在金融风险管理的知识体系中，方差（Variance）与标准差（Standard Deviation）是衡量投资组合风险最基础、也最核心的统计工具。无论是Part I的量化分析，还是Part II的市场风险计量，波动率的计算几乎贯穿始终。理解这两个概念不仅是通过FRM考试的必要条件，更是日后从事风险管理、金融工程和投资组合管理工作的基本功。
本文将系统梳理方差与标准差的概念、计算方法、实务应用，并配合具体例题和BA II Plus操作步骤，帮助考生高效备考。
方差衡量的是随机变量偏离其期望值的平均平方距离。对于离散型随机变量，总体方差公式为：
$$\sigma^2 = \frac{\sum_{i=1}^{N}(x_i - \mu)^2}{N}$$
其中 $\mu$ 为总体均值，$N$ 为观测数量。
若数据来自样本而非总体，则使用样本方差：
$$S^2 = \frac{\sum_{i=1}^{n}(x_i - \bar{x})^2}{n-1}$$
分母使用 $n-1$ 而非 $n$，是为了进行无偏估计（Bessel校正），避免低估总体方差。
标准差是方差的算术平方根：
$$\sigma = \sqrt{\sigma^2}$$
标准差与原始数据具有相同的量纲（如百分比），因此在金融实务中比方差更直观、更常用。
在金融领域，波动率通常指收益率标准差的年化值。例如，日收益率标准差为1%，则年化波动率为：
$$\sigma_{年} = \sigma_{日} \times \sqrt{252} \approx 1\% \times 15.87 = 15.87\%$$
这里假设每年有252个交易日。波动率是期权定价（Black-Scholes模型）、风险价值（VaR）计算和压力测试的关键输入参数。
某投资者持有三只股票A、B、C，过去5个交易日的日收益率（%）如下：
| 日期 | 股票A | 股票B | 股票C |
|---|---|---|---|
| Day 1 | 2.0 | -1.5 | 0.8 |
| Day 2 | -1.0 | 3.2 | -0.5 |
| Day 3 | 1.5 | -0.8 | 2.1 |
| Day 4 | 0.5 | 2.0 | -1.2 |
| Day 5 | -0.5 | 1.0 | 0.3 |
问题： 计算股票A的样本标准差（日波动率）及年化波动率。
Step 1：计算均值
$$\bar{x}_A = \frac{2.0 + (-1.0) + 1.5 + 0.5 + (-0.5)}{5} = \frac{2.5}{5} = 0.5\%$$
Step 2：计算各观测值与均值的偏差平方
| 观测值 | 偏差 | 偏差平方 |
|---|---|---|
| 2.0 | 1.5 | 2.25 |
| -1.0 | -1.5 | 2.25 |
| 1.5 | 1.0 | 1.00 |
| 0.5 | 0.0 | 0.00 |
| -0.5 | -1.0 | 1.00 |
偏差平方和 = 2.25 + 2.25 + 1.00 + 0.00 + 1.00 = 6.50
Step 3：计算样本方差
$$S^2 = \frac{6.50}{5-1} = \frac{6.50}{4} = 1.625$$
Step 4：计算样本标准差
$$S = \sqrt{1.625} \approx 1.275\%$$
Step 5：年化波动率
$$\sigma_{年} = 1.275\% \times \sqrt{252} \approx 1.275\% \times 15.87 \approx 20.23\%$$
使用TI BA II Plus计算器统计模式：
2nd + CLR WORK（显示5个工作键）2nd + 7（STAT）2.0 → ENTER → ↓ → 输入 -1.0 → ENTER → ↓ → 输入 1.5 → ENTER → ↓ → 输入 0.5 → ENTER → ↓ → 输入 -0.5 → ENTER2nd + 7（STAT）↓ 看到 x̄ = 0.5↓ 看到 Sx = 1.2747548💡 推荐使用 RBA Calculator：如果你使用iOS设备备考，可以下载 RBA Calculator（TI BA II Plus iOS应用），它完美模拟了BA II Plus的统计功能，界面清晰、操作流畅，特别适合手机端随时练习统计计算题。
FRM考试经常设置陷阱——题目给出"过去N个月的历史数据"，要求计算标准差。此时应使用样本标准差（分母 $n-1$），而非总体标准差（分母 $N$）。除非题目明确说明"这是全部数据"或"总体数据"，否则默认使用样本估计。
将日波动率年化时，正确公式是乘以 $\sqrt{252}$，而非乘以252。方差的年化才是乘以252（因为方差是二次量纲）。
$$\sigma_{年} = \sigma_{日} \times \sqrt{252}$$
$$\sigma_{年}^2 = \sigma_{日}^2 \times 252$$
在连续做统计题时，如果忘记按 2nd + CLR WORK 清除之前的数据，计算结果会完全错误。每次开始新统计题之前，务必先清除存储器。
标准差假设收益率分布是对称的（正态分布）。但金融资产的收益率往往具有负偏度（左尾更长）和尖峰厚尾特征。仅用标准差衡量风险会低估极端事件的可能性，这也是为什么FRM还要求掌握VaR、CVaR等风险度量工具。
风险经理使用投资组合的波动率来设定风险预算。例如，某对冲基金的风险政策要求投资组合年化波动率不超过15%。当实际波动率超过阈值时，系统自动触发降杠杆操作。
Black-Scholes-Merton模型中，波动率是核心输入参数之一。隐含波动率（Implied Volatility）从期权市场价格反推得到，直接反映了市场对未来波动率的预期。VIX指数本质上就是标普500期权隐含波动率的度量。
夏普比率（Sharpe Ratio）的公式为：
$$\text{Sharpe Ratio} = \frac{R_p - R_f}{\sigma_p}$$
分母就是投资组合的标准差。波动率越低、超额收益越高，夏普比率越大，投资效率越高。
在VaR计算中，参数化方法直接使用收益率的标准差：
$$\text{VaR}_{95\%} = \mu - 1.645\sigma$$
A： 关键看题目措辞。如果题目说"given the following returns for the past 12 months"（给定过去12个月的收益率），这是样本，用 $n-1$。如果题目说"the returns for all quarters in the investment period"（投资期内所有季度的收益率），这可能是总体，用 $N$。FRM Part I的Quantitative Analysis部分对这一点考查非常细致，务必养成判断习惯。
A： 方差是平方量纲（如%^2），不直观且难以直接与收益率比较。标准差与收益率具有相同量纲（如%），可以直接解释为"收益率偏离均值的典型幅度"。例如，标准差为10%意味着约68%的收益率落在均值±10%的区间内（正态分布假设下）。
A： 标准差仍然可以计算，作为风险度量的一个参考指标。但它不再具有"68-95-99.7规则"的统计含义。在这种情况下，FRM建议结合偏度（skewness）、峰度（kurtosis）以及非参数方法（如历史模拟VaR）来补充风险评估。
A： 计算器只显示标准差（Sx），不直接显示方差。需要手动对Sx结果按 × → × → = 进行平方运算。例如，如果Sx = 1.2747548，则方差 = 1.2747548 × 1.2747548 ≈ 1.6250。
方差与标准差是风险管理的基石工具。从FRM考试到实际工作中，掌握其计算方法和适用条件至关重要。备考时请注意以下几点：
建议考生结合历史考题反复练习统计计算题，同时利用 RBA Calculator 等工具在手机端随时巩固计算能力。扎实掌握方差与标准差，你的FRM之路将更加稳健。