标准差是平均方差的数学度量。 它是统计，经济学，会计和金融领域的突出特征。 对于给定的数据集，标准差用于衡量数字与平均值之间的分布程度。 标准差可以通过采用方差的平方根来计算，而平方根本身就是均值平方差的平均值。
当涉及共同基金或对冲基金投资时，分析师比其他任何风险衡量标准更看重标准差。 通过获得投资组合年收益率的标准差，分析师可以更好地衡量收益产生的一致性。 具有长期稳定收益记录的共同基金显示出较低的标准差。 但是，增长型或新兴市场基金可能会出现更大的波动性，并具有更高的标准差。 因此，它们也承担更多的风险。
标准偏差的一致性
标准偏差测量广泛普及的原因之一是其一致性。 无论您是在谈论国内生产总值（GDP），农作物产量或狗的身高，一个与均值的标准差都代表同一件事，而且它总是以与数据集相同的单位进行计算。 您无需解释由公式得出的其他度量单位。
例如，假设一个共同基金在5年中实现了以下年度回报率：4％，6％，8.5％，2％和4％。 平均值或平均值为4.9％。 标准偏差为2.46％，这意味着每个单独的年值均偏离平均值2.46％。 每个值都以百分比表示，现在，相对波动率更容易在相似的共同基金之间进行比较。
由于其一致的数学特性，任何数据集中的值中有68％位于平均值的一个标准偏差内，而95％位于平均值的两个标准偏差内。 或者，您可以以95％的确定性估计年收益不超出均值的两个标准偏差内所创建的范围。
布林带
在投资中，主要以布林带为幌子使用标准差。 约翰·布林格（John Bollinger）在1980年代开发的布林乐队是可以帮助确定给定安全性趋势的一系列系列。 中心是指数移动平均线（EMA），它反映了既定时间范围内证券的平均价格。 在这条线的任一侧，都设置了远离平均值的一到三个标准偏差的带。 这些外部区域会根据价格变化而随移动平均线振荡。
除了许多其他有用的应用程序之外，布林带还用作市场波动的指标。 当证券经历了剧烈波动的时期后，波动范围将相当宽。 随着波动率的降低，波段逐渐收窄，紧贴EMA。 例如，即使是收益范围最大的图表，有时也会在收益报告或产品发布后不时出现短暂的波动。 在这些图表中，通常较窄的布林带突然冒出，以适应活动的峰值。 一旦事情再次解决，带子就会变窄。 由于许多投资技术都依赖于变化的趋势，因此一眼就能识别出高度波动的股票可能是一个特别有用的工具。
其他要考虑的数据
尽管很重要，但标准偏差不应作为对单个投资或投资组合价值的最终衡量。 例如，每年收益在5％到7％之间的共同基金的标准差要比竞争性基金在每年6％到16％之间的收益低，但在所有其他条件相同的情况下，这显然是次等选择。
重要的是要注意，标准差仅显示共同基金的年收益分散，这不一定意味着将来与该度量保持一致。 诸如利率变化之类的经济因素总是会影响共同基金的业绩。 在评估与共同基金相关的风险时，标准差并不是一个独立的答案。 例如，标准差仅显示收益的一致性或不一致，而没有显示基金相对于其基准（以beta衡量）的表现。
依靠标准差来衡量投资组合风险的另一个潜在弱点是，它假设数据值呈钟形分布。 这意味着等式表明存在相同的概率来实现高于平均值或低于平均值的值。 许多投资组合没有显示出这种趋势，尤其是对冲基金倾向于朝一个方向或另一个方向倾斜。
投资组合中持有的证券越多，不同类型的证券中的品种越多，标准偏差可能就越不合适。 同样，与任何统计模型一样，大数据集比小数据集更可靠。 上面示例中的4.9％平均值和2.46％标准偏差不如通过50次不同计算（而不是5次）得出的相同值可靠。
（有关相关阅读，请参见： 标准偏差和平均偏差之间有什么区别？ ）
