जोखिम प्रबंधन के लिए भिन्न की गणना कैसे करें

विषयसूची:

Anonim

जोखिम निर्धारित करने के लिए व्यापक रूप से उपयोग की जाने वाली मीट्रिक है। निवेशक विभिन्न निवेश परिदृश्यों के सापेक्ष जोखिम को निर्धारित करने के लिए एक अपेक्षित रिटर्न के विचरण की गणना करते हैं। परियोजना प्रबंधक यह निर्धारित करने के लिए विचरण की गणना करते हैं कि क्या कोई परियोजना बजट से अधिक है या अनुसूची से पीछे है। विचरण की गणना के तीन सामान्यतः स्वीकृत तरीके हैं।

ऐतिहासिक डेटा के आधार पर भिन्नता

डेटा बिंदुओं की संख्या द्वारा निर्धारित डेटा के योग को विभाजित करके सेट किए गए डेटा के औसत की गणना करें। इस उदाहरण में, तीन डेटा बिंदु हैं: n1, n2 और n3:

avg = (n1 + n2 + n3) / (3)

प्रत्येक डेटा बिंदु और डेटा सेट के औसत के बीच अंतर की गणना करें:

diff 1 = (n1 - avg) diff 2 = (n2 - avg) diff 3 = (n3 - avg) भिन्न

प्रत्येक अंतर को स्क्वायर करें और चुकता अंतर जोड़ें।

(n1 - avg) ^ 2 + ((n2 - avg) ^ 2 + (n3 - avg) ^ 2

सेट माइनस 1 में डेटा की संख्या से वर्ग अंतर का योग विभाजित करें:

(n1 - avg) ^ 2 + ((n2 - avg) ^ 2 + (n3 - avg) ^ 2 / (3-1)

Variance, Variance-Covariance पर आधारित है

कोवरियन की गणना करने के लिए एक्सेल के कोविरियन फ़ंक्शन का उपयोग करें।

मानक विचलन को 1.65 से गुणा करके 5 प्रतिशत होने वाले जोखिम की गणना करें।

मानक विचलन को 1.65 से गुणा करके 5 प्रतिशत होने वाले जोखिम की गणना करें।

2.33 द्वारा मानक विचलन को गुणा करके 1 प्रतिशत होने वाले जोखिम की गणना करें।

मोंटे कार्लो विधि के आधार पर भिन्नता

अपने डेटा सेट को प्रभावित करने वाले कारकों को अनुमानित करने के लिए एक सांख्यिकीय वितरण का चयन करें। उदाहरण के लिए, यदि आप एक प्रस्तावित निवेश परिदृश्य के जोखिम संस्करण की गणना कर रहे हैं, तो एक वितरण चुनें जो पिछले निवेशों के प्रदर्शन का मिलान करता है।

आपके द्वारा चुने गए सांख्यिकीय वितरण से 1,000 और 10,000 यादृच्छिक संख्याओं के बीच उत्पन्न करने के लिए एक कंप्यूटर प्रोग्राम का उपयोग करें।

उत्पन्न डेटा को संभाव्यता के कार्य के रूप में ग्राफ़ करें, और परिणामी वितरण के विचरण की गणना करें।

टिप्स

  • कंप्यूटर प्रोग्राम विचरण, कोवरियन और मोंटे कार्लो सिमुलेशन की गणना में सहायता के लिए उपलब्ध हैं।

चेतावनी

ओवररिएशन या विच्छेदन से बचने के लिए हमेशा गणना किए गए आँकड़ों की वास्तविक डेटा से तुलना करें।