Коэффициент вариации доходности это

Коэффициент вариации | Coefficient of Variation, CV

В статистике коэффициент вариации (англ. Coefficient of Variation, CV) используется для сравнения рассеивания двух случайных величин, имеющих разные единицы измерения, относительно ожидаемого значения, что позволяет получить сопоставимые результаты. В портфельной теории этот показатель используется в качестве относительной меры риска, связанного с инвестированием в определенный актив или портфель активов. Коэффициент вариации особенно полезен в ситуации, когда два актива имеют разную ожидаемую доходность и разный уровень риска (среднеквадратическое отклонение). Например, одна инвестиция может характеризоваться более высокой ожидаемой доходностью, а другая более низким среднеквадратическим отклонением.

Формула

Коэффициент вариации является отношением среднеквадратического отклонения случайной величины к ее ожидаемому значению, для чего необходимо использовать следующую формулу:

σ – среднеквадратическое отклонение случайной величины;

— ожидаемое (среднее) значение случайной величины.

Интерпретация

Коэффициент вариации является относительной мерой риска, в отличие от дисперсии и среднеквадратического отклонения, поэтому позволяет сопоставлять риск и доходность двух и более активов, которые могут существенно отличаться. Другими словами, этот показатель увязывает среднеквадратическое отклонение с ожидаемой доходностью актива, что дает возможность оценить соотношение риск/доходность в относительном выражении, что позволяет обеспечить сопоставимость полученных результатов.

Следует отметить, что когда ожидаемая доходность ценной бумаги близка к 0, то значение коэффициента вариации может быть очень большим. Поэтому незначительное изменение ожидаемой доходности ценной бумаге может приводить к значительному изменению этого показателя, что необходимо учитывать при обосновании инвестиционных решений.

Пример расчета

Финансовый аналитик должен обосновать включение в портфель дополнительной ценной бумаги, выбрав из двух ценных бумаг, историческая доходность которых за последние пять лет представлена в таблице.

Ожидаемая доходность акций Компании А составит 13,646%, а Компании Б 15,608%.

_А = (14,75+7,23+15,66+18,45+12,14)/5 = 13,646%

_Б = (20,33+10,85+5,22+22,41+19,23)/5 = 15,608%

При этом среднеквадратическое отклонение доходности для акций Компании А составляет 4,236%, а акций Компании Б 7,284%. (Как рассчитывается среднеквадратическое отклонение можно прочитать здесь)

В этом примере акции одновременно обладают разной ожидаемой доходностью и разным уровнем риска. При этом одна из них характеризуется более высокой ожидаемой доходностью, а другая более низким уровнем риска. Чтобы сопоставить эти ценные бумаги необходимо рассчитать коэффициент вариации доходности, который для акций Компании А будет равен 0,31, а для акций Компании Б 0,47.

Итак, ожидаемая доходность акций Компании Б превышает доходность акций Компании А в 1,144 раза (15,608/13,646), однако и риск инвестирования в них больше в 1,516 раза (0,47/0,31). Следовательно, акции Компании А являются более предпочтительными для включения в портфель, поскольку обладают лучшим соотношением риск/доходность.

Источник

Коэффициент вариации (CV)

Коэффициент вариации (coefficient of variation, CV) – это статистическая мера дисперсии (разброса) данных вокруг некоторого среднего значения. Коэффициент вариации представляет собой отношение среднеквадратичного отклонения к среднему значению и является весьма полезной величиной для сравнения степени вариации при переходе от одного ряда данных к другому, даже если их средние значения резко отличаются друг от друга.

Понимание коэффициента вариации

Коэффициент вариации показывает степень изменчивости некоторой выборки данных по отношению к среднему их значению. В финансах данный коэффициент позволяет инвесторам определить, насколько велика волатильность, или риск, по сравнению с величиной ожидаемой прибыли от инвестиций.

Чем меньше значение CV, тем лучший компромисс наблюдается между риском и доходностью. Обратите внимание, что если ожидаемая доходность в знаменателе отрицательна или равна нулю, полученное значение коэффициента может ввести вас в заблуждение.

Коэффициент вариации может быть весьма полезен при использовании соотношения риск/прибыль для выбора объекта инвестиций. Например, инвестор не склонный к риску будет рассматривать активы с исторически низкой степенью волатильности и высокой степенью доходности по отношению к общему рынку (или к отдельной отрасли). И наоборот, инвесторы склонные к риску, будут стремиться инвестировать в активы с исторически высокой степенью волатильности.

Формула CV может использоваться для определения дисперсии между исторической средней ценой и текущими показателями цены акции, товара или облигации.

Обычно данный коэффициент используют в таких целях как:

• Для сравнения нескольких различных рядов данных или показателей;
• Для оценки потенциальных объектов инвестирования;
• Для проведения XYZ-анализа.

КЛЮЧЕВЫЕ МОМЕНТЫ

• CV – это статистическая мера дисперсии в ряду данных вокруг среднего значения;
• В финансах CV позволяет инвесторам определить, насколько велика волатильность, или риск, по сравнению с величиной ожидаемой прибыли от инвестиций;
• Чем ниже величина отношения стандартного отклонения к средней доходности,тем лучше соотношение риска и доходности.

Формула CV

Ниже приведена формула для расчета коэффициента вариации:

Обратите внимание, что если значение ожидаемой доходности в знаменателе формулы коэффициента вариации отрицательна или равна нулю, то результат расчёта по ней нельзя считать корректным.

Коэффициент вариации в Excel и Open Office

Коэффициент вариации можно достаточно легко рассчитать в Excel. Несмотря на то, что в нём нет стандартной функции для расчёта CV, но зато есть функции позволяющие рассчитать стандартное отклонение (СТАНДОТКЛОН) и среднее значение (СРЗНАЧ). Сначала используйте функцию стандартного отклонения, затем вычислите среднее значение, а после этого разделите ячейку, содержащую стандартное отклонение, на ячейку содержащую среднее значение.

В Open Office данный показатель рассчитывается аналогично. Функция стандартного отклонения здесь — STDEV, а функция среднего значения — AVERAGE.

Давайте рассмотрим пример расчёта коэффициента вариации в Open Office. Предположим, что у нас есть три потенциальных объекта для инвестиций — объект А, объект Б и объект В. Прибыль по каждому из этих проектов за последние 6 лет занесена в таблицу представленную ниже:

Давайте рассчитаем значение CV для каждого из этих объектов. Начнём с расчёта стандартных отклонений. Для этого применим к ряду значений прибыли отдельно по каждому объекту функцию STDEV:

Аналогичным образом рассчитаем среднее значение для каждого ряда данных:

Наконец рассчитаем CV. Для этого разделим полученные значения отклонений на средние значения. В результате получим следующую таблицу:

Кликните по картинке для увеличения

Очевидно, что из всех представленных объектов инвестиций предпочтительным будет объект Б имеющий наименьшее значение коэффициента CV.

Пример использования коэффициента вариации для выбора объекта инвестиций

Рассмотрим инвестора не склонного к риску, который хочет инвестировать в биржевой фонд (ETF) состоящий из корзины ценных бумаг отслеживающей индекс широкого рынка. Инвестор выбирает SPDR S&P 500 ETF, Invesco QQQ ETF и iShares Russell 2000 ETF. Затем он анализирует доходность и волатильность выбранных ETF за последние 15 лет и предполагает, что в будущем они могут иметь аналогичную доходность в отношении к своим долгосрочным средним значениям.

Для принятия решения инвестором используется следующая 15-летняя историческая информация:

• SPDR S&P 500 ETF имеет среднюю годовую доходность 5,47% и стандартное отклонение 14,68%. Коэффициент вариации SPDR S&P 500 ETF составляет 2,68;
• Средняя годовая доходность Invesco QQQ ETF составляет 6,88%, а стандартное отклонение-21,31%. Коэффициент вариации QQQ равен 3,09;
• iShares Russell 2000 ETF имеет среднюю годовую доходность 7,16% и стандартное отклонение 19,46%. Коэффициент вариации IWM равен 2,72.

Исходя из этих данных, инвестор может инвестировать либо в SPDR S&P 500 ETF, либо в iShares Russell 2000 ETF, так как соотношение риска и вознаграждения для них является сравнительно одинаковым. А для Invesco QQQ ETF соотношение риск-доходность, как видите, будет несколько хуже.

Источник

CFA — Коэффициент вариации

Коэффициент вариации – относительная мера дисперсии и поэтому он полезен для сравнения изменчивости финансовых данных, выраженных в разных единицах измерения. Рассмотрим коэффициент вариации в рамках изучения количественных методов по программе CFA.

Ранее мы отмечали, что стандартное отклонение легче интерпретировать, чем дисперсию, поскольку стандартное отклонение выражается в тех же единицах измерения, что и наблюдения.

Иногда нам может быть трудно понять, что означает стандартное отклонение с точки зрения относительной степени изменчивости различных наборов данных, либо потому, что наборы данных имеют значительно отличающиеся средние, либо потому, что наборы данных имеют разные единицы измерения.

Далее мы рассмотрим относительную меру дисперсии — коэффициент вариации, который может быть полезен в таких ситуациях. Относительная дисперсия (англ. ‘relative dispersion’) — это значение дисперсии, рассчитанное относительно контрольного значения.

Мы можем проиллюстрировать проблему интерпретации стандартного отклонения для двух значительно отличающихся наборов данных, используя две гипотетические выборки финансовых данных.

Первая выборка включает небольшие компании с объемом продаж за 2003 год в размере €50 млн., €75 млн., €65 млн. и €90 млн.

Вторая выборка включает крупные компании с объемом продаж за 2003 году в размере €800 млн., €825 млн., €815 млн. и €840 млн.

Используя Формулу 14, мы можем убедиться, что стандартное отклонение продаж для обоих выборок составляет €16.8 млн.

Вторая выборка была создана путем добавления €750 млн. к каждому наблюдению из первой выборки. Стандартное отклонение (и дисперсия) имеет свойство оставаться неизменным, если мы добавляем постоянную величину к каждому наблюдению.

В первой выборке самое большое наблюдение, €90 млн., — на 80% больше, чем самое маленькое наблюдение, €50 млн. Во второй выборке самое большое наблюдение всего на 5% больше, чем самое маленькое наблюдение.

По сути, стандартное отклонение в размере €16.8 млн. представляет собой высокую степень изменчивости для первой выборки со средними продажами в размере €70 млн., но незначительную степень изменчивости для второй выборки, средние продажи которой составляют €820 млн.

Коэффициент вариации полезен в ситуациях, подобных только что описанной.

Формула коэффициента вариации.

Коэффициент вариации или CV (от англ. ‘coefficient of variation’), представляет собой отношение стандартного отклонения набора наблюдений к их среднему значению:

где s — стандартное отклонение выборки, а \(\overline X \) — среднее значение выборки.

(на практике CV обычно рассчитывается в процентах, как \(100( s / \ \overline X) \) ).

Например, когда наблюдения представляют собой ставки доходности, коэффициент вариации измеряет величину риска (стандартное отклонение) на единицу средней доходности. Выражая величину вариации относительно среднего значения наблюдений, коэффициент вариации позволяет напрямую сравнивать дисперсию для различных наборов данных.

Коэффициент вариации не привязан к шкале измерения (то есть он не имеет единиц измерения).

Мы можем проиллюстрировать применение коэффициента вариации на нашем предыдущем примере двух выборок финансовых данных компаний.

• Коэффициент вариации для первой выборки составляет (€16.8 млн.) / (€70 млн.) = 0,24.
• Коэффициент вариации для второй выборки составляет (€16.8 млн.) / (€820 млн.) = 0,02.

Это подтверждает нашу интуитивную догадку о том, что первая выборка имеет гораздо большую изменчивость продаж, чем вторая выборка.

Обратите внимание, что 0,24 и 0,02 являются «чистыми числами» в том смысле, что они не содержат единиц измерения (поскольку мы разделили стандартное отклонение на среднее значение, которое измеряется в тех же единицах, что и стандартное отклонение).

Если нам нужно сравнить дисперсию наборов данных, выраженных в разных единицах измерения, коэффициент вариации может быть весьма полезен, поскольку он не привязан к единицам измерения.

Приведенный ниже пример иллюстрирует расчет коэффициента вариации.

Пример расчета коэффициента вариации для ставок доходности.

Таблица 24 включает среднегодовую доходность и стандартные отклонения, рассчитанные на основе месячной доходности основных фондовых индексов четырех азиатско-тихоокеанских рынков. Это индексы S&P/ASX 200 Index (Австралия), Hang Seng Index (Гонконг), Straits Times Index (Сингапур) и KOSPI Composite Index (Южная Корея).

Таблица 24. Среднеарифметическая годовая доходность и стандартное отклонение доходности для Азиатско-Тихоокеанских фондовых рынков, 2003-2012 гг.

Среднее
арифметическое
доходности (%)

Стандартное
отклонение
доходности (%)

Источник