在统计中，变异系数（COV）是相对事件分散的一种简单度量。 它等于标准偏差与平均值之间的比率。 尽管COV可以应用于任何类型的定量可能性或概率分布，但最常见的用途是比较相对风险。
COV还有其他用途和含义。 解释数学模型时，COV计算为均方根误差与单独因变量均值之间的比率。 这种类型的COV分析不太常见，但是在确定模型是否适合特定任务或分析类型时可以具有建设性。 其他几个术语与COV相同，包括变异系数，单位风险和相对标准偏差。
变异系数的可能用途
COV在证明指数分布的研究中特别有用。 换句话说，它可以帮助证明何时将分布视为低方差，何时将其视为高方差。
在投资和金融中，COV可用于评估风险。 基于风险的COV的解释方式与现代投资组合理论（MPT）中的标准差几乎相同。 唯一的区别是，COV是更好的相对风险的整体指标，尤其是在不同证券的不同风险水平之间。
例如，假设两只不同的股票提供不同的回报并具有不同的标准差。 股票A的预期收益为15％，股票B的预期收益为10％。 但是，库存A的标准偏差为10％，而库存B的标准偏差为5％。 哪个更好的投资？
假设这些预期收益是准确的，并且投资者的其余投资组合对该决定是中立的，则股票B是更好的投资。 它的COV（5％/ 10％，或0.5）小于股票A的COV（10％/ 15％，或0.67）。
变异系数的优点
COV的主要优点是它没有单位。 可以针对任何给定的可量化数据运行COV，否则可以以其他度量无法比较的方式将不相关的COV相互比较。
实际上，COV的无单位质量是将其与标准偏差分析区分开来的原因。 这两个变量的标准偏差无法以任何有意义的方式进行比较。 但是，通过比较标准偏差和均值，COV使每个色散相对且独立于基础单位。
作为风险度量，COV用于度量股票和其他证券价格的波动性。 它使分析师能够评估和比较与不同潜在投资相关的风险。 因此，它可以用于衡量和管理投资风险。
始终建议使用多元化的资产组合，以减少单项投资回报出现重大波动的风险。 因此，风险和多元化之间存在负相关关系； 也就是说，随着多样化的增加，风险降低。
零劣势
假设样本总体的平均值为零。 换句话说，大于零和小于零的所有值的总和彼此相等。 在这种情况下，COV的公式将无用，因为它将在分母中放置零。
实际上，COV计算的本质是，在样本总体中任何存在正值和负值的问题都将成为问题。 当几乎所有数据点共享相同的正负号时，最好使用此度量标准。
