3、风险与收益衡量：单项资产预期收益率、方差、标准差、变异系数的计算，以及投资组合的期望收益率与协方差、相关系数的公式推导与案例应用

风险与收益是财务管理的一体两面。中级财务管理考试与实务分析中，衡量单项资产的风险通常采用方差、标准差与变异系数，而衡量投资组合的风险则需引入协方差与相关系数。本章将系统梳理这些核心指标的公式推导逻辑、计算步骤与决策应用，帮助你在面对资产选择、组合构建与风险评价时，能够快速、准确地完成量化分析。

风险与收益衡量指标体系 单项资产风险衡量 预期收益率 E(R) Σ(Pᵢ × Rᵢ) 方差 σ² Σ[Pᵢ × (Rᵢ - E(R))²] 标准差 σ √σ² 变异系数 CV σ ÷ E(R) 投资组合风险衡量 组合期望收益率 Σ(Wᵢ × E(Rᵢ)) 协方差 Cov Σ[Pᵢ×(Rₐ-E(Rₐ))×(Rᵦ-E(Rᵦ))] 相关系数 ρ Cov ÷ (σₐ × σᵦ) 组合方差 σₚ² Wₐ²σₐ²+Wᵦ²σᵦ²+2WₐWᵦCov 决策应用路径 单项资产选择 同期望比σ，不同期望比CV 组合风险判断 ρ越小，分散化效果越强 最优组合构建 权衡收益与风险，求最优点 核心逻辑：先衡量单项资产，再通过协方差/相关系数衡量资产间联动，最终实现组合优化

3.1 单项资产预期收益率与风险指标

3.1.1 核心原理：从概率分布到风险量化

单项资产的收益并非确定值，而是服从某种概率分布。预期收益率（Expected Return）是以概率为权重的加权平均收益率，反映资产的“平均回报水平”；方差与标准差则衡量收益率围绕预期值的离散程度，即风险大小。标准差越大，说明实际收益率偏离预期的可能性越大，风险越高。

变异系数（Coefficient of Variation, CV）是标准差与预期收益率的比值，用于比较不同预期收益率水平下的相对风险。当两项资产的预期收益率不同时，不能直接比较标准差，必须使用变异系数消除量纲与均值差异的影响。

3.1.2 计算公式与操作流程

指标 公式 适用场景
预期收益率 E(R) E(R) = Σ(Pᵢ × Rᵢ) 多情景概率加权平均
方差 σ² σ² = Σ[Pᵢ × (Rᵢ - E(R))²] 衡量收益离散程度
标准差 σ σ = √σ² 与期望同量纲，便于比较
变异系数 CV CV = σ ÷ E(R) 不同期望收益率的资产比较

计算步骤：第一步，列出所有可能的经济状态及其发生概率；第二步，估算每种状态下的预期收益率；第三步，按公式依次计算预期收益率、方差、标准差与变异系数。

关键提示：若题目给出的是历史数据（样本），则方差公式应使用 n-1 作为分母（样本方差）；若给出的是概率分布（总体），则使用概率加权公式。考试中务必先判断数据类型。

3.1.3 案例拆解：A、B两项目风险比较

背景：某公司拟在A、B两个独立项目间选择，两项目在不同经济状态下的收益率及概率如下表所示：

经济状态 概率 A项目收益率 B项目收益率
繁荣 0.3 25% 18%
正常 0.5 12% 10%
衰退 0.2 -5% 4%

计算过程：

  • E(RA) = 0.3×25% + 0.5×12% + 0.2×(-5%) = 7.5% + 6% - 1% = 12.5%
  • E(RB) = 0.3×18% + 0.5×10% + 0.2×4% = 5.4% + 5% + 0.8% = 11.2%
  • σA² = 0.3×(25%-12.5%)² + 0.5×(12%-12.5%)² + 0.2×(-5%-12.5%)² = 0.3×156.25 + 0.5×0.25 + 0.2×306.25 = 46.875 + 0.125 + 61.25 = 108.25
  • σA = √108.25 ≈ 10.40%
  • σB² = 0.3×(18%-11.2%)² + 0.5×(10%-11.2%)² + 0.2×(4%-11.2%)² = 0.3×46.24 + 0.5×1.44 + 0.2×51.84 = 13.872 + 0.72 + 10.368 = 24.96
  • σB = √24.96 ≈ 5.00%
  • CVA = 10.40% ÷ 12.5% = 0.832；CVB = 5.00% ÷ 11.2% = 0.446

分析结论：虽然A项目的预期收益率更高（12.5% > 11.2%），但其标准差也显著更大。由于两项目预期收益率不同，应使用变异系数比较：CVB (0.446) < CVA (0.832)，说明B项目每单位预期收益承担的风险更小，相对更优。

常见误区：不要直接比较标准差大小来判断风险优劣。当预期收益率不同时，标准差大的资产不一定“更差”，必须通过变异系数消除均值差异后再比较。

3.2 投资组合的期望收益率与风险

3.2.1 核心原理：组合的“1+1≠2”效应

投资组合的期望收益率是各资产预期收益率的加权平均，权重为投资比例。但组合的风险（方差）并非简单的加权平均——它取决于资产之间的联动关系。当两项资产的收益率不完全正相关时，组合的标准差将小于各资产标准差的加权平均，这就是分散化效应。协方差与相关系数正是刻画这种联动关系的核心工具。

3.2.2 公式推导与逻辑

设组合由资产A和资产B构成，权重分别为 WA 和 WB（WA + WB = 1）：

  • 组合期望收益率：E(Rp) = WA×E(RA) + WB×E(RB)
  • 协方差：Cov(RA, RB) = Σ[Pᵢ × (RAᵢ - E(RA)) × (RBᵢ - E(RB))]
  • 相关系数：ρAB = Cov(RA, RB) ÷ (σA × σB)
  • 组合方差：σp² = WA²σA² + WB²σB² + 2WAWBCov(RA, RB)

相关系数 ρ 的取值范围为 [-1, +1]：当 ρ = +1 时，资产完全正相关，组合无法分散风险；当 ρ = -1 时，资产完全负相关，组合风险可降至最低甚至为零；当 ρ = 0 时，资产不相关，组合仍能显著降低风险。

3.2.3 案例拆解：组合风险分散效果验证

背景：接上例，假设公司决定将资金各50%投资于A、B两项目（WA = WB = 0.5），需计算组合的期望收益率与风险。

第一步：计算协方差

Cov(A,B) = 0.3×(25%-12.5%)×(18%-11.2%) + 0.5×(12%-12.5%)×(10%-11.2%) + 0.2×(-5%-12.5%)×(4%-11.2%)

= 0.3×12.5%×6.8% + 0.5×(-0.5%)×(-1.2%) + 0.2×(-17.5%)×(-7.2%)

= 0.3×0.0085 + 0.5×0.00006 + 0.2×0.0126 = 0.00255 + 0.00003 + 0.00252 = 0.0051

第二步：计算相关系数

ρAB = 0.0051 ÷ (0.1040 × 0.0500) = 0.0051 ÷ 0.0052 ≈ 0.981

第三步：计算组合指标

  • E(Rp) = 0.5×12.5% + 0.5×11.2% = 11.85%
  • σp² = 0.5²×108.25 + 0.5²×24.96 + 2×0.5×0.5×0.0051×10000 = 27.0625 + 6.24 + 25.5 = 58.8025
  • σp = √58.8025 ≈ 7.67%

结果对比：组合标准差7.67%显著低于A项目标准差10.40%，也低于A、B标准差的加权平均（0.5×10.40% + 0.5×5.00% = 7.70%）。虽然相关系数高达0.981，分散化效果有限，但组合风险仍略低于加权平均，验证了“只要ρ<1，组合就能降低风险”的原理。

实务经验：在构建投资组合时，应优先选择相关系数较低甚至为负的资产。例如股票与债券的相关系数通常在0.2~0.4之间，能有效分散风险；而同一行业的两只股票相关系数往往超过0.7，分散效果有限。

3.2.4 常见误区与总结复盘

误区 正确理解
组合风险等于加权平均 仅当ρ=+1时成立，其余情况组合风险更低
协方差越大风险越高 协方差有正负，正协方差表示同向变动，负协方差表示反向变动
相关系数越接近-1越好 ρ=-1时可完全对冲风险，但现实中极少见；ρ在0~0.5之间已具备良好分散效果
忽略权重对协方差项的影响 协方差项乘以2WAWB，权重越接近0.5，协方差项影响越大

复盘要点：本章核心在于理解“风险不能简单相加”的思想。单项资产的风险用标准差衡量，组合的风险则需同时考虑各资产自身方差与资产间协方差。相关系数是协方差的标准化形式，便于跨组合比较。在决策中，应综合运用预期收益率、标准差、变异系数、协方差与相关系数，形成完整的“收益-风险”分析框架。

← 上一章 📖 返回目录 下一章 →