股票波动性为什么要用标准差而不是方差？

波动性在股票投资中的核心地位

波动性是衡量股票价格变动幅度的核心指标，直接反映投资风险水平。投资者买入股票后，最关心的不仅是预期收益，更是实际收益与预期之间的偏离程度。波动性越大，说明股票价格上下起伏越剧烈，投资者面临的盈亏不确定性就越高。因此，准确度量波动性成为风险管理和投资决策的关键环节。

在金融实践中，人们通常使用标准差来量化波动性，而非方差。这一选择并非偶然，而是基于数学特性、经济含义和实际应用等多重因素的综合考量。

方差与标准差的数学关系

理解为什么选择标准差，首先要明确方差与标准差之间的数学关系。方差是各数据与其平均值之差的平方的均值，数学表达式为：

方差 = Σ( Xi - X̄ )² / N

其中 Xi 表示各时期的收益率，X̄ 表示平均收益率，N 表示观测期数。

标准差则是方差的平方根：

标准差 = √方差

这种简单的数学转换看似微小，却在应用层面产生了深远影响。

量纲一致性带来的直观性优势

方差最显著的缺陷在于其量纲不直观。股票价格以元为单位，收益率以百分比表示，而方差是收益率的平方，意味着其单位变成了“平方百分比”。这种单位在日常交流和实际应用中几乎没有任何经济含义。

举例说明，假设某股票年化收益率为10%，波动性用方差表示可能得到25（平方百分比），这个数字本身无法直接解释其实际含义。而标准差为5%，投资者可以直观理解：有68%的概率，年收益率会落在5%至15%之间（平均值加减一个标准差）。这种直观性使得标准差成为与投资者沟通风险的有力工具。

标准差与正态分布的完美契合

金融资产的收益率分布虽不完全服从正态分布，但近似于正态分布。在正态分布框架下，标准差具有明确的统计学意义：

• 约68%的观测值落在均值加减一个标准差的范围内

• 约95%的观测值落在均值加减两个标准差的范围内

• 约99.7%的观测值落在均值加减三个标准差的范围内

这种特性使得标准差能够将抽象的波动性概念转化为投资者可以理解和使用的概率陈述。如果使用方差，这些概率关系将变得难以表达和理解。

风险衡量中的实用性考量

在实际投资管理中，标准差的实用性远超方差。投资组合的构建需要计算不同资产之间的协方差和相关系数，这些计算在使用标准差时更加直接简便。虽然数学上可以完全用方差进行推导，但标准差的量纲一致性使得中间步骤的结果更容易验证和解释。

夏普比率是衡量投资组合风险调整后收益的经典指标，其计算公式为：

夏普比率 = (投资组合收益率 - 无风险收益率) / 投资组合标准差

如果将标准差替换为方差，夏普比率的数值将发生根本性变化，投资者将无法将其与其他投资策略进行有效比较。金融行业经过长期实践，最终形成了以标准差为核心的 Risk Metrics 风险管理体系。

波动率交易中的实际应用

期权定价和波动率交易等领域同样依赖标准差进行波动率衡量。波动率指数（VIX）被称为“恐慌指数”，其本质就是标准差的另一种表达形式。交易员需要实时监测波动率变化，标准差的直观性使得快速决策成为可能。

历史波动率计算通常采用如下公式：

历史波动率 = √(252 × Σ(ri - r̄)² / (N-1))

其中 252 代表一年中的交易天数，ri 表示日收益率。这个计算过程始终围绕标准差展开，而非方差。

股票波动性选择标准差而非方差，主要基于三方面原因：量纲一致性使得标准差与原始收益率数据具有相同的单位，便于理解和沟通；标准差与正态分布的统计学特性完美契合，能够提供概率意义上的风险度量；标准差在实际投资决策、风险管理和金融产品设计中的应用更为便捷和直观。这些优势使得标准差成为金融领域衡量波动性的行业标准。