Hva er Portfolio Variance & Std Dev?
▾
Porteføljeavvik måler den totale risikoen for en kombinasjon av investeringer ved å ta hensyn til ikke bare den individuelle risikoen til hver eiendel, men også hvordan de beveger seg i forhold til hverandre. Når to eiendeler har en tendens til å bevege seg i samme retning samtidig, reduserer det lite risikoen ved å kombinere dem. Men når de beveger seg i motsatte retninger – eller til og med bare annerledes – skaper blanding av dem en portefølje som er mindre volatil enn noen individuelle komponent. Dette er den matematiske motoren bak diversifisering, og det er grunnen til at det å holde en blanding av aksjer, obligasjoner, eiendom og råvarer kan redusere den totale porteføljerisikoen uten nødvendigvis å ofre avkastning. Denne ideen ble formalisert av Harry Markowitz i hans artikkel 'Portfolio Selection' fra 1952, som ga ham Nobelprisen i økonomi i 1990. Før Markowitz fokuserte investorer nesten utelukkende på å velge gode individuelle verdipapirer. Hans innsikt var at porteføljen som helhet betydde mer enn noen enkelt aksje - og at korrelasjon mellom eiendeler var nøkkelen til å forstå kombinert risiko. Hans rammeverk, nå kalt Modern Portfolio Theory (MPT), introduserte konseptet med den effektive grensen: settet med porteføljer som tilbyr høyest avkastning for et gitt risikonivå, eller lavest risiko for en gitt avkastning. I praksis beregnes porteføljeavvik ved å bruke hver eiendels vekt, dens individuelle varians (eller standardavvik) og de parvise kovariansene mellom hver kombinasjon av eiendeler. Med to eiendeler er det en enkel formel; med tjue eiendeler trenger du en 20×20 kovariansmatrise. Moderne porteføljeoptimaliseringsprogramvare håndterer denne matrisealgebraen automatisk, men å forstå den underliggende logikken – at å redusere gjennomsnittlig parvis korrelasjon reduserer porteføljevariansen – er avgjørende for enhver investor som bygger en strategi med flere aktiva. Porteføljeavvik er også sentralt i risikorapportering i profesjonell investeringsforvaltning. Faktormodeller dekomponerer porteføljeavvik til bidrag fra markedsrisiko, sektortilt, stileksponeringer og idiosynkratisk risiko, slik at porteføljeforvaltere kan forstå nøyaktig hvor risikoen deres kommer fra og om de blir kompensert for den.
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
Formel
▾
To-aktiva: σ²_p = w₁²σ₁² + w₂²σ₂² + 2·w₁·w₂·ρ₁₂·σ₁·σ₂
N-aktiva: σ²_p = Σᵢ Σⱼ wᵢ·wⱼ·σᵢⱼ (matriseform: σ²_p = wᵀ·Σ·w)
Portfolio Std Dev (σ_p) = √σ²_p
Kovarians: σᵢⱼ = ρᵢⱼ·σᵢ·σⱼVariabelbeskrivelse
▾
| Symbol | Navn | Enhet | Beskrivelse |
|---|---|---|---|
| wᵢ | Eiendelsvekt | decimal (0–1) | Andel av porteføljeverdien allokert til eiendel i; alle vekter må summere til 1 |
| σᵢ | Standardavvik for aktiva | % per year | σᵢ-parameteren representerer et viktig kvantitativt input i porteføljeavviksberegningen, målt i standardenheten og som direkte påvirker det beregnede resultatet gjennom den matematiske formelen |
| ρᵢⱼ | Korrelasjonskoeffisient | dimensionless (−1 to +1) | Pearson korrelasjon mellom aktiva i og j avkastning; −1 = perfekt negativ, 0 = ukorrelert, +1 = perfekt positiv |
| σᵢⱼ | Kovarians | % squared per year | Felles variabilitet av eiendeler i og j; er lik ρᵢⱼ × σᵢ × σⱼ |
| Σ | Kovariansmatrise | matrix | N×N symmetrisk matrise av alle parvise kovarianser; kjerneinnspillet for porteføljeoptimalisering |
Slik Portfolio Variance & Std Dev
▾
- 1List opp hver eiendel i porteføljen med gjeldende markedsverdi, og beregne deretter hver eiendels vekt som verdien delt på den totale porteføljeverdien.
- 2Samle det annualiserte standardavviket (volatilitet) for hver eiendel – vanligvis estimert fra 3–5 år med månedlig avkastning, deretter annualisert (multipliser månedlig σ med √12).
- 3Konstruer den parvise korrelasjonsmatrisen: for hvert par av eiendeler, beregne korrelasjonen til deres historiske avkastningsserie. De fleste porteføljeprogramvare eller regneark kan beregne dette fra en returhistorikk.
- 4Konverter korrelasjoner til kovarianser: σᵢⱼ = ρᵢⱼ × σᵢ × σⱼ for hvert par.
- 5For to eiendeler, bruk den direkte formelen. For flere eiendeler, beregne wᵀΣw ved å bruke matrisemultiplikasjon - dette er det indre produktet av vektvektoren med kovariansmatrisen.
- 6Ta kvadratroten av porteføljeavvik for å få porteføljestandardavvik (σ_p) – det mer intuitive risikomålet uttrykt i prosent.
- 7Sammenlign σ_p med det vektede gjennomsnittet av individuelle σ-verdier (Σwᵢσᵢ). Forskjellen er diversifiseringsfordelen - hvor mye risiko du unngikk ved å kombinere eiendeler i stedet for å holde hver enkelt.
Løste eksempler
▾
Vektet gjennomsnitt σ vil være 0,60×18+0,40×6 = 13,2 %; Porteføljen oppnår kun 10,5 % — sparer 2,7 % av risikoen gjennom diversifisering.
Den negative korrelasjonen mellom aksjer og obligasjoner (obligasjoner stiger ofte når aksjer faller) er kilden til risikoreduksjonen. Dette er grunnen til at 60/40-porteføljen ble standardbalansert allokering for pensjonsfond og legater i flere tiår – den fanger opp aksjeavkastning samtidig som den demper volatiliteten på en meningsfull måte.
To aksjer i samme sektor har svært høy korrelasjon; diversifisering sparer bare ~1 % av risikoen vs. det vektede gjennomsnittet på 29 %.
Når eiendeler er sterkt korrelerte, gir kombinasjonen av dem minimal diversifiseringsfordel. Å holde to teknologiaksjer er knapt forskjellig fra å holde én teknologiaksje på dobbelt så stor. Ekte diversifisering krever eiendeler som reagerer forskjellig på økonomiske forhold - ikke bare forskjellige firmanavn i samme sektor.
Å legge til gull (nærmest null korrelasjon med begge) reduserer porteføljevolatiliteten lenger enn 60/40 grunnlinjen.
Gullallokeringen bringer sin lave korrelasjon med både aksjer og obligasjoner inn i bildet. Selv om gull i seg selv er volatilt (15 %), fordi det beveger seg uavhengig av både aksjer og obligasjoner, reduserer det den totale porteføljevariasjonen. Dette viser hvordan volatiliteten til en individuell eiendel betyr mindre enn dens korrelasjon til resten av porteføljen.
I kriser stiger korrelasjoner mellom aktiva mot 1,0, og eliminerer diversifisering akkurat når du trenger det mest.
Dette er den viktigste begrensningen for porteføljeavvik beregnet fra normalperiodedata: korrelasjonene er ikke stabile. Under finanskrisen i 2008 og salg av COVID mars 2020 falt nesten alle risikoaktiva samtidig da investorer likviderte alt for å skaffe penger. Modeller basert på langsiktige gjennomsnittlige korrelasjoner undervurderte risikoen dramatisk under disse episodene.
Praktiske anvendelser
▾
Konstruere effektive porteføljer med gjennomsnittlig varians og beregne den effektive grensen, som representerer et viktig bruksområde for porteføljevariansen i profesjonelle og analytiske sammenhenger der nøyaktige porteføljeavviksberegninger direkte støtter informert beslutningstaking, strategisk planlegging og ytelsesoptimalisering
Risikodekomponering og -attribusjon i institusjonell fondsforvaltning, som representerer et viktig bruksområde for porteføljevariansen i profesjonelle og analytiske sammenhenger der nøyaktige porteføljeavviksberegninger direkte støtter informert beslutningstaking, strategisk planlegging og ytelsesoptimalisering
Regulatorisk kapitalmodellering under Basel III for banker og Solvens II for forsikringsselskaper, som representerer et viktig bruksområde for porteføljevariansen i profesjonelle og analytiske sammenhenger der nøyaktige porteføljeavviksberegninger direkte støtter informert beslutningstaking, strategisk planlegging og ytelsesoptimalisering
Robo-rådgiver og måldato-fondporteføljekonstruksjonsalgoritmer, som representerer et viktig bruksområde for porteføljevariansen i profesjonelle og analytiske sammenhenger der nøyaktige porteføljeavviksberegninger direkte støtter informert beslutningstaking, strategisk planlegging og ytelsesoptimalisering
Spesielle tilfeller
▾
Illikvide eiendeler — sjeldne priser
{'title': 'Illiquid assets — infrequent pricing', 'body': "Eiendeler priset sjelden (private equity, eiendom) viser kunstig lav målt korrelasjon med offentlige markeder fordi deres verdivurderinger halter. Denne 'utjevningseffekten' undervurderer sann variasjon og korrelasjoner. Modeller som bruker betydelige verdivurderinger under private eiendeler-baserte porteføljer. Diversifiseringsfordeler Dimson (1979) korreksjon eller retur-unsmoothing teknikker hjelper til med å justere for dette.
Fete haler og ikke-normal avkastning
{'title': 'Fat tails and non-normal returns', 'body': 'Standard porteføljeavvik forutsetter normalfordelt avkastning. I virkeligheten har aktivaavkastningen fete haler - store bevegelser skjer langt oftere enn en normalfordeling forutsier. Under 2008-krisen, COVID-krakket i 2020 og obligasjonssalget i 2022 var avkastningen 5–10 standardavvikshendelser etter normalfordelingsstandarder. Expected Shortfall (CVaR) og stresstesting komplementerer varians for å fange opp halerisiko.'}
Estimatfeil i kovariansmatriser
{'title': 'Estimatfeil i kovariansmatriser', 'body': 'Kovariansmatriser estimert fra historiske data er støyende, spesielt for store porteføljer. Med 50 eiendeler estimerer du 1 225 kovarianser - hver bærer estimeringsfeil. Optimalisatorer forsterker disse feilene, og produserer ustabile porteføljer med ekstreme vekter. Krympestimatorer (Ledoit-Wolf), faktormodeller eller robuste optimaliseringsmetoder reduserer følsomheten for estimeringsfeil.'}
Porteføljestandardavvik etter korrelasjon — 50/50 delt, σ₁=20 %, σ₂=15 %
▾
| Korrelasjon (ρ) | Portefølje σ | Risiko vs. vektet snitt (17,5 %) | Tolkning |
|---|---|---|---|
| −1,0 (perfekt negativ) | 2,5 % | −15,0 % | Maksimal diversifisering - nær null risiko mulig |
| −0,5 | 10,4 % | −7,1 % | Sterk diversifiseringsfordel |
| 0,0 (ukorrelert) | 12,5 % | −5,0 % | God diversifisering — uavhengige eiendeler |
| 0.5 | 14,4 % | −3,1 % | Moderat nytte — eiendeler i samme retning |
| 0.8 | 16,5 % | −1,0 % | Minimal fordel - sterkt korrelert |
| +1,0 (perfekt positiv) | 17,5 % | 0% | Ingen diversifisering – identisk med vektet gjennomsnitt |
Ofte stilte spørsmål
▾
Hva er forskjellen mellom porteføljeavvik og porteføljestandardavvik?
Porteføljevarians (σ²_p) er det kvadratiske målet for risiko – enheten er «prosent i kvadrat», noe som ikke er intuitivt. Porteføljestandardavvik (σ_p = √σ²_p) konverterer dette tilbake til prosentvise termer som kan sammenlignes direkte med aktivaavkastning. Hvis porteføljen din har et årlig standardavvik på 12 %, betyr det at avkastningen typisk faller innenfor ±12 % av gjennomsnittet i omtrent to tredjedeler av årene (ett standardavvik). Begge måler det samme; standardavvik er mer vanlig i praksis fordi enhetene samsvarer med avkastningen.
Hvorfor betyr korrelasjon mer enn individuell volatilitet for diversifisering?
Å legge til en volatil eiendel til porteføljen din kan faktisk redusere den totale porteføljerisikoen hvis den eiendelen har lav eller negativ korrelasjon med eksisterende beholdninger. For eksempel har gull en årlig volatilitet på 15–20 %, sammenlignbar med aksjer, men å legge til 10–15 % gull til en aksjeobligasjonsportefølje reduserer vanligvis den totale porteføljevolatiliteten. Matematikken gjør dette nøyaktig: Tverrproduktleddet (2·w₁·w₂·ρ·σ₁·σ₂) trekkes fra når ρ er negativt og adderes når ρ er positivt. Korrelasjon er bokstavelig talt parameteren som avgjør om diversifisering fungerer.
Hvor mange eiendeler trengs for tilstrekkelig diversifisering?
Forskning av Evans og Archer (1968) viste at de fleste idiosynkratiske (selskapsspesifikke) risikoene er eliminert med omtrent 20–30 tilfeldig utvalgte aksjer. Utover det reduserer risikoen marginalt ved å legge til flere aksjer. Imidlertid er en portefølje på 30 amerikanske aksjer bare diversifisert mot selskapsspesifikk risiko - den har fortsatt full eksponering mot amerikansk aksjemarkedsrisiko, sektorrisiko og faktorrisiko. Ekte diversifisering krever kryssing av aktivaklasser (aksjer, obligasjoner, eiendom, råvarer, alternativer) og geografier (innenlandske, internasjonalt utviklede, fremvoksende markeder).
Hva er en kovariansmatrise og hvordan bygger jeg en?
En kovariansmatrise (Σ) er et N×N rutenett der hver oppføring [i,j] viser kovariansen mellom eiendel i og eiendel j. De diagonale oppføringene er de individuelle variansene (σᵢ²). Matrisen er symmetrisk (oppføring [i,j] = [j,i]) fordi kovariansen mellom A og B er lik kovariansen mellom B og A. For å bygge en fra historiske data: samle månedlig avkastning for alle eiendeler, beregne parvise kovarianser ved å bruke Excels COVAR-funksjon eller Pythons numpy.cov(), for deretter å multiplisere månedlig med 12.
Hva er minimumsavviksporteføljen?
Minimumsavviksporteføljen er kombinasjonen av eiendeler – spesifikke for hver eiendels vekter – som gir lavest mulig porteføljeavvik på tvers av alle mulige allokeringskombinasjoner. Den sitter lengst til venstre på den effektive grensen. Det er ikke nødvendigvis den optimale porteføljen (den ofrer forventet avkastning), men den representerer den maksimale diversifiseringsfordelen som er oppnåelig gitt de tilgjengelige eiendelene. For et tilfelle med to aktiva er minimum variansvekt for aktiva 1: w₁ = (σ₂² − σ₁₂) / (σ₁² + σ₂² − 2σ₁₂), der σ₁₂ er kovariansen.
Hvordan påvirker innflytelse porteføljeavvik?
Belåning forsterker porteføljevariasjonen med kvadratet på belåningsgraden. Hvis du låner 50 % av porteføljeverdien for å investere (1,5× giring), øker porteføljeavviket med en faktor på 1,5² = 2,25, og standardavviket øker med 1,5×. Dette betyr at et 12 % årlig standardavvik ved 1× blir 18 % ved 1,5×. Innflytelse kan ikke diversifiseres - den skalerer alle komponenter proporsjonalt. Dette er grunnen til at fond med høy belåning (f.eks. 2× og 3× ETFer) har dramatisk høyere volatilitet enn deres underliggende indekser.
Hva er forskjellen mellom porteføljeavvik i MPT og faktormodellrisiko?
MPT beregner total porteføljeavvik fra råavkastningshistorikk. Faktormodeller (CAPM, Fama-French, Barra) dekomponerer porteføljevariasjon i systematiske komponenter (markedsrisiko, størrelsesrisiko, verdirisiko, momentumrisiko) og idiosynkratisk komponent. Faktormodellavvik gir mer innsikt i hvorfor du har den risikoen du har – er det markedsbeta, sektorkonsentrasjon eller faktortilt? For porteføljestyring er dekomponering av faktorrisiko mer handlingsdyktig; for nøyaktig variansberegning er kovariansmatrisetilnærmingen mer nøyaktig.
Vanlige feil å unngå
▾
- !Bruk av aktivastandardavvik i prosent (f.eks. 20) i stedet for desimaler (0,20) – formelen krever desimaler, og å blande dem gir meningsløse resultater.
- !Ignorering av korrelasjon og bare gjennomsnitt av aktivastandardavvik - dette overvurderer porteføljerisiko og går glipp av hele poenget med diversifisering.
- !Forutsatt at historiske korrelasjoner er stabile - korrelasjoner skifter dramatisk mellom normale og kriseregimer. Alltid stresstest med forhøyede korrelasjonsantakelser.
- !Bruke månedlig avkastning uten annualisering — multipliser månedlig avvik med 12 for å få årlig avvik, eller multipliser månedlig σ med √12 for å få årlig σ.
- !Å behandle en portefølje av aksjer i samme sektor som diversifiserte — sektoraksjer har korrelasjoner over 0,7 og gir minimal variansreduksjon.
Pro Tips
Kjør to porteføljeavviksberegninger: en med langsiktige gjennomsnittskorrelasjoner (normalperiode) og en med kriseperiodekorrelasjoner (anta at alle risikable aktiva-korrelasjoner spiker til 0,80+). Gapet mellom disse to tallene er din "diversifiseringskreditt" - mengden risikoreduksjon som kan forsvinne i en reell krise. Dimensjoner risikobudsjettet ditt konservativt i forhold til krisekorrelasjonsscenariet.
Visste du?
Harry Markowitz utviklet angivelig rammeverket for porteføljevariasjon som doktorgradsstudent på 1950-tallet mens han leste John Burr Williams 'Theory of Investment Value' i et universitetsbibliotek. Hans innsikt - at investorer bør bry seg om porteføljer, ikke individuelle aksjer - kom på en ettermiddag. Nobelprisvinnerens tale bemerket at Milton Friedman opprinnelig antydet at arbeidet ikke var økonomi. Tiår senere er Markowitz sin kovariansmatrise integrert i alle institusjonelle investeringsprosesser i verden.
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
Referanser
Få ukentlige mattetips
Bli med 12 000+-abonnenter som får kalkulatortips hver uke.