A variação é uma métrica amplamente usada para determinar o risco. Os investidores calculam a variação de um retorno esperado para determinar o risco relativo de vários cenários de investimento. Os gerentes de projeto calculam a variação para determinar se um projeto está acima do orçamento ou atrasado. Existem três formas comumente aceitas de calcular a variância.
Variação Baseada em Dados Históricos
Calcule a média do conjunto de dados dividindo a soma do conjunto de dados pelo número de pontos de dados. Neste exemplo, existem três pontos de dados: n1, n2 e n3:
avg = (n1 + n2 + n3) / (3)
Calcule a diferença entre cada ponto de dados e a média do conjunto de dados:
diff 1 = (n1 - avg) diff 2 = (n2 - avg) diff 3 = (n3 - avg)
Esquadre cada diferença e some as diferenças ao quadrado:
(n1 - avg) ^ 2 + (n2 - avg) ^ 2 + (n3 - avg) ^ 2
Divida a soma das diferenças quadradas pelo número de dados no conjunto menos 1:
(n1 - avg) ^ 2 + (n2 - avg) ^ 2 + (n3 - avg) ^ 2 / (3-1)
Variância baseada na variância-covariância
Use a função Covariância do Excel para calcular a covariância.
Calcule o risco que ocorre 5% do tempo multiplicando o desvio padrão por 1,65.
Calcule o risco que ocorre 5% do tempo multiplicando o desvio padrão por 1,65.
Calcule o risco que ocorre 1% do tempo multiplicando o desvio padrão por 2,33.
Variância baseada no método de Monte Carlo
Selecione uma distribuição estatística para aproximar os fatores que afetam seu conjunto de dados. Por exemplo, se você estiver calculando a variação de risco de um cenário de investimento proposto, escolha uma distribuição que corresponda ao desempenho observado de investimentos passados.
Use um programa de computador para gerar entre 1.000 e 10.000 números aleatórios a partir da distribuição estatística selecionada.
Represente graficamente os dados gerados em função da probabilidade e calcule a variação da distribuição resultante.
Dicas
-
Programas de computador estão disponíveis para auxiliar no cálculo de simulações de variância, covariância e Monte Carlo.
Aviso
Sempre compare estatísticas calculadas com dados reais, quando possível, para evitar superestimação ou subestimação de variância.