Мера среднего отклонения 64 [c.250]
Для очистки статистического ряда от дефектных величин можно использовать метод, когда в меру средней ошибки одного измерения используется среднеквадратическое отклонение, т. е. [c.135]
Если А=0 и к=1, мы получим то, что называется средней арифметической, которая часто называется центральным моментом первого порядка. Если же А сама является средней арифметической (X) и к=2, то мы имеем центральный момент второго порядка — дисперсию, характеризующую среднее отклонение Xi от среднего значения (i=l...N). При А, равном средней и к=3, получаем центральный момент третьего порядка, который является мерой скошенности. Корень квадратный от дисперсии называется средним квадратическим отклонением. [c.299]
Помимо применимости тех или иных показателей в конкретных отраслях важно еще учитывать такой важный фактор, как разброс значений показателя для группы аналогов. Разброс значений, как правило, измеряется такой стандартной статистической мерой, как стандартное отклонение. Оно определяется как среднее отклонение от среднего значения, деленное на это среднее значение. Правило таково чем выше разброс значений того или иного [c.174]
Являясь нелинейной функцией, риск портфеля зависит от ряда параметров, основные из них количество активов в портфеле, структура портфеля, рисковость его составляющих, динамика доходности составляющих. Как видно из формулы (5.30), риск портфеля зависит не от значений доходности, а от их вариации и структуры портфеля (речь не идет об абстрактной мере среднее квадратическое отклонение , которая, безусловно, зависит от значений варьирующего признака). [c.243]
На практике обычно используют два близко связанных, но отличающихся друг от друга критерия, или меры изменчивости. Дисперсия представляет собой среднее взвешенное из квадратов отклонений действительных результатов от ожидаемых. Стандартное отклонение представляет собой квадратный корень из дисперсии. В табл. 5.3 приведены соответствующие расчеты по нашему примеру. [c.129]
В качестве меры неравномерности потребления ресурса принимается среднее квадратичное отклонение потребляемого в момент t ресурса R (t) от его среднего ежедневного потребления, т. е. [c.98]
Относительную меру отклонений от средней арифметической, или коэффициент вариации (V), определяют по формуле [c.75]
На основе качественного содержания понятия колеблемости строится и система ее показателей. Показателями силы колебаний уровней являются амплитуда отклонений уровней отдельных периодов или моментов от тренда (по модулю), среднее абсолютное отклонение уровней от тренда (по модулю), среднее квадратическое откло нение уровней от тренда. Относительные меры колеблемости относительное линейное отклонение от тренда и коэффициент колеблемости - аналог коэффициента вариации. [c.341]
Т Определение. Среднеквадратическое отклонение есть мера вариации, получаемая путем извлечения квадратного корня из средней суммы квадратов отклонений между каждым значением и арифметической средней. А [c.38]
Часто такого рода базовый анализ данных обеспечивает достаточное количество информации для составления внутренних циркуляров, хозяйственных отчетов и открытых материалов. Однако для последующего анализа собранных данных, если в таковом будет необходимость, потребуются методы сводной статистики. К двум наиболее важным методам обобщения данных относится расчет средней и меры вариации. Средние можно рассчитывать по-разному, но наиболее часто используются значения арифметической средней, медианы и моды. Аналогично, имеется несколько показателей вариации, которые можно использовать. Сюда относятся такие два значимых показателя, как значения среднеквадратического отклонения и квартилей. [c.48]
Рассмотрим задачу определения количества коек, необходимого в специализированном отделении клиники Св. Иосифа. Общее количество ежедневно необходимых коек представляет собой нормальное распределение со средней арифметической в 60 и среднеквадратическим отклонением в 10. Руководство хочет быть в достаточной степени уверено, что имеется необходимое число коек для удовлетворения ежедневных потребностей. Фактически руководство установило, что количество имеющихся коек должно быть достаточным, по крайней мере, на 99 дней из каждых 100. [c.85]
Стандартное отклонение — мера компактности вероятностного распределения. Для нормального колоколообразного распределения приблизительно 68% общей площади распределения попадает в интервал, ограниченный одним стандартным отклонением от средней. Вероятность того, что значения попадут в интервал, ограниченный двумя стандартными отклонениями, приблизительно составляет 95%, а вероятность того, что оно попадет в 3 стандартных отклонения превышает 99% (см. таблицу нормального распределения в приложении Б к этой главе). Как мы увидим позже, стандартное отклонение используют для того, чтобы оценить вероятность появления события. [c.389]
К физиологическим относят такие качества человека, как рост, вес, сложение или фигура, внешний вид или представительность, энергичность движений и состояние здоровья. Конечно, в какой-то степени может существовать связь между наличием этих качеств и лидерством. Однако быть физически выше и крупнее, чем средний человек в группе, еще не дает никакого права быть в ней лидером. Примеры Наполеона, Ленина, Гитлера, Сталина, Ганди подтверждают факт того, что индивиды с отклонениями в меньшую сторону могут вырасти до размеров очень влиятельных фигур мировой истории. Те, кто еще верит в приоритет физиологических качеств, полагаются в своем суждении в значительной мере на использование силы в занятии лидерской позиции, что, как уже отмечалось, не является характерным для эффективного лидерства. [c.483]
В статистическом анализе величина (или уровень) риска измеряется двумя критериями средним ожидаемым значением (дисперсией) и колеблемостью, изменчивостью (вариацией) возможного результата. Дисперсия при этом измеряет возможный средний результат, вариация показывает меру или степень отклонения ожидаемого среднего значения от фактической средней величины. Дисперсия при оценке финансового риска предприятия представляет собой средневзвешенную величину из квадратов отклонений действительных финансовых результатов рискованных вложений от средних ожидаемых [c.223]
Таким образом, коэффициент пропорциональности прироста капитальных вложений приросту диаметра газопроводов по всему диапазону применяемых диаметров труб принимался равным единице и, значит, единым и равным единице по всем категориям газораспределительных сетей. В настоящее время в характере изменения величины A/ /Ady прослеживается несколько иная закономерность. По группе газопроводов малых диаметров (от 50 до 125 мм включительно), т. е. наиболее характерных для сетей низкого давления, величина A/ /Ady с переходом к Каждому следующему большему диаметру более или менее существенно меньше единицы, а по газопроводам начиная с dy=150 мм, т. е. характерным для сетей среднего давления, по-прежнему более или менее близка к 1,0, т. е. капитальные вложения в эти газопроводы прямо или почти прямо пропорциональны их диаметру. Объясняется это произошедшим с 1/1 1969 г. относительно большим повышением стоимости и ростом удельного веса земляных работ в составе затрат на строительство газопроводов, что особенно сказалось на газопроводах малых диаметров, объем земляных работ по которым практически почти совсем не меняется в зависимости от dy и в значительной мере определяет их стоимость. Отдельные резкие отклонения от указанных закономерностей, как по газопроводу с dy=400 мм, носят временный, конъюнктурный характер. [c.39]
Если в качестве показателя центра распределения выбрано математическое ожидание, то в качестве меры рассеяния случайной величины используют дисперсию. Дисперсия - это среднее значение квадратов отклонений случайной величины от ее математического ожидания. Дисперсия является вторым центральным моментом распределения. [c.20]
В качестве общей меры разброса переменной 7 естественно использовать сумму квадратов отклонений этой величины от ее среднего значения. Тогда в качестве объясняемой регрессией меры разброса переменной 7 будем использовать сумму квадратов отклонений прогнозируемых линией регрессии значений от среднего значения величины 7 [c.110]
Отношение ширины полосы рассеяния данных относительно их среднего значения к ширине полосы рассеяния данных относительно линии регрессии называется числом различимых градаций отклика. Если в качестве меры рассеяния принять соответствующие среднеквадратичные отклонения, то формула для числа различимых градаций отклика будет иметь вид [c.112]
Похожая ситуация возникает и при падении баланса вашего счета. Метод разделения счета уменьшает количество контрактов с большей скоростью, чем это делает стратегия половинного Допустим, вы потеряли 5000 долларов в первый день торговли и общий баланс счета уменьшился до 95 000 долларов. При стратегии дробного f вам следует торговать 19 контрактами ( 95 000/ 5000). Однако при использовании метода разделения баланса активный счет будет равен 45 000 долларов, и вам следует торговать 18 контрактами ( 45 000/ 2500). Отметьте, что при использовании метода разделения счета доля оптимального f изменяется вместе с балансом. Сначала определяется доля баланса, которая будет задействована в торговле (в нашем примере мы использовали первоначальную долю 0,5). При повышении баланса доля оптимального f повышается, приближаясь в пределе к 1, когда баланс счета стремится к бесконечности. При падении баланса доля f приближается в пределе к 0, а общий баланс счета при этом стремится к неактивной части. Тот факт, что страхование портфеля встроено в метод разделения баланса, является огромным преимуществом, и об этой особенности мы еще поговорим позже. Так как метод разделения счета использует изменяющееся дробное f, мы назовем такой подход стратегией динамического дробного/, в противоположность стратегии статического дробного/. Стратегия статического дробного f смещает вас по линии ML влево от оптимального портфеля, если вы используете ограниченный портфель, и при любых изменениях баланса счет будет оставаться у этой точки на линии ML. Если вы используете неограниченный портфель (что является лучшим подходом), то будете на эффективной границе для портфелей с неограниченной суммой весов (так как нет линий ML для неограниченных портфелей) слева от оптимального портфеля. Когда баланс счета изменяется, вы остаетесь в той же точке на неограниченной эффективной границе. Если речь идет об использовании динамического дробного f для ограниченного или неограниченного портфеля, вы начинаете у тех же точек, но, когда баланс счета повышается, портфель сдвигается вправо вверх, а когда баланс понижается, портфель сдвигается влево вниз. Правая граница находится у пика кривой, где доля f равна 1, а левая — у точки, где доля f равна 0. При размещении активов с помощью метода статического f дисперсия не меняется, так как используемая доля оптимального f постоянна, но в случае с динамическим дробным f дисперсия — переменная величина. В этом случае, когда баланс счета увеличивается, увеличивается также и дисперсия, поскольку возрастает используемая доля оптимального Верхней границы дисперсия достигает при полном , когда баланс счета приближается к бесконечности. При падении баланса счета дисперсия быстро уменьшается по мере приближения используемой доли оптимального к нулю, когда общий баланс счета приближается к балансу неактивного подсчета, и в этом случае нижняя граница дисперсии равна нулю. Метод динамического дробного аналогичен методу, основанному на полном оптимальном , когда первоначальный размер торгового счета равен активной части баланса. Итак, есть два способа размещения активов с помощью статического дробного и с помощью динамического дробного Динамическое дробное дает динамическую дисперсию, что является недостатком, но такой подход также обеспечивает страхование портфеля (об этом позднее). Хотя эти два метода имеют много общего, они все-таки серьезно отличаются. Какой же из них лучше Рассмотрим систему, где дневное среднее арифметическое HPR= 1,0265. Стандартное отклонение дневных HPR составляет 0,1211, поэтому среднее геометрическое равно 1,019. Теперь посмотрим на результаты торговли при статических дробных оптимальных 0, If и 0,2 Для этого используем уравнения с (2.06) по (2.08) [c.223]
Суммарный доход - это лишь одна сторона медали. Необходимо также учитывать степень риска. Как показывают исследования, рост доходности обычно сопряжен с более высоким риском. За рассматриваемый тридцатилетний период среднее стандартное отклонение доходности рынка акций составило 3,93 - самое высокое значение среди всех классов активов. (Стандартное отклонение - мера вариации портфеля, показывающая уровень риска. Чем выше стандартное отклонение, тем выше риск,) Второе место занял индекс СКВ со значением 2,83- Государственные и корпоративные облигации продемонстрировали наименьшую относительную степень риска их стандартное отклонение составило соответственно 2,44 и 2,42. Как это ни парадоксально, оказалось, что портфели акций, включенных в индекс S P 500, обладают более высоким риском, чем безрычаговый портфель товаров, составляющих индекс СКВ. [c.242]
При построении данного индикатора рассчитывается не только среднее, но и стандартное отклонение этой же последовательности цен закрытия. Стандартное отклонение — мера разброса случайных величин от среднего значения, которая равна квадратному корню из дисперсии. Затем проводятся три линии среднее и две границы, которые отстоят от него на величину стандартного отклонения или удвоенного значения стандартного отклонения (см. рис. 7—4). [c.149]
Хотя и доходности портфеля, и меры его риска могут отдельно сравниваться с доходностями и мерами риска других портфелей, как это показано на рис. 25.1-25.3, из оценок, учитывающих риск в явном виде, не всегда понятно, насколько эффективен данный портфель по сравнению с другими. Для фонда, приведенного на рисунках, средний процентный ранг доходности портфеля с третьего года по седьмой равняется 36 [(17 + 56 + 39 + 16 + 50)/5]. В то же время, средний процентный уровень стандартного отклонения равняется 78. Если предположить, что клиента интересует только общий риск, то каким образом тогда он может интерпретировать данные процентные уровни С точки зрения доходности, портфель имел показатель немного выше среднего. В терминах стандартного отклонения, он был менее рискованным, чем, приблизительно У остальных портфелей. То есть можно предположить, что данный портфель [c.888]
За первый месяц работы эта система выявила 42 отклонения в совокупности, состоящей примерно из 200 решений, а средняя ошибка оценивания доли рынка составила около 4%. Группа диагностирования и выработки предупредительных мер смогла устранить большинство погрешностей еще до того, как были приняты решения для второго месяца. Впоследствии были устранены и другие отклонения. Группе удалось справиться с заданием, так как в последующие месяцы число отклонений снизилось. К двенадцатому месяцу оставалось только шесть отклонений, а к восемнадцатому — только два. Затем система стабилизировалась примерно на этом уровне. При достижении этого уровня средняя ошибка в определении ожидаемых показателей снизилась до 1 %. За этот же период фирма добилась очень большого увеличения своей доли на внутреннем рынке сбыта. [c.209]
Мерой колеблемости уровней динамического ряда выступает средний квадрат отклонений фактических уровней ряда от переменных уровней, исчисляемых по тренду. Эта величина подобна дисперсии, исчисляемой в рядах распределения с той разницей, что отсчет отклонений ведется не от средней (постоянной для данного ряда), а от переменной средней — выровненных уровней. Мера колеблемости определяется по формуле [c.105]
Среднее квадратическое отклонение указывается в тех же единицах, в каких измеряется варьирующий признак. Средне-квадратическое отклонение - мера абсолютной колеблемости. [c.140]
Дисперсия и среднее квадратическое отклонение. Дисперсией, напомним, называется мера разброса возможных исходов относительно ожидаемого значения, причем чем выше дисперсия, тем больше разброс. Дисперсия дискретного распределения (а2) рассчитывается следующим образом [c.59]
Коэффициент вариации — йота-коэффициент как измеритель риска. Как правило, чем выше ожидаемая доходность, тем больше величина его среднего квадратического отклонения. Но в общем случае и величины доходности, и колеблемость, т.е. изменчивость доходности, могут быть различными. Поэтому для оценки меры относительного риска при различной ожидаемой доходности рассчитывают риск, приходящийся на единицу доходности, путем определения коэффициента вариации. Этот коэффициент, который часто называют йота-коэффициентом, представляет собой отношение среднего квадратического отклонения к ожидаемому значению доходности [c.60]
Выбор показателя вариации диктуется используемым показателем центра распределения. При применении медианы как меры "средней" показателем вариации будет служить квартальное отклонение. Если же используется средняя арифметическая, то будут выбраны дисперсия, среднее квадратическое отклонение или отрицательная полудисперсия. [c.91]
По мере отклонения значений факторов от их средних значений величина доверительного интервала увеличивается. При наличии более двух факторов расчет доверительного полуинтервала очень трудоемок и может быть выполнен только на ЭВМ. В полученных уравнениях регрессии пять факторов, поэтому из-за отсутствия соответствующих программ расчетов Л определен по формуле (34). При <7=Ю% Д составляет для НГДУ с растущей добычей 670, со стабильной добычей 655 и с падающей добычей 300 т на одного работающего. [c.89]
Полученное значение больше коэффициента Фехнера, но намного ниже обычного коэффициента корреляции, составившего 0,916. Как видим, недоучет размеров отклонений признаков от их средних величин занижает меру тесноты связи. [c.260]
В строке Data приводятся уровни исходного ряда Fore ast summary означает сводные данные для прогноза. В следующих строках - уравнения прямой, параболы, экспоненты - в логарифмическом виде. Графа ME означает среднее расхождение между уровнями исходного ряда и уровнями тренда (выравненными). Для прямой и параболы это расхождение всегда равно нулю. Уровни экспоненты в среднем на 0,48852 ниже уровней исходного ряда. Точное совпадение возможно, если истинный тренд - экспонента в данном случае совпадения нет, но различие, мало. Графа МАЕ -это дисперсия я2 - мера колеблемости фактических уровней относительно тренда, о чем сказано в п. 9.7. Графа МАЕ - среднее линейное отклонение уровней от тренда по модулю (см. параграф 5.8) графа МАРЕ - относительное линейное отклонение в процентах. Здесь они приведены как показатели пригодности выбранного вида тренда. Меньшую дисперсию и модуль отклонения имеет парабола она за период 1986 - 1996 гг. ближе к фактическим уровням. Но выбор типа тренда нельзя сводить лишь к этому критерию. На самом деле замедление прироста есть результат большого отрицательного отклонения, т. е. неурожая в 1996 г. [c.334]
Отклонение, связанное с изменением спроса на оборудование, сооружения и т.п., преодолевается в течение 8—12 лет путем перелива капитала. Это так называемые промышленные циклы, исследованные Марксом, Энгельсом, Лениным. Условно их можно назвать циклами средней продолжительности. Срок протяженности в 10—15 лет объясняется таким же сроком службы основного капитала. Массовое обновление основного капитала приводит к оживлению экономики, которое переходит в подъем и, по мере технического старения задей-стиованной техники, — к кризису. [c.148]
Наиболее распространена точка зрения [3,7,8,], согласно которой мерой риска некоторого коммерческого (финансового) проекта следует считать среднее квадратичное отклонение (положительный квадратный корень из дисперсии) значения показателя его эффективности. Действительно, поскольку риск обусловлен недетерминированностью исхода решения (операции), то чем меньше разброс (дисперсия) результата решения, тем более он предсказуем, то есть, меньше риск. Если вариация (дисперсия) результата равна нулю, риск полностью отсутствует. Например, в условиях стабильной экономики операции с государственными ценными бумагами считаются безрисковыми. [c.77]
ПРИМЕЧАНИЕ. При оценке величин у и NGRAD мы предполагали, что мерой ширины полосы рассеяния данных относительно их среднего значения и мерой ширины полосы рассеяния данных относительно линии регрессии являются соответствующие среднеквадратичные отклонения. Если в качестве меры принять доверительные интервалы, то формулы для у и NGRAD изменятся, так как [c.113]
В какой именно точке на эффективной границе вы будете находиться (то есть какова эффективная КСП), является функцией вашего собственного неприятия риска, по крайней мере, в соответствии с моделью Марковица. Однако есть оптимальная точка на эффективной границе, и с помощью математических методов можно найти эту точку. Если вы выберете КСП с наивысшим средним геометрическим HPR, то достигнете оптимальной КСП Мы можем рассчитать среднее геометрическое из среднего арифметического HPR и стандартного отклонения HPR (обе эти величины у нас уже есть, так как они являются осями X и Y модели Марковица ) Уравнения (1.16а) и (1.166) дают нам формулу для оценочного среднего геометрического EGM (estimated geometri mean). Данный расчет очень близок (обычно до четвертого или пятого знака после запятой) к реальному среднему геометрическому, поэтому можно использовать оценочное среднее геометрическое вместо реального среднего геометрического. [c.45]
Колонка (с) в Таблице 2.8 отражает отклонения изменений относительно среднего значения тенденции. Мера волатильности, которую мы ищем, является одной цифрой, суммирующей значения всех этих отклонений. Если эти отклонения большие, то мы говорим, что ряды очень во-латильны, а если они маленькие, мы говорим, что ряды не очень вола-тильны. Нам нужен только один количественный показатель распределения, который выясняется сложением всех средних значений отклонений и, вполне очевидно, что он станет средним показателем. Однако по опре- [c.28]
Неточность предсказаний внутренне заключена в сложности задачи. Тем не менее, предсказания имеют определенную пользу. Например, прогнозы погоды далеко не всегда верны, но это все же лучше, чем полное неведение, поскольку, когда человек знает, чего можно ожидать в ближайшее время он предпринимает соответствующие меры. Предсказания можно сравнивать с наблюдениями и корректировать их, чтобы в будущем получать более точные результаты. Этот процесс называется ассимиляцией данных в прогноз. Таким образом, важно учитывать величину ошибки и оценивать степень неопределенности, связанной с тем или иным прогнозом твердые значения в прогнозах обманчивы только распределение вероятности несет в себе значимую информацию. Наводнение в Гранд Форкс, вызванное разливом северной части Красной реки, является хорошей иллюстрацией. Весной 1997 года, когда уровень воды в реке поднимался до своего рекордно высокого уровня, горожане и власти полагались на прогнозы ученых относительно максимального уровня воды. Прогнозируемые 49 футов внушили городу ложное чувство безопасности, поскольку прогноз был необоснованно четким. На самом деле, диапазон вероятностей был значительно больше в конце концов, вода достигла уровня 54 фута, заставив 50,000 человек в спешке бросить свои дома. Если бы был рассмотрен полный спектр вероятностей и сценариев хода событий, возможно, были бы приняты контрмеры, и многим людям удалось бы сохранить свое имущество. В данном случае, важно то, что 49-ти футовый прогноз не был неправильным. Просто, к сожалению, отсутствовали возможные отклонения от наилучшего предположения. Вероятностный прогноз, допускающий хотя бы два исхода, был бы гораздо полезнее. Его можно было бы выразить как "существует 50% вероятности того, что уровень воды в реке не превысит 49-ти футового порога и 90% вероятности, что максимальный уровень составит 52 фута". Обратите внимание, что в первой части утверждения передается та же информация о наилучшем предположении (в общем смысле) относительно максимального уровня, тогда как вторая часть дает оценку степени неточности. В этом случае, в принципе, есть возможность взвесить стоимость мер, направленных на уменьшение риска, и отреагировать на любые приведенные отклонения от наилучшего предположения. Главное помнить о сосуществовании нескольких возможных сценариев (а не одного лучшего, или среднего) с определенной степенью вероятности. [c.315]
Мы видели (раздел XIII), что успешная экономическая деятельность (или реализация тех ожиданий, которые к ней привели) зависит, главным образом, от более или менее точного предвидения будущих цен. Такие предсказания будут основываться на текущих ценах и оценке тенденций их изменений, но будущие цены всегда остаются в какой-то мере неопределенными, ибо обстоятельства, от которых они зависят, большинству индивидов неизвестны. В самом деле, функция цен состоит именно в том, чтобы как можно быстрее сообщать, о тех изменениях, о которых индивидуум не может знать, но с которыми ему нужно согласовать свои планы. Эта система работает потому, что в целом текущие цены -достаточно надежные индикаторы вероятных будущих цен, подверженные только тем "случайным" отклонениям, которые, как мы видели, в случае если средние цены остаются постоянными, скорее всего, нейтрализуют друг друга. Мы видели так же, как такое взаимное погашение противоположных изменений становится невозможным, если имеет место существенный общий сдвиг цен в каком-нибудь одном направлении. Но текущие цены конкретных товаров или групп товаров могут начать вводить в заблуждение, если они станут определяться одноразовыми, неповторяющимися событиями, такими, как временный приток или отток денег из системы. Ибо столь явные отклонения спроса от определенной траектории странным образом являются самообратимыми они систематически толкают производственные усилия в тех направлениях, где их невозможно поддерживать. Самые серьезные из повторяющихся искажений в распределении ресурсов возникают, когда в результате впрыскивания (или изъятия) [c.70]
В табл. 1.1. представлена динамика годовой доходности для четырех типов ценных бумаг, изображенных на рис. 1.1. Таблица также показывает годовые изменения индекса потребительских цен (СРГ) как индикатора стоимости средней потребительской корзины. Внизу таблицы приведены значения среднегодовой доходности. Под этим показателем даны значения стандартного отклонения, которое служит мерой изменчивости доходности для соответствующего типа ценных бумаг2. В табл. 1.2 указаны аналогичные показатели для ценных бумаг, выпущенных в США, Японии, Германии и Великобритании за период с 1970 по 1992 г. Статистические данные, приведенные на рис. 1.1 и в табл. 1.1, 1.2, иллюстрируют общий принцип при сравнении рациональных стратегий инвестирования риск и доходность меняются в одном направлении, т.е. чем выше средняя доходность ценной бумаги, тем больше связанный с нею риск. [c.7]
Ожидаемым значением случайной переменной является, по существу ее среднее значение. Таким образом, ожидаемое значение доходности портфеля может быть представлено как его ожидаемая или средняя доходность. Стандартное отклонение случайной величины является мерой разброса возможных значений, которые может принимать случайная величина. Соответственно стандартное отклонение портфеля является мерой разброса возможной доходности, которая может быть получена от портфеля. Иногда вместо стандартного отклонения используют дисперсию как меру разброса (varian e). Однако поскольку дисперсией случайной переменной является просто значение ее стандартного отклонения, возведенное в квадрат, различие здесь не является важным. Далее эта концепция будет рассмотрена более детально. [c.192]
Например, пусть фирма - институциональный инвестор - оценивает прибыль будущего гола в расчете на акцию для компании ХУ7нз уровне 2,50, а для компании ЛВС- на уровне 3.30. Обратившись к данным I/B/E/S. институциональный инвестор может выяснить, что обшерыночныс оценки прибил для XYZH ЛВС на этот момент равны соответственно SI.50 и 3,50 Далее, коэффициент вариации (стандартное отклонение, деленное на среднее значение прогнозируемой прибыли. - мера оценки [c.613]