เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ส่วนเบี่ยงเบนมาตรฐานและความแปรปรวน

มาพูดถึงความแตกต่างระหว่าง ความแปรปรวน และ ส่วนเบี่ยงเบนมาตรฐาน กัน จากวิดีโอที่ผ่านมา คุณทราบแล้วว่าส่วนเบี่ยงเบนมาตรฐาน \(\sigma\) คือรากที่สองของความแปรปรวน ทั้งสองค่านี้ถูกนำไปใช้ในทางปฏิบัติเพื่อวัดความผันผวนของตลาดหรือหุ้น แล้วควรเลือกใช้ค่าไหนดี?

ในการคำนวณความแปรปรวน เราจะยกกำลังสองทั้งน้ำหนักและค่าความแปรปรวน ผลจากการยกกำลังสองทำให้ความแปรปรวนไม่ได้อยู่ในหน่วยเดียวกันกับข้อมูลต้นฉบับอีกต่อไป การหารากที่สองของความแปรปรวนจะทำให้ส่วนเบี่ยงเบนมาตรฐานกลับมาอยู่ในหน่วยเดิม จึงตีความได้ง่ายกว่ามาก

มาคำนวณส่วนเบี่ยงเบนมาตรฐานกัน โดยใช้ weights และ cov_matrix จากแบบฝึกหัดก่อนหน้า

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การวิเคราะห์พอร์ตโฟลิโอด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • คำนวณความแปรปรวนของพอร์ตโฟลิโอใหม่อีกครั้งโดยใช้ weights และ cov_matrix คราวนี้ให้หาค่ารากที่สองของผลลัพธ์ทั้งหมด เพื่อให้ได้ส่วนเบี่ยงเบนมาตรฐานแทน
  • แสดงผลค่าส่วนเบี่ยงเบนมาตรฐาน เช่นเดียวกับที่ทำกับความแปรปรวนของพอร์ตโฟลิโอ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Calculate the standard deviation by taking the square root
port_standard_dev = ____.____(np.dot(____.____, np.dot(____, ____)))

# Print the results 
print(str(np.round(____, 4) * 100) + '%')
แก้ไขและรันโค้ด