Дисперсия - представляет собой средний квадрат отклонений индивидуальных значений признака от их средней величины.

Лабораторная работа №3

Средние и структурные средние величины.

Основные положения теории.

Средние величины – это показатели, выражающие типичные черты и дают обобщающую количественную характеристику уровня признака по совокупности однородных явлений.

1. Средняя арифметическая:

2. Средняя гармоническая:

3. Средняя квадратическая:

4. Средняя хронологическая:

5. Средняя геометрическая:

К1, К2, К3 и Кn – коэффициенты динамики по отношению к предыдущему периоду.

6. мода интервальных рядов распределения вычисляется по следующей формуле:

х0 – минимальная граница модального интервала;

i – величина интервала;

f2 – частота модального интервала;

f1 – частота интервала, предшествующего модальному;

f3 – частота интервала, следующего за модальным.

Мода для дискретных рядов распределения – это наиболее часто встречающаяся величина признака в данной совокупности.

7. Медиана — это число, которое является серединой множества чисел.

Медиана для интервальных рядов распределения вычисляется по формуле:

x0 – нижняя граница медианного интервала;

i – величина медианного интервала;

∑f – сумма частот ряда;

SМЕ-1 – сумма накопленных частот, предшествующих медианному интервалу;

fМЕ – частота медианного интервала.

Чтобы определить медиану в дискретном вариационном ряду. Необходимо сумму частот разделить пополам и к полученному результату добавить ½.

8. Математи́ческое ожида́ние — среднее значение случайной величины (распределение вероятностей случайной величины, рассматривается в теории вероятностей)

9. Среднеквадрати́ческое отклоне́ние (синонимы: среднее квадрати́ческое отклоне́ние, среднеквадрати́чное отклоне́ние, квадрати́чное отклоне́ние; близкие термины: станда́ртное отклоне́ние, станда́ртный разбро́с) — в теории вероятностей и статистике наиболее распространённый показатель рассеивания значений случайной величины относительно её математического ожидания. При ограниченных массивах выборок значений вместо математического ожидания используется среднее арифметическое совокупности выборок. Среднее квадратическое отклонение () равно квадратному корню из среднего квадрата отклонений отдельных значений признака от средней арифметической:

Среднее квадратическое отклонение простое:

Дисперсия - представляет собой средний квадрат отклонений индивидуальных значений признака от их средней величины.

Дисперсия простая:

Дисперсия взвешенная:

11. К оэффициент 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.

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.

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%