Varians adalah metrik yang banyak digunakan untuk menentukan risiko. Investor menghitung varians dari pengembalian yang diharapkan untuk menentukan risiko relatif dari berbagai skenario investasi. Manajer proyek menghitung varians untuk menentukan apakah suatu proyek melebihi anggaran atau terlambat. Ada tiga cara penghitungan varian yang diterima secara umum.
Varians Berdasarkan Data Historis
Hitung rata-rata kumpulan data dengan membagi jumlah data yang ditetapkan dengan jumlah titik data. Dalam contoh ini, ada tiga titik data: n1, n2 dan n3:
rata-rata = (n1 + n2 + n3) / (3)
Hitung perbedaan antara setiap titik data dan rata-rata kumpulan data:
diff 1 = (n1 - avg) diff 2 = (n2 - avg) diff 3 = (n3 - avg)
Kuadratkan setiap perbedaan dan tambahkan perbedaan kuadrat:
(n1 - rata-rata) ^ 2 + (n2 - rata-rata) ^ 2 + (n3 - rata-rata) ^ 2
Bagi jumlah perbedaan kuadrat dengan jumlah data dalam set minus 1:
(n1 - rata-rata) ^ 2 + (n2 - rata-rata) ^ 2 + (n3 - rata-rata) ^ 2 / (3-1)
Varians Berdasarkan Varians-Kovarian
Gunakan fungsi Kovarian Excel untuk menghitung kovarians.
Hitung risiko yang terjadi 5 persen dari waktu dengan mengalikan deviasi standar dengan 1,65.
Hitung risiko yang terjadi 5 persen dari waktu dengan mengalikan deviasi standar dengan 1,65.
Hitung risiko yang terjadi 1 persen dari waktu dengan mengalikan deviasi standar dengan 2,33.
Varians Berdasarkan Metode Monte Carlo
Pilih distribusi statistik untuk memperkirakan faktor-faktor yang memengaruhi kumpulan data Anda. Misalnya, jika Anda menghitung varians risiko dari skenario investasi yang diusulkan, pilih distribusi yang cocok dengan kinerja yang diamati dari investasi sebelumnya.
Gunakan program komputer untuk menghasilkan antara 1.000 dan 10.000 angka acak dari distribusi statistik yang Anda pilih.
Buat grafik data yang dihasilkan sebagai fungsi probabilitas, dan hitung varians dari distribusi yang dihasilkan.
Kiat
-
Program komputer tersedia untuk membantu dalam perhitungan varians, kovarian dan simulasi Monte Carlo.
Peringatan
Selalu bandingkan statistik yang dihitung dengan data aktual bila mungkin untuk menghindari estimasi yang terlalu tinggi atau terlalu rendah.