrelációját. A legtöbb portfóliószoftver vagy táblázat ezt ki tudja számítani a hozamelőzményekből.
- 4Konvertálja a korrelációkat kovarianciákká: σᵢⱼ = ρᵢⱼ × σᵢ × σⱼ minden pár esetében.
- 5Két eszköz esetén alkalmazza a közvetlen képletet. További eszközök esetén számítsa ki wᵀΣw-t mátrixszorzással – ez a súlyvektor és a kovarianciamátrix belső szorzata.
- 6Vegye ki a portfólió variancia négyzetgyökét, hogy megkapja a portfólió szórását (σ_p) – ez az intuitívabb kockázati mérőszám százalékban kifejezve.
- 7Hasonlítsa össze a σ_p-t az egyes σ értékek súlyozott átlagával (Σwᵢσᵢ). A különbség a diverzifikációs előnyben rejlik – mekkora kockázatot sikerült elkerülni az eszközök kombinálásával, ahelyett, hogy azokat külön-külön tartotta volna.
Worked Examples
▾
a súlyozott átlag σ 0,60×18+0,40×6 = 13,2%; a portfólió mindössze 10,5%-ot ér el – a diverzifikáció révén a kockázat 2,7%-át takarítja meg.
A kockázatcsökkentés forrása a részvények és a kötvények közötti negatív korreláció (a kötvények gyakran emelkednek, amikor a részvények esnek). Ez az oka annak, hogy a 60/40-es portfólió évtizedekre a nyugdíjalapok és alapok alapértelmezett kiegyensúlyozott allokációja lett – megragadja a részvényhozamokat, miközben jelentős mértékben csökkenti a volatilitást.
Ugyanabban a szektorban két részvény nagyon magas korrelációt mutat; A diverzifikáció a kockázatnak csak ~1%-át takarítja meg, szemben a 29%-os súlyozott átlaggal.
Ha az eszközök erősen korrelálnak, akkor ezek kombinálása minimális diverzifikációs haszonnal jár. Két technológiai részvény birtoklása alig különbözik egy kétszer akkora technológiai részvény birtoklásától. A valódi diverzifikációhoz olyan eszközökre van szükség, amelyek eltérően reagálnak a gazdasági feltételekre – nem csak különböző cégnevekre ugyanabban a szektorban.
Az arany hozzáadásával (mindkettővel közel nulla korreláció) a portfólió volatilitása tovább csökken, mint a 60/40-es alapvonal.
Az aranyallokáció mind a részvényekkel, mind a kötvényekkel való alacsony korrelációját hozza játékba. Annak ellenére, hogy maga az arany volatilis (15%), mert a részvényektől és a kötvényektől függetlenül mozog, ez csökkenti a teljes portfólió varianciát. Ez azt mutatja, hogy egy adott eszköz volatilitása kevésbé számít, mint a portfólió többi részéhez viszonyított korrelációja.
Válsághelyzetekben az eszközök közötti korrelációk az 1.0 felé emelkednek, és pontosan akkor szüntetik meg a diverzifikációt, amikor a legnagyobb szükség van rá.
A normál időszaki adatokból számított portfólió varianciájának ez a legfontosabb korlátja: a korrelációk nem stabilak. A 2008-as pénzügyi válság és a 2020-as COVID márciusi eladások során szinte minden kockázati eszköz egyidejűleg esett, mivel a befektetők mindent felszámoltak, hogy készpénzt szerezzenek. A hosszú távú átlagos korrelációkon alapuló modellek drámaian alábecsülték a kockázatot ezen epizódok során.
Real-World Applications
▾
Átlagos variancia-hatékony portfóliók készítése és a hatékony határ kiszámítása, amely a Portfolio Variance fontos alkalmazási területe szakmai és elemzési környezetben, ahol a pontos portfólióvariancia-számítások közvetlenül támogatják a megalapozott döntéshozatalt, a stratégiai tervezést és a teljesítményoptimalizálást.
Kockázatbontás és attribúció az intézményi alapkezelésben, amely a Portfolio Variance fontos alkalmazási területe szakmai és elemzési környezetben, ahol a pontos portfólióvariancia-számítások közvetlenül támogatják a megalapozott döntéshozatalt, a stratégiai tervezést és a teljesítményoptimalizálást.
Szabályozási tőkemodellezés a Bázel III szerint a bankok számára és a Szolvencia II szerint a biztosítók számára, amely a Portfolio Variance fontos alkalmazási területe szakmai és elemzési környezetben, ahol a pontos portfólióvariancia-számítások közvetlenül támogatják a megalapozott döntéshozatalt, a stratégiai tervezést és a teljesítményoptimalizálást.
Robo-tanácsadó és céldátum alap portfólió-építő algoritmusok, amelyek a Portfolio Variance fontos alkalmazási területét képviselik szakmai és elemzési környezetben, ahol a pontos portfólióvariancia-számítások közvetlenül támogatják a megalapozott döntéshozatalt, stratégiai tervezést és teljesítményoptimalizálást.
Special Cases
▾
Illikvid eszközök – ritka árazás
A ritkán árazott eszközök (magántőke, ingatlan) mesterségesen alacsony mért korrelációt mutatnak az állami piacokkal, mert értékelésük késik. Ez a "simító hatás" alábecsüli a valódi szórást és összefüggéseket. Dimson (1979) korrekciós vagy visszatérési simítási technikái segítenek alkalmazkodni ehhez.
Kövér farok és nem normális visszatérés
A standard portfólió varianciája normál eloszlású hozamokat feltételez. A valóságban az eszközhozamoknak kövér farka van – a nagy mozgások sokkal gyakrabban fordulnak elő, mint ahogy azt a normál eloszlás megjósolja. A 2008-as válság, a 2020-as COVID-összeomlás és a 2022-es kötvényeladás során a hozamok 5–10 szórásos eseményt jelentettek normál forgalmazási szabványok szerint. Az Expected Shortfall (CVaR) és a stresszteszt kiegészíti a varianciát a farokkockázat rögzítésére.
Becslési hiba a kovariancia mátrixokban
A történelmi adatokból becsült kovarianciamátrixok zajosak, különösen nagy portfóliók esetén. 50 eszközzel 1225 kovarianciát becsül meg – mindegyik becslési hibát tartalmaz. Az optimalizálók felerősítik ezeket a hibákat, és instabil portfóliókat állítanak elő extrém súllyal. A zsugorodásbecslések (Ledoit-Wolf), a faktormodellek vagy a robusztus optimalizálási módszerek csökkentik a becslési hibára való érzékenységet.
Portfólió szórása korreláció szerint – 50/50 felosztás, σ₁=20%, σ₂=15%
▾
| Korreláció (ρ) | Portfólió σ | Kockázat vs. súlyozott átlag (17,5%) | Értelmezés |
|---|---|---|---|
| −1.0 (tökéletes negatív) | 2,5% | −15,0% | Maximális diverzifikáció – közel nulla kockázat lehetséges |
| −0,5 | 10,4% | −7,1% | Erős diverzifikációs előny |
| 0,0 (nem korrelált) | 12,5% | −5,0% | Jó diverzifikáció – független eszközök |
| 0.5 | 14,4% | −3,1% | Mérsékelt haszon – azonos irányú eszközök |
| 0.8 | 16,5% | −1,0% | Minimális haszon – erősen korrelált |
| +1,0 (tökéletes pozitív) | 17,5% | 0% | Nincs diverzifikáció – megegyezik a súlyozott átlaggal |
Frequently Asked Questions
▾
Mi a különbség a portfólió szórása és a portfólió szórása között?
A portfólió variancia (σ²_p) a kockázat négyzetes mértéke – az egység „százalékos négyzet”, ami nem intuitív. A portfólió szórása (σ_p = √σ²_p) ezt visszaváltja százalékos kifejezésekre, amelyek közvetlenül összehasonlíthatók az eszközhozamokkal. Ha az Ön portfóliójának éves szórása 12%, az azt jelenti, hogy a hozamok általában az év kétharmadában az átlag ±12%-án belül esnek (egy szórás). Mindkettő ugyanazt méri; a szórást gyakrabban használják a gyakorlatban, mivel a mértékegységek megegyeznek a hozam mértékegységeivel.
Miért fontosabb a korreláció, mint az egyéni volatilitás a diverzifikáció szempontjából?
Egy volatilis eszköz hozzáadása a portfóliójához ténylegesen csökkentheti a teljes portfóliókockázatot, ha az eszköz alacsony vagy negatív korrelációt mutat a meglévő állományokkal. Például az arany éves volatilitása 15–20%, ami a részvényekhez hasonlítható, de 10–15% arany hozzáadása a részvénykötvény-portfólióhoz általában csökkenti a teljes portfólió volatilitását. A matematika ezt pontosítja: a keresztszorzat tagot (2·w₁·w₂·ρ·σ₁·σ₂) kivonjuk, ha ρ negatív, és hozzáadjuk, ha ρ pozitív. A korreláció szó szerint az a paraméter, amely meghatározza, hogy a diverzifikáció működik-e.
Hány eszköz szükséges a megfelelő diverzifikációhoz?
Evans és Archer (1968) kutatása kimutatta, hogy a legtöbb egyedi (vállalat-specifikus) kockázat kiküszöbölhető körülbelül 20-30 véletlenszerűen kiválasztott részvényrel. Ezen túlmenően, több részvény hozzáadása kis mértékben csökkenti a kockázatot. A 30 amerikai részvényből álló portfólió azonban csak a vállalatspecifikus kockázatokra diverzifikált – továbbra is teljes mértékben ki van téve az Egyesült Államok részvénypiaci kockázatának, szektorkockázatának és tényezőkockázatának. A valódi diverzifikációhoz eszközosztályok (részvények, kötvények, ingatlanok, áruk, alternatívák) és földrajzi területek (hazai, nemzetközi fejlett, feltörekvő piacok) keresztezése szükséges.
Mi az a kovariancia mátrix, és hogyan készítsek egyet?
A kovarianciamátrix (Σ) egy N×N rács, ahol minden bejegyzés [i,j] mutatja az i és a j eszköz közötti kovariancia. Az átlós bejegyzések az egyedi eltérések (σᵢ²). A mátrix szimmetrikus ([i,j] = [j,i] bejegyzés), mivel az A és B közötti kovariancia megegyezik a B és A közötti kovariancia. Ha előzményadatokból szeretne egyet összeállítani: gyűjtsön havi hozamokat az összes eszközre, számítsa ki a páronkénti kovarianciakat az Excel COVAR függvényével vagy a Python numpy.cov() segítségével, majd havi szinten 1 szorzattal (for yearly put2s).
Mennyi a minimális szórás-portfólió?
A minimális szórású portfólió az eszközök azon kombinációja – az egyes eszközök súlyozására jellemző –, amely a lehető legalacsonyabb portfólióvarianciát hozza létre az összes lehetséges allokációs kombinációban. A hatékony határ bal szélső pontján található. Nem feltétlenül az optimális portfólió (az elvárt hozamot feláldozza), de a rendelkezésre álló eszközök mellett elérhető maximális diverzifikációs hasznot képviseli. Két eszköz esetén az 1. eszköz minimális varianciasúlya: w₁ = (σ₂² − σ₁₂) / (σ₁² + σ₂² − 2σ₁₂), ahol σ₁₂ a kovariancia.
Hogyan befolyásolja a tőkeáttétel a portfólió varianciáját?
A tőkeáttétel felerősíti a portfólió szórását a tőkeáttételi mutató négyzetével. Ha a portfólió értékének 50%-át kölcsönveszi befektetésre (1,5-szeres tőkeáttétel), a portfólió varianciája 1,5² = 2,25-szeresére nő, a szórása pedig 1,5-szeresére nő. Ez azt jelenti, hogy a 12%-os éves szórás 1×-nél 18%-os lesz 1,5×-nél. A tőkeáttétel nem diverzifikálható – minden összetevőt arányosan skáláz. Ez az oka annak, hogy a nagy tőkeáttételű alapok (pl. 2× és 3× ETF) drasztikusan nagyobb volatilitást mutatnak, mint a mögöttes indexeik.
Mi a különbség az MPT portfólió varianciája és a faktormodell kockázata között?
Az MPT a teljes portfólió eltérést a nyers hozamelőzmények alapján számítja ki. A faktormodellek (CAPM, Fama-French, Barra) a portfólió varianciáját szisztematikus komponensekre (piaci kockázat, méretkockázat, értékkockázat, lendületkockázat) és egyedi komponensekre bontják. A faktormodell varianciája jobb betekintést nyújt abba, hogy miért van kockázata – piaci béta, szektorkoncentráció vagy faktor-dőlés? A portfóliókezelésnél a faktorkockázati dekompozíció hatékonyabb; a precíz varianciaszámításhoz a kovarianciamátrix megközelítés pontosabb.
Common Mistakes to Avoid
▾
- !A tizedesjegyek (0,20) helyett százalékban (pl. 20) megadott szórások használata – a képlet tizedesjegyeket igényel, és ezek keverése értelmetlen eredményeket eredményez.
- !A korreláció figyelmen kívül hagyása és az eszközök szórásának egyszerű átlagolása – ez túlbecsüli a portfólió kockázatát, és figyelmen kívül hagyja a diverzifikáció lényegét.
- !Ha feltételezzük, hogy a történelmi összefüggések stabilak – a korrelációk drámaian eltolódnak a normál és a válságos rezsimek között. Mindig végezzen stressz-tesztet magasabb korrelációs feltevések mellett.
- !Havi hozamok használata évesítés nélkül – szorozza meg a havi szórást 12-vel, hogy megkapja az éves szórást, vagy szorozza meg a havi σ-t √12-vel, hogy megkapja az éves σ-t.
- !Az ugyanabban a szektorban lévő részvények portfóliójának diverzifikáltként való kezelése – az ágazati részvények korrelációja 0,7 felett van, és minimális szóráscsökkentést biztosít.
Pro Tip
Futtasson két portfólió varianciaszámítást: az egyiket hosszú távú átlagos korrelációkkal (normál periódus), a másikat pedig a válságidőszak korrelációival (feltételezzük, hogy az összes kockázatos eszköz korrelációja 0,80+-ra nő). A két szám közötti különbség az Ön „diverzifikációs hitele” – a kockázatcsökkentés mértéke, amely egy valódi válság esetén eltűnhet. Mérje meg kockázati költségvetését óvatosan a válságkorrelációs forgatókönyvhöz képest.
Did you know?
Harry Markowitz állítólag az 1950-es években PhD-hallgatóként dolgozta ki portfólió variációs keretrendszerét, miközben egy egyetemi könyvtárban olvasta John Burr Williams „Theory of Investment Value” című művét. Meglátása – hogy a befektetőknek a portfóliókkal kell foglalkozniuk, nem az egyes részvényekkel – egy délután jött. Nobel-díjas beszéde megjegyezte, hogy Milton Friedman kezdetben azt javasolta, hogy a munka nem közgazdasági. Évtizedekkel később Markowitz kovarianciamátrixa a világ minden intézményi befektetési folyamatába beágyazódik.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
References
Ratings & comments
Szerezzen heti matematikai tippeket
Csatlakozzon 12 000+ feliratkozóhoz, akik minden héten kapnak tippeket a számológéphez.