1703621340
1703621341
r——平均收益率。
1703621342
1703621343
方差
1703621344
1703621345
收益率的方差是各个收益率与其平均收益率的偏差的平方的平均值。
1703621346
1703621347
1703621348
1703621349
1703621350
对平均收益率的偏差做了平方，这是为了避免负偏差和正偏差互相抵消，同时也惩罚了较大的偏差。
1703621351
1703621352
标准偏差
1703621353
1703621354
为了分析，使用原始的没有平方的单位收益更加方便，因此，我们使用方差的平方根来得到标准偏差。
1703621355
1703621356
1703621357
1703621358
1703621359
更高的标准偏差表示更大的不确定性、变动性或风险。
1703621360
1703621361
在这个版本的标准偏差中，分母是n，而不是n-1。用n-1可以计算样本标准偏差。对于较大的n，采用n或者n-1作为分母，几乎没有什么不同。既然多数的绩效测评师采用n，为了保持一致性和可比性，我也偏好使用n。1997年，CFA（以前称作投资管理和研究协会）在AIMR业绩报告标准手册的第2版中有效地再次强调了使用n的标准：
1703621362
1703621363
在标准偏差（对应于使用n-1）的分母中使用n是得到支持的，因为使用n产生对标准偏差的最大可能估计。在计算样本方差的分母中使用n-1得到真实方差的无偏估计。但是在对样本方差取平方根去计算样本标准偏差时，结果不是总体标准偏差的无偏估计。很少采用的标准偏差的无偏估计，需要计算一个很繁琐计算才能得到的常量，这个常量基于样本大小。因为采用标准偏差的无偏估计是不实用的，所以比较明智的做法是采用标准偏差的最大可能估计。另外让问题更复杂的情况是，使用n-1（无偏）需假设样本是从一个正态分布的数据中随机和独立获得的。样本数据（在这个例子中，投资的收益率）不是随机的，其独立性也存在争论，同时也不是正态分布的。
1703621364
1703621365
1703621366
1703621367
1703621368
式（4-4）和式（4-5）根据数据的周期性来计算标准偏差：每日、月度、季度等。为了展示时方便，标准偏差经常被年化。
1703621369
1703621370
我们只需乘以每年观察数量的平方根，就可以年化标准偏差。
1703621371
1703621372
1703621373
1703621374
1703621375
式中 t——每年观察数量（季度=4，月度=12，等等）。
1703621376
1703621377
1703621378
1703621379
例如，年化月度标准偏差，乘以 ，年化季度标准偏差，则乘以 或2。
1703621380
1703621381
基本的风险计算是很直接和相对简单的，如表4-1和表4-2所示。不幸的是大家都认为风险是一个很复杂的学科，需要高级数学来理解。所以绩效测评师和风险控制经理有责任保证他们展示的统计数据获得最广泛的理解。
1703621382
1703621383
表4-1 组合的变化性
1703621384
1703621385
1703621386
1703621387
1703621388
表4-2 参考基准的变化性
1703621389