如何計算基金中協方差
① 協方差怎麼計算，請舉例說明
cov(x,y)=EXY－EX*EY
協方差的定義，EX為隨機變數X的數學期望，同理，EXY是XY的數學期望，挺麻煩的，建議你看一下概率論cov(x,y)=EXY－EX*EY
協方差的定義，EX為隨機變數X的數學期望，同理，EXY是XY的數學期望，挺麻煩的，建議你看一下概率論
舉例：
Xi 1.1 1.9 3
Yi 5.0 10.4 14.6
E(X) = (1.1+1.9+3)/3=2
E(Y) = (5.0+10.4+14.6)/3=10
E(XY)=(1.1×5.0+1.9×10.4+3×14.6)/3=23.02
Cov(X,Y)=E(XY)-E(X)E(Y)=23.02-2×10=3.02
此外：還可以計算：D(X)=E(X^2)-E^2(X)=(1.1^2+1.9^2+3^2)/3 - 4=4.60-4=0.6 σx=0.77
D(Y)=E(Y^2)-E^2(Y)=(5^2+10.4^2+14.6^2)/3-100=15.44 σy=3.93
X,Y的相關系數：
r(X,Y)=Cov(X,Y)/(σxσy)=3.02/(0.77×3.93) = 0.9979
表明這組數據X,Y之間相關性很好!
為樣本均值，n為樣本例數。
② 協方差的計算方法
cov(x,y)=EXY－EX*EY
協方差的定義，EX為隨機變數X的數學期望，同理，EXY是XY的數學期望，挺麻煩的，建議你看一下概率論cov(x,y)=EXY－EX*EY
協方差的定義，EX為隨機變數X的數學期望，同理，EXY是XY的數學期望，挺麻煩的，建議你看一下概率論
舉例：
Xi 1.1 1.9 3
Yi 5.0 10.4 14.6
E(X) = (1.1+1.9+3)/3=2
E(Y) = (5.0+10.4+14.6)/3=10
E(XY)=(1.1×5.0+1.9×10.4+3×14.6)/3=23.02
Cov(X,Y)=E(XY)-E(X)E(Y)=23.02-2×10=3.02
此外：還可以計算：D(X)=E(X^2)-E^2(X)=(1.1^2+1.9^2+3^2)/3 - 4=4.60-4=0.6 σx=0.77
D(Y)=E(Y^2)-E^2(Y)=(5^2+10.4^2+14.6^2)/3-100=15.44 σy=3.93
X,Y的相關系數：
r(X,Y)=Cov(X,Y)/(σxσy)=3.02/(0.77×3.93) = 0.9979
表明這組數據X,Y之間相關性很好!
如果兩個變數的變化趨勢一致，也就是說如果其中一個大於自身的期望值時另外一個也大於自身的期望值，那麼兩個變數之間的協方差就是正值；如果兩個變數的變化趨勢相反，即其中一個變數大於自身的期望值時另外一個卻小於自身的期望值，那麼兩個變數之間的協方差就是負值。
如果X與Y是統計獨立的，那麼二者之間的協方差就是0，因為兩個獨立的隨機變數滿足E[XY]=E[X]E[Y]。
但是，反過來並不成立。即如果X與Y的協方差為0，二者並不一定是統計獨立的。
協方差Cov(X,Y)的度量單位是X的協方差乘以Y的協方差。而取決於協方差的相關性，是一個衡量線性獨立的無量綱的數。
協方差為0的兩個隨機變數稱為是不相關的。
③ 期望收益率、方差、協方差、相關系數的計算公式
1、期望收益率計算公式
HPR=（期末價格 -期初價格+現金股息）/期初價格
例：A股票過去三年的收益率為3%、5%、4%，B股票在下一年有30%的概率收益率為10%，40%的概率收益率為5%，另30%的概率收益率為8%。計算A、B兩只股票下一年的預期收益率。
解:
A股票的預期收益率 ＝（3%＋5%＋4%）/3 ＝ 4%
B股票的預期收益率 ＝10%×30%＋5%×40%＋8%×30% ＝ 7.4%
2、方差計算公式
(3)如何計算基金中協方差擴展閱讀：
1、期望收益率，又稱為持有期收益率（HPR）指投資者持有一種理財產品或投資組合期望在下一個時期所能獲得的收益率。期望收益率是投資者在投資時期望獲得的報酬率，收益率就是未來現金流折算成現值的折現率，換句話說，期望收益率是投資者將預期能獲得的未來現金流折現成一個現在能獲得的金額的折現率。。
2、方差是在概率論和統計方差衡量隨機變數或一組數據時離散程度的度量。概率論中方差用來度量隨機變數和其數學期望（即均值）之間的偏離程度。統計中的方差（樣本方差）是每個樣本值與全體樣本值的平均數之差的平方值的平均數。
3、協方差（Covariance）在概率論和統計學中用於衡量兩個變數的總體誤差。而方差是協方差的一種特殊情況，即當兩個變數是相同的情況。協方差表示的是兩個變數的總體的誤差，這與只表示一個變數誤差的方差不同。
4、相關系數是最早由統計學家卡爾·皮爾遜設計的統計指標，是研究變數之間線性相關程度的量，一般用字母 r 表示。由於研究對象的不同，相關系數有多種定義方式，較為常用的是皮爾遜相關系數。
④ 兩證券協方差和相關系數的計算
兩證券協方差表示兩種證_之間共同變動的程度：相關系數是變數之間相關程度的指標根據協方差的公式可知，協方差與相關系數的正負號相同，但是協方差是相關系數和兩證券的標准差的乘積，所以協方差表示兩種證_之間共同變動的程度。相關系數是協方差與兩個投資方案投資收益標准差之積的比值，其計算公式為：相關系數總是在-1到+1之間的范圍內變動，-1代表完全負相關了，+1代表完全正相關了，0則表示不相關。相關系數和協方差的變動方向是一致的，相關系數的負的，協方差就一定是負的。
相關系數是變數之間相關程度的指標，相關系數在0到1之間，表示兩種報酬率的增長是同向的；相關系數在0到-1之間，表示兩種報酬率的增長是反向的，所以說相關系數是變數之間相關程度的指標。總體來說，兩項資產收益率的協方差，反映的是收益率之間共同變動的程度；而相關系數反映的是兩項資產的收益率之間相對運動的狀態。兩項資產收益率的協方差等於兩項資產的相關系數乘以各自的標准差。
協方差是一個用於測量投資組合中某一具體投資項目相對於另一投資項目風險的統計指標。其計算公式為：當協方差為正值時，這就表示了兩種資產的收益率呈同方向變動；協方差為負值時，表示兩種資產的收益率呈反方向變動。
總體來說，兩項資產收益率的協方差，反映的是收益率之間共同變動的程度；而相關系數反映的是這兩項資產的收益率之間相對運動的狀態。兩項資產收益率的協方差等於兩項資產的相關系數乘以各自的標准差啦。
⑤ 方差和協方差的計算方法是什麼
協方差分析是建立在方差分析和回歸分析基礎之上的一種統計分析方法。即ρXY=0的充分必要條件是COV(X，Y)=0，亦即不相關和協方差為零是等價的
cov(x,y)=EXY－EX*EY
協方差的定義，EX為隨機變數X的數學期望，同理，EXY是XY的數學期望，挺麻煩的，建議你看一下概率論cov(x,y)=EXY－EX*EY
方差公式：
⑥ 財務管理中協方差的計算公式
COV（X，Y）=E（XY）-E（X）E（Y）
協方差cov（x，y）=相關系數r×兩項資產標准差乘積。
拓展資料：
在財務管理上，協方差是一個用於測量資產組合中某一具體投資項目相對於另一個投資項目風險的統計指標。
我們需要記住這個公式，兩項資產收益率的協方差=兩項資產收益率之間的相關系數×第一種資產收益率的標准差×第二種資產收益率的標准差。
協方差（Covariance）在概率論和統計學中用於衡量兩個變數的總體誤差。而方差是協方差的一種特殊情況，即當兩個變數是相同的情況。
協方差表示的是兩個變數的總體的誤差，這與只表示一個變數誤差的方差不同。如果兩個變數的變化趨勢一致，也就是說如果其中一個大於自身的期望值，另外一個也大於自身的期望值，那麼兩個變數之間的協方差就是正值。如果兩個變數的變化趨勢相反，即其中一個大於自身的期望值，另外一個卻小於自身的期望值，那麼兩個變數之間的協方差就是負值。 [1] 在概率論和統計學中，協方差用於衡量兩個變數的總體誤差。而方差是協方差的一種特殊情況，即當兩個變數是相同的情況。 [1]
定義：
期望值分別為E[X]與E[Y]的兩個實隨機變數X與Y之間的協方差Cov(X，Y)定義為：
從直觀上來看，協方差表示的是兩個變數總體誤差的期望。
如果兩個變數的變化趨勢一致，也就是說如果其中一個大於自身的期望值時另外一個也大於自身的期望值，那麼兩個變數之間的協方差就是正值；如果兩個變數的變化趨勢相反，即其中一個變數大於自身的期望值時另外一個卻小於自身的期望值，那麼兩個變數之間的協方差就是負值。
如果X與Y是統計獨立的，那麼二者之間的協方差就是0，因為兩個獨立的隨機變數滿足E[XY]=E[X]E[Y]。
但是，反過來並不成立。即如果X與Y的協方差為0，二者並不一定是統計獨立的。
協方差Cov(X，Y)的度量單位是X的協方差乘以Y的協方差。
協方差為0的兩個隨機變數稱為是不相關的。
⑦ 資產組合的預期收益率、方差和標准差是如何衡量和計算的
任何投資者都希望投資獲得最大的回報，但是較大的回報伴隨著較大的風險。為了分散風險或減少風險，投資者投資資產組合。資產組合是使用不同的證券和其他資產構成的資產集合，目的是在適當的風險水平下通過多樣化獲得最大的預期回報，或者獲得一定的預期回報使用風險最小。 作為風險測度的方差是回報相對於它的預期回報的離散程度。資產組合的方差不僅和其組成證券的方差有關，同時還有組成證券之間的相關程度有關。為了說明這一點，必須假定投資收益服從聯合正態分布（即資產組合內的所有資產都服從獨立正態分布，它們間的協方差服從正態概率定律），投資者可以通過選擇最佳的均值和方差組合實現期望效用最大化。如果投資收益服從正態分布，則均值和方差與收益和風險一一對應。 如本題所示，兩個資產的預期收益率和風險根據前面所述均值和方差的公式可以計算如下： 1。股票基金 預期收益率=1/3*(-7%)+1/3*12%+1/3*28%=11% 方差=1/3[(-7%-11%)^2+(12%-11%)^2+(28%-11%)^2]=2.05% 標准差=14.3%(標准差為方差的開根，標准差的平方是方差) 2。債券基金 預期收益率=1/3*(17%)+1/3*7%+1/3*（-3%）=7% 方差=1/3[(17%-7%)^2+(7%-7%)^2+(-3%-7%)^2]=0.67% 標准差=8.2% 注意到，股票基金的預期收益率和風險均高於債券基金。然後我們來看股票基金和債券基金各佔百分之五十的投資組合如何平衡風險和收益。投資組合的預期收益率和方差也可根據以上方法算出，先算出投資組合在三種經濟狀態下的預期收益率，如下： 蕭條：50%*(-7%)+50%*17%=5% 正常：50%*(12%)+50%*7%=9.5% 繁榮：50%*(28%)+50%*(-3%)=12.5% 則該投資組合的預期收益率為：1/3*5%+1/3*9.5%+1/3*12.5%=9% 該投資組合的方差為：1/3[(5%-9%)^2+(9.5%-9%)^2+(12.5%-9%)^2]=0.001% 該投資組合的標准差為：3.08% 注意到，其中由於分散投資帶來的風險的降低。一個權重平均的組合（股票和債券各佔百分之五十）的風險比單獨的股票或債券的風險都要低。 投資組合的風險主要是由資產之間的相互關系的協方差決定的，這是投資組合能夠降低風險的主要原因。相關系數決定了兩種資產的關系。相關性越低，越有可能降低風險。
⑧ 股票收益率，方差，協方差計算
股票收益率=收益額/原始投資額，這一題中A股票的預期收益率＝（3%＋5%＋4%）/3＝4%。
方差計算公式：
(8)如何計算基金中協方差擴展閱讀：
股票收益率是反映股票收益水平的指標。投資者購買股票或債券最關心的是能獲得多少收益，衡量一項證券投資收益大小以收益率來表示。反映股票收益率的高低，一般有三個指標：
1、本期股利收益率。是以現行價格購買股票的預期收益率。
2、持有期收益率。股票沒有到期，投資者持有股票的時間有長有短，股票在持有期間的收益率為持有期收益率。
3、折股後的持有期收益率。股份公司進行折股後，出現股份增加和股價下降的情況，因此，折股後股票的價格必須調整。
⑨ 收益率的協方差計算
收益率的協方差的計算公式為Cov(x，y)=EXY-EX×EY。
1、協方差在概率論和統計學中用於衡量兩個變數的總體誤差。而方差是協方差的一種特殊情況，即當兩個變數是相同的情況。
2、協方差表示的是兩個變數的總體的誤差，這與只表示一個變數誤差的方差不同。
3、如果兩個變數的變化趨勢一致，也就是說如果其中一個大於自身的期望值，另外一個也大於自身的期望值，那麼兩個變數之間的協方差就是正值。
4、如果兩個變數的變化趨勢相反，即其中一個大於自身的期望值，另外一個卻小於自身的期望值，那麼兩個變數之間的協方差就是負值。
拓展資料
協方差定義，在概率論和統計學中，協方差用於衡量兩個變數的總體誤差。而方差是協方差的一種特殊情況，即當兩個變數是相同的情況。
期望值分別為E(X) = μ 與 E(Y) = ν 的兩個實數隨機變數X與Y之間的協方差定義為：
COV(X，Y)=E[(X-E(X))(Y-E(Y))]
其中，E是期望值。它也可以表示為：
直觀上來看，協方差表示的是兩個變數總體誤差的方差，這與只表示一個變數誤差的方差不同。
如果兩個變數的變化趨勢一致，也就是說如果其中一個大於自身的期望值，另外一個也大於自身的期望值，那麼兩個變數之間的協方差就是正值。
如果兩個變數的變化趨勢相反，即其中一個大於自身的期望值，另外一個卻小於自身的期望值，那麼兩個變數之間的協方差就是負值。
如果X與Y是統計獨立的，那麼二者之間的協方差就是0。
但是，反過來並不成立。即如果X與Y的協方差為0，二者並不一定是統計獨立的。
協方差cov(X，Y)的度量單位是X的協方差乘以Y的協方差。而取決於協方差的相關性，是一個衡量線性獨立的無量綱的數。
協方差為0的兩個隨機變數稱為是不相關的。
⑩ 協方差怎樣計算
1.在概率論和統計學中，協方差用於衡量兩個變數的總體誤差。COV(X，Y)=E[(X-E(X))(Y-E(Y))]自協方差在統計學中，特定時間序列或者連續信號Xt的自協方差是信號與其經過時間平移的信號之間的協方差。如果序列的每個狀態都有一個平均數E[Xt]
=
μt，那麼自協方差為其中
E
是期望值運算符。如果Xt是二階平穩過程，那麼有更加常見的定義：其中k是信號移動的量值，通常稱為延時。如果用方差σ^2
進行歸一化處理，那麼自協方差就變成了自相關系數R(k)，即有些學科中自協方差術語等同於自相關。自協方差函數是描述隨機信號X(t)在任意兩個不同時刻t1，t2，的取值之間的二階混合中心矩，用來描述X(t)在兩個時刻取值的起伏變化（相對與均值）的相關程度，也稱為中心化的自相關函數。