在金融风险管理（FRM）体系中，方差（Variance）和标准差（Standard Deviation）是衡量资产收益波动的最基础工具。它们构成了整个风险管理框架的基石——无论是VaR计算、投资组合优化，还是风险预算分配，都离不开对波动率的精确量化。
方差衡量的是数据点偏离均值的平方的平均值，公式为：
$$\sigma^2 = \frac{1}{N} \sum_{i=1}^{N}(X_i - \bar{X})^2$$
标准差则是方差的算术平方根，即 $\sigma = \sqrt{\sigma^2}$。标准差之所以在金融实务中被更广泛使用，是因为它的单位与原始数据一致（例如收益率的标准差直接以百分比表示），这使得波动率的直观解读成为可能。
对于FRM考生而言，必须区分两种计算场景：
FRM考试中的默认规则是：如果题目描述的是"历史回报率"或"样本数据"，通常使用 N-1；如果是"给定的概率分布"或"已知总体参数"，则使用 N。
题目：某股票过去5年的年收益率分别为：12%、-3%、8%、15%、-2%。请计算该股票收益率的样本方差和样本标准差（即历史波动率）。
第一步：计算样本均值
$$\bar{X} = \frac{12 + (-3) + 8 + 15 + (-2)}{5} = \frac{30}{5} = 6\%$$
第二步：计算各期偏差的平方
| 年份 | 收益率 | 偏差(X-X̄) | 偏差² |
|---|---|---|---|
| 1 | 12% | 6% | 36 |
| 2 | -3% | -9% | 81 |
| 3 | 8% | 2% | 4 |
| 4 | 15% | 9% | 81 |
| 5 | -2% | -8% | 64 |
第三步：计算样本方差
$$s^2 = \frac{36+81+4+81+64}{5-1} = \frac{266}{4} = 66.5$$
第四步：计算样本标准差
$$s = \sqrt{66.5} = 8.155\%$$
因此，该股票的历史波动率为8.155%。
以下是使用TI BA II Plus计算器完成相同计算的标准操作流程：
方法一：使用统计模式（推荐用于FRM考试）
2nd + CLR WORK（清除旧数据）12 → 按 STO 1-3 → 按 STO 28 → 按 STO 315 → 按 STO 4输入 -2 → 按 STO 5
按 2nd + LIST（即LIST键）
此时显示屏将依次显示：
- n = 5（数据个数）
- x̄ = 6（均值）
- Sx = 8.1547687（样本标准差）
- σx = 7.2109456（总体标准差）
关键：Sx 对应样本标准差（除以N-1），σx 对应总体标准差（除以N）。FRM考试中，历史数据通常取 Sx。
方法二：使用单变量统计输入
2nd + CLR WORK12 → ENTER → STO 1-3 → ENTER → STO 28 → ENTER → STO 315 → ENTER → STO 4-2 → ENTER → STO 52nd + LIST结果与方法一相同。
💡 效率提示：如果你习惯使用iOS设备备考，可以下载 RBA Calculator（TI BA II Plus iOS应用），它完整模拟了BA II Plus的所有功能，包括统计模式操作，让你在手机上也能进行方差和标准差的快速计算，特别适合通勤或碎片化时间复习。
在FRM Part I的量化分析模块中，你还会遇到投资组合方差的多资产公式：
$$\sigma_p^2 = \sum_{i=1}^{n}\sum_{j=1}^{n} w_i w_j \sigma_i \sigma_j \rho_{ij}$$
其中 $w_i$ 为权重，$\sigma_i$ 为各资产标准差，$\rho_{ij}$ 为相关系数。
例题：两资产组合，资产A权重40%、标准差15%，资产B权重60%、标准差20%，相关系数0.3。
$$\sigma_p^2 = (0.4)^2(0.15)^2 + (0.6)^2(0.20)^2 + 2(0.4)(0.6)(0.15)(0.20)(0.3)$$
$$= 0.0036 + 0.0144 + 0.00432 = 0.02232$$
$$\sigma_p = \sqrt{0.02232} = 14.94\%$$
在BA II Plus上，这类计算需要分步完成：先算各项乘积，再累加，最后按 2nd + √x 开方。
这是FRM考试中最高频的陷阱。当题目说"given the following probability distribution"时，这是总体数据，方差除以N。当题目说"sample returns over 5 years"时，这是样本数据，方差除以N-1。
判断口诀：概率分布→总体→除以N；历史样本→样本→除以N-1。
BA II Plus的STAT模式下，如果不先按 2nd + CLR WORK 清除之前的数据，新输入的数据会叠加到旧数据上，导致计算结果完全错误。在紧张的考生状态下，这是致命的。
题目问"variance"时，答案是66.5（或66.5%²），而非8.155%。混淆方差和标准差在FRM选择题中是经典的送分陷阱。
输入数据时，12%应该输入 12 而非 0.12。如果输入 0.12，计算出的标准差将是 0.0815，虽然数学上等价，但与答案选项的格式不匹配，可能导致误选。
BA II Plus显示列表中，Sx是样本标准差（除以N-1），σx是总体标准差（除以N）。看错行是最容易犯的"低级错误"。
A：核心判断标准是数据来源。如果题目给出的是"概率分布"（probability distribution）或"已知所有可能结果"，使用总体标准差（除以N，即BA II Plus上的σx）。如果给出的是"历史观测值"（historical observations）或"样本数据"，使用样本标准差（除以N-1，即BA II Plus上的Sx）。FRM考试倾向于在历史数据场景中使用样本标准差。
A：BA II Plus的LIST功能直接显示Sx（样本标准差）和σx（总体标准差），但不直接显示方差。要获得方差，需要手动对显示的标准差结果进行平方运算：得到Sx后，按 Sx值 → × → Sx值 → =。例如，8.1547687 × 8.1547687 = 66.5。
A：在金融语境中，波动率通常等同于标准差，但有一个关键区别——波动率通常以年化形式表达。如果数据是日收益率，需要年化：年化波动率 = 日标准差 × √252。如果是月收益率，则年化波动率 = 月标准差 × √12。FRM考试中涉及波动率年化的计算非常频繁。
A：数学上称为"贝塞尔校正"（Bessel's Correction）。使用N-1是为了获得总体方差的无偏估计。直觉解释是：样本均值 $\bar{X}$ 本身就是根据这组数据计算出来的，数据点距离 $\bar{X}$ 的偏差系统性地小于它们距离真实总体均值 μ 的偏差。使用N-1补偿了这一偏差，使得期望值 $E[s^2] = \sigma^2$ 成立。
方差和标准差是FRM考试中"简单但容易出错"的典型考点。建议考生：
掌握方差与标准差的计算，不仅是FRM Part I的必考内容，更是后续学习VaR、协方差矩阵、风险因子模型等高级话题的基础。把基础打牢，后面的路会越走越宽。