← 返回博客列表

一文搞懂方差与标准差：FRM 备考必读

在金融风险管理（FRM）的学习体系中，量化风险是核心技能。而要量化风险，首先必须理解数据的离散程度。方差与标准差作为衡量数据离散程度的两大基石指标，不仅是统计学的入门概念，更是计算 VaR（风险价值）、模型波动率以及协方差的理论基础。对于 FRM 考生而言，如果不能熟练掌握这两个概念及其计算，后续的量化分析课程将寸步难行。本文将带你一文搞懂方差与标准差，并掌握 FRM 考试中至关重要的计算技巧。

核心概念解析：从方差到波动率

在金融市场中，我们关心资产收益率的稳定性。如果一组收益率数据非常集中，说明风险较低；如果数据分散，说明风险较高。

方差（Variance） 衡量的是数据点与平均值之间差异的平方的平均值。它的数学公式看似复杂，但逻辑很简单：先求每个数据与均值的差，平方后（为了消除负号并放大差异），再求平均。方差的单位是原始数据单位的平方，这在实际解释中不太直观。

标准差（Standard Deviation） 则是方差的算术平方根。由于它恢复了原始数据的单位，因此在金融分析中应用更为广泛。在 FRM 考试中，波动率（Volatility） 本质上就是资产收益率的标准差。当我们提到某只股票年化波动率为 20% 时，指的就是其收益率的标准差为 20%。

值得注意的是，FRM 考试中严格区分总体方差/标准差与样本方差/标准差。
* 总体（Population）： 当你拥有所有可能的数据时使用，分母为 $N$。
* 样本（Sample）： 当你只拥有部分数据来推断总体时使用，分母为 $N-1$（贝塞尔校正）。在 FRM 大部分涉及历史数据估算风险的场景下，通常默认使用样本标准差，除非题目明确说明已知总体参数。

实战计算与工具操作

理论必须结合实践。FRM 考试允许使用特定计算器，掌握 TI BA II Plus 的操作是节省时间的关键。以下通过一个具体例题演示如何快速计算样本标准差。

计算例题

假设某资产在过去 5 天的收益率分别为：2%, 5%, 8%, 10%, 3%。请计算该收益率序列的样本标准差。

手动计算逻辑：
1. 计算均值：$(2+5+8+10+3)/5 = 5.6\%$
2. 计算离差平方和：$(2-5.6)^2 + (5-5.6)^2 + ... + (3-5.6)^2 = 34.8$
3. 计算样本方差：$34.8 / (5-1) = 8.7$
4. 计算样本标准差：$\sqrt{8.7} \approx 2.95\%$

虽然手动计算能加深理解，但在考试压力下，使用计算器更为高效。

TI BA II Plus 操作步骤

1. 清除旧数据： 按下 2nd + 7 (MEM) 清除内存，或 2nd + CLR DATA 清除统计数据。
2. 进入数据模式： 按下 2nd + DATA。
3. 输入数据：
   • 屏幕显示 X01，输入 2，按 Down Arrow。
   • 屏幕显示 F01（频率），输入 1，按 Down Arrow。
   • 重复此过程，依次输入 5, 8, 10, 3。每次输入数值后按 Down Arrow 确认频率为 1。
4. 查看统计结果：
   • 按下 2nd + STAT 进入统计模式。
   • 按 Down Arrow 翻页，找到 Sx。
   • Sx 即为样本标准差（Sample Standard Deviation）。此时屏幕显示数值约为 2.949576。
   • 若需查看总体标准差，继续按 Down Arrow 找到 σx。

移动办公神器推荐：
除了实体计算器，考生还可以利用手机应用进行练习。推荐下载 RBA Calculator，这是专为金融考生设计的 TI BA II Plus iOS 应用。它完美模拟了实体按键手感，支持统计模式计算，非常适合在通勤或碎片时间练习方差与标准差的计算。你可以在 App Store 搜索下载：RBA Calculator。

常见易错点提醒

在 FRM 备考过程中，关于方差与标准差的错误往往源于细节疏忽。

1. 混淆总体与样本： 这是最高频的错误。题目若给出“历史数据”用于估算未来风险，通常视为样本，分母用 $N-1$。若题目明确说“这是过去 10 年所有的数据，视为总体”，则分母用 $N$。在计算器上，务必确认是按出了 Sx 还是 σx。
2. 单位混淆： 方差的单位是收益率的平方（例如 %²），而标准差和波动率的单位与收益率一致（%）。在选择题中，如果答案单位不对，直接排除。
3. 波动率年化问题： 题目给出的可能是日波动率，但要求年化波动率。此时不能直接乘以 252，而应乘以 $\sqrt{252}$（假设交易日为 252 天）。这是 FRM 计算波动率时的经典陷阱。
4. 负值处理： 在计算离差平方和时，务必先平方再求和，不要先求和再平方，否则正负抵消会导致结果为 0，完全失去意义。

常见问题解答 (FAQ)

Q1: FRM 考试中，什么时候用样本标准差，什么时候用总体标准差？
A: 绝大多数情况下，当我们利用历史数据来估计未来的风险参数时，我们手中的数据只是总体的一个“样本”，因此应使用样本标准差（分母 $N-1$）。只有当题目明确说明数据涵盖了所有可能的情况（例如已知某封闭基金所有历史交易日的确切收益分布且不再新增），或者题目明确指定“假设已知总体参数”时，才使用总体标准差。

Q2: 波动率和标准差有什么区别？
A: 在统计学意义上，两者计算逻辑一致。区别在于应用场景和语境。标准差是一个通用的统计学术语，用于描述任何数据的离散程度。而波动率是金融领域的专用术语，特指资产收益率的标准差。在 FRM 考试中，这两个词经常互换使用，但波动率更强调其作为风险度量指标的属性，且通常隐含了时间序列的含义（如年化波动率）。

Q3: 为什么要对离差进行平方，而不是取绝对值？
A: 这是一个深刻的数学问题。首先，平方可以消除负号，避免正负离差相互抵消导致方差为 0。其次，平方函数在数学上具有良好的可导性，便于后续进行更复杂的优化和风险模型推导（如均值 - 方差模型）。虽然绝对值也能衡量离散程度，但在金融建模中，基于平方的方差具有更好的统计性质。

Q4: 如何在计算器上快速检查计算结果是否正确？
A: 利用方差的性质。对于一组数据，如果所有数值都加上同一个常数（例如收益率都加 1%），标准差不会改变，只会均值改变。你可以在输入数据后，尝试手动计算一个简单数据集（如 1, 3, 5），其样本标准差应为 2。如果计算器算出其他结果，说明操作有误。

结语

方差与标准差是 FRM 量化世界的入场券。理解它们不仅是为了解题，更是为了建立风险敏感度。通过熟练掌握 TI BA II Plus 或 RBA Calculator 等工具，你可以将机械计算的时间转化为思考风险逻辑的时间。在备考路上，重视每一个基础概念，避开常见陷阱，你将在 FRM 考试中走得更稳、更远。