Många investerare har haft onormala nivåer av volatilitet i investeringsprestanda under olika perioder av marknadscykeln. Även om volatiliteten kan vara större än vad som förväntas under vissa tidsperioder, kan det också hända att det sätt på vilket volatiliteten typiskt mäts bidrar till problemet med oväntad volatilitet. Syftet med denna artikel är att diskutera de problem som hör samman med den traditionella volatilitetsmåtten och att förklara ett mer intuitivt tillvägagångssätt som kan användas av investerare för att hjälpa dem att utvärdera omfattningen av sina investeringsrisker.

Traditionell volatilitetsmått
De flesta investerare bör vara medvetna om att standardavvikelsen är den typiska statistiken som används för att mäta volatiliteten. Standardavvikelse definieras helt enkelt som kvadratroten av den genomsnittliga kvadrerade avvikelsen för data från dess medelvärde. Även om denna statistik är relativt lätt att beräkna är antagandena bakom tolkningen mer komplex, vilket i sin tur ger upphov till oro för dess noggrannhet. Som ett resultat är det en viss grad av skepsis som omger sin giltighet som en exakt riskmått. (För mer information, se Användning och gränser för volatilitet .)

För att standardavvikelsen ska kunna vara en exakt riskmått måste ett antagande göras att investeringsresultatdata följer en normal fördelning. I grafiska termer kommer en normal fördelning av data att plottas på ett diagram på ett sätt som ser ut som en klockformad kurva. Om denna standard stämmer, bör cirka 68% av de förväntade resultaten ligga mellan ± 1 standardavvikelser från investeringens förväntade avkastning, 95% ska ligga mellan ± 2 standardavvikelser och 99% ska ligga mellan ± 3 standardavvikelser.

Till exempel under perioden 1 juni 1979 till 1 juni 2009 var den treåriga rullande årliga genomsnittliga prestationen för S & P 500 Index 9,5% och dess standardavvikelse var 10%. Med tanke på dessa baslinjeparametrar för prestanda, skulle man förvänta sig att 68% av tiden skulle det förväntade resultatet för S & P 500-indexet falla inom ett intervall på -0. 5% och 19,5% (9,5% ± 10%).

Det finns tyvärr tre huvudskäl till att investeringsresultatdata inte får distribueras normalt. För det första är investeringsprestandan vanligtvis skev, vilket innebär att återfördelningar är vanligtvis asymmetriska. Som ett resultat tenderar investerare att uppleva onormalt höga och låga prestationsperioder. För det andra uppvisar investeringsresultatet en egenskap som kallas kurtosis, vilket innebär att investeringsprestanda uppvisar ett onormalt stort antal positiva och / eller negativa prestationsperioder. Sammantaget försvårar dessa problem utseendet på den klockformade kurvan, och snedvrider noggrannheten i standardavvikelsen som ett mått på risk.

Förutom skevhet och kurtosis är ett problem som heter heterokedasticitet också en anledning till oro. Heteroskedasticitet innebär helt enkelt att variationen i provinvesteringsresultatdata inte är konstant över tiden. Som ett resultat tenderar standardavvikelsen att fluktuera baserat på längden på den tidsperiod som används för att göra beräkningen eller den tidsperiod som valts för att göra beräkningen.

Liksom skevhet och kurtos kommer förhöjningarna av heteroskedasticitet att göra att standardavvikelsen är en opålitlig riskmått. Sammantaget kan dessa tre problem leda till att investerare missuppfattar den potentiella volatiliteten i sina investeringar och får dem att potentiellt ta mycket mer risk än vad som förväntas. (För mer information, se vår CFA-nivå 1- Kvantitativa metoder Exam Guide .)

En förenklad volatilitetsåtgärd
Lyckligtvis finns det ett mycket enklare och mer exakt sätt att mäta och undersöka risker . Genom en process som kallas den historiska metoden kan risken fångas och analyseras på ett mer informativt sätt än genom användning av standardavvikelse. För att utnyttja denna metod behöver investerare helt enkelt gradera de historiska resultaten av sina investeringar genom att skapa ett diagram som kallas ett histogram.

Ett histogram är ett diagram som visar proportionen av observationer som faller inom en mängd kategorier. Till exempel i diagrammet nedan har den treåriga rullande årliga genomsnittliga prestanda för S & P 500 Index för perioden 1 juni 1979 till 1 juni 2009 byggts. Den vertikala axeln representerar prestandans prestanda för S & P 500 Index, och den horisontella axeln representerar frekvensen där S & P 500 Index upplevde en sådan prestanda.

Figur 1: S & P 500 Index Performance Histogram

Källa: Investopedia 2009

Med hjälp av ett diagram visar användningen av ett histogram att investerare kan bestämma hur mycket tid det går att investera inom , eller under ett givet intervall. Till exempel uppnådde 16% av S & P 500 Index-prestationsobservationerna en avkastning mellan 9% och 11,7%. När det gäller prestanda under eller över ett tröskelvärde kan det också fastställas att S & P 500 Index upplevde en förlust större än eller lika med 1. 1%, 16% av tiden och prestanda över 24. 8%, 7. 7 % av tiden.

Jämförelse av metoderna
Användningen av den historiska metoden via ett histogram har tre huvudfördelar jämfört med användandet av standardavvikelsen. För det första kräver den historiska metoden inte att placeringsprestanda normalt distribueras. För det andra inflytas effekten av skevhet och kurtosis uttryckligen i histogramdiagrammet, vilket ger investerare den nödvändiga informationen för att mildra oväntad volatilitetsöverraskning. För det tredje kan investerare undersöka omfattningen av vinster och förluster som upplevs.

Den enda nackdelen med den historiska metoden är att histogrammet, liksom användningen av standardavvikelsen, lider av den potentiella effekten av heteroskedasticitet.Detta borde dock inte vara en överraskning, eftersom investerare bör förstå att tidigare resultat inte är en indikation på framtida avkastning. Under alla omständigheter är den historiska metoden fortfarande en utmärkt utgångspunkt för investeringsrisken och bör användas av investerare för att utvärdera storleken och frekvensen av deras potentiella vinster och förluster i samband med sina investeringsmöjligheter.

Tillämpning av metoden
Nu när investerare förstår att den historiska metoden kan användas som ett informativt sätt att mäta och analysera risk blir frågan då: Hur genererar investerare ett histogram för att hjälpa dem att undersöka risken attribut av sina investeringar?

En rekommendation är att begära information om investeringsresultat från investeringsförvaltningsbolagen. Den nödvändiga informationen kan emellertid också erhållas genom att samla månadsavslutningspriset för investeringsalternativet, som vanligtvis hittas genom olika källor, och sedan manuellt beräkna investeringsresultatet.

Efter att information om prestanda har samlats eller manuellt beräknats, kan ett histogram byggas genom att importera data till ett mjukvarupaket, till exempel Microsoft Excel, och använda programmets additionsfunktion för dataanalys. Genom att använda denna metod bör investerare enkelt kunna skapa ett histogram, vilket i sin tur skulle hjälpa dem att mäta den verkliga volatiliteten i sina investeringsmöjligheter.

Slutsats
I praktiken bör utnyttjandet av ett histogram tillåta investerare att undersöka risken för sina investeringar på ett sätt som hjälper dem att mäta hur mycket pengar de kan göra eller förlora på årsbasis. Med tanke på denna typ av tillämplighet i verkligheten borde investerare bli mindre förvånade när marknaderna fluktuerar dramatiskt och därför borde de känna sig mycket mer nöjda med sin exponering för investeringar i alla ekonomiska miljöer. (För mer, se Förstå volatilitetsmätningar .)