Стандартное отклонение: что это и как работает

Главное

• Стандартное отклонение (σ) — статистический показатель разброса значений вокруг среднего, в инвестициях он измеряет волатильность доходности.
• Стандартное отклонение напрямую связано с дисперсией: это квадратный корень из неё, поэтому обе меры описывают один и тот же разброс.
• Чем выше стандартное отклонение доходности, тем шире разброс результатов и тем выше риск актива.
• Величина стандартного отклонения зависит от волатильности доходностей и периода наблюдения.
• Коэффициент Шарпа показывает доходность на единицу стандартного отклонения, позволяя сравнивать активы с разным уровнем риска.

Стандартное отклонение — базовый измеритель риска, с которым сталкивается любой, кто сравнивает доходность активов. Оно показывает, насколько значения доходности в разные периоды отклоняются от среднего: чем сильнее разброс, тем менее предсказуем результат. Обычному человеку этот показатель нужен, чтобы не путать высокую доходность с надёжностью и понимать, какой ценой она достаётся. В статье разбирается, что именно отражает стандартное отклонение в инвестициях, как оно связано с дисперсией и почему выражается в тех же единицах, что и доходность. Отдельно показан расчёт на примере, перечислены факторы, от которых зависит величина показателя, и объясняется, как читать его при оценке риска. Завершают разбор коэффициент Шарпа — доходность на единицу отклонения — и типичные ошибки, которые искажают выводы.

Стандартное отклонение: что показывает в инвестициях

Стандартное отклонение (standard deviation, σ) — это статистический показатель разброса значений вокруг среднего. В инвестиционном контексте он измеряет, насколько доходность актива или портфеля отклоняется от своей средней величины за выбранный период. Чем шире колебания доходности, тем выше стандартное отклонение и тем менее предсказуем результат.

Представьте два фонда со средней годовой доходностью около 10%. Первый из года в год даёт результат в диапазоне от 8% до 12%, второй — от −15% до +35%. Средняя у них одинаковая, но риск принципиально разный. Именно стандартное отклонение превращает это интуитивное «спокойный или дёрганый» в измеримое число. Условно: у первого фонда σ может составлять порядка 2–3 процентных пункта, у второго — 20 и выше.

Показатель работает в обе стороны. Он описывает и убыточные, и прибыльные отклонения одинаково — статистика не различает знак. Поэтому инвесторы используют стандартное отклонение как меру волатильности, а не как меру потерь. Оно отвечает на вопрос «насколько широко гуляет доходность вокруг среднего», а не «сколько я могу потерять». Для оценки именно потерь применяют отдельные метрики — например, просадку (drawdown) или полудисперсию, учитывающую только отрицательные отклонения.

Важно понимать единицы измерения: стандартное отклонение выражается в тех же единицах, что и сама доходность, — в процентах или процентных пунктах. Это отличает его от дисперсии и делает удобным для прямого сравнения с ожидаемой доходностью. Актуальные ориентиры по доходности разных инструментов смотрите в соответствующих разделах сайта.

Дисперсия и стандартное отклонение: в чём связь

Дисперсия и стандартное отклонение — две стороны одной математической конструкции. Дисперсия (σ²) — это средний квадрат отклонений значений от их среднего. Стандартное отклонение — квадратный корень из дисперсии. Формально: σ = √σ².

Почему бы не обойтись одной дисперсией? Причина в размерности. Доходности измеряются в процентах, но при расчёте дисперсии каждое отклонение возводится в квадрат, поэтому дисперсия выражается в «процентах в квадрате» — величине, которую невозможно сопоставить с доходностью напрямую. Извлечение корня возвращает показатель в исходные единицы, и σ становится сравнимой со средней доходностью.

Разберём на условном примере. Допустим, доходности за четыре периода: 5%, 15%, 5%, 15%. Средняя — 10%. Отклонения: −5, +5, −5, +5. Квадраты отклонений: 25, 25, 25, 25. Среднее квадратов (дисперсия) = 25. Корень из 25 = 5. Значит, стандартное отклонение равно 5 процентным пунктам.

Из связи между показателями вытекает важное свойство: дисперсия аддитивна для независимых величин, а стандартное отклонение — нет. Дисперсию портфеля из некоррелированных активов можно сложить с учётом весов, но складывать стандартные отклонения напрямую нельзя — это распространённая ошибка. Именно поэтому в портфельной теории базовой единицей расчёта служит дисперсия и ковариация, а стандартное отклонение получают в самом конце, как корень из итоговой дисперсии.

На практике в отчётах и скрининговых таблицах показывают именно стандартное отклонение: оно интуитивно понятнее и сопоставимо с доходностью. Дисперсия остаётся «рабочей лошадкой» промежуточных вычислений.

Как считать стандартное отклонение доходности: пример

Расчёт стандартного отклонения доходности состоит из нескольких шагов. Рассмотрим их на условном наборе данных — доходностях гипотетического актива за пять периодов: 4%, 8%, 12%, 6%, 10%.

Шаг 1. Средняя доходность. Складываем значения и делим на их количество: (4 + 8 + 12 + 6 + 10) ÷ 5 = 40 ÷ 5 = 8%.

Шаг 2. Отклонения от среднего. Вычитаем среднюю из каждого значения: 4 − 8 = −4; 8 − 8 = 0; 12 − 8 = 4; 6 − 8 = −2; 10 − 8 = 2.

Шаг 3. Квадраты отклонений. Возводим каждое отклонение в квадрат: 16; 0; 16; 4; 4.

Шаг 4. Дисперсия. Суммируем квадраты (16 + 0 + 16 + 4 + 4 = 40) и делим на количество наблюдений. Здесь есть нюанс: при работе с полной совокупностью делят на N, при оценке по выборке — на N − 1. Для выборки из пяти значений: 40 ÷ 4 = 10.

Шаг 5. Стандартное отклонение. Извлекаем корень из дисперсии: √10 ≈ 3,16 процентных пункта.

Полученное число означает, что типичное отклонение доходности от средней в этом наборе составляет около 3,16 п.п. Если доходности распределены примерно нормально, то в диапазон «средняя ± одно σ» (от 4,84% до 11,16%) попадает около двух третей наблюдений, а в диапазон «± два σ» — порядка 95%. Это иллюстративные ориентиры нормального распределения, а не гарантия для конкретного актива.

На практике стандартное отклонение считают не вручную, а в электронных таблицах или аналитических платформах. Ключевой вопрос — какой период и какую частоту данных выбрать: дневные, месячные или годовые доходности дают разные значения σ, и для годовой оценки дневное отклонение обычно пересчитывают через коэффициент √(число периодов в году).

От чего зависит величина стандартного отклонения

Стандартное отклонение — не постоянная характеристика актива, а результат выбора данных и метода. На его величину влияют несколько факторов.

• Класс актива. Государственные облигации развитых стран обычно демонстрируют низкую волатильность, отдельные акции и сырьевые товары — высокую, а криптоактивы — ещё более высокую. Чем рискованнее инструмент, тем, как правило, шире разброс доходностей.
• Горизонт измерения. Стандартное отклонение дневных доходностей численно меньше, чем годовых, но при пересчёте к году дневная волатильность масштабируется. Сравнивать показатели корректно только на одинаковых интервалах.
• Длина выборки. Короткий ряд данных чувствителен к отдельным выбросам: один резкий день способен заметно исказить оценку. Длинная история сглаживает случайные всплески, но может смешивать разные режимы рынка.
• Период наблюдения. В спокойные фазы рынка σ снижается, в кризисные — резко растёт. Одно и то же значение, посчитанное за разные окна, может отличаться в разы.
• Состав портфеля и корреляции. Диверсификация снижает стандартное отклонение портфеля, если активы движутся несинхронно. Чем ниже корреляция между компонентами, тем сильнее эффект снижения риска.

Отдельно стоит упомянуть частоту данных: месячные доходности обычно дают более гладкую картину, чем дневные, где значительная часть колебаний — рыночный «шум». Для долгосрочного инвестора информативнее годовые или квартальные оценки, для трейдера — дневные.

Наконец, величина σ зависит от валюты расчёта. Доходность иностранного актива в рублях включает ещё и колебания курса, поэтому её стандартное отклонение будет выше, чем в валюте самого актива. Актуальные курсы и ставки смотрите в профильных разделах сайта.

Стандартное отклонение и риск: как читать показатель

В инвестиционной практике стандартное отклонение традиционно служит количественной мерой риска. Логика простая: чем сильнее колеблется доходность, тем выше неопределённость результата и тем больше шанс получить значение, далёкое от ожидаемого — как в плюс, так и в минус.

Читать показатель стоит в сравнении. Изолированное число «σ = 15%» мало о чём говорит, пока вы не сопоставите его с альтернативами и с ожидаемой доходностью. Если два инструмента обещают одинаковую среднюю доходность, разумный выбор при прочих равных — тот, у которого стандартное отклонение ниже. Если же один инструмент доходнее, но и заметно волатильнее, решение требует оценки того, компенсирует ли дополнительная доходность дополнительный риск.

При нормальном распределении доходностей действует правило, которое удобно держать в голове: примерно 68% наблюдений укладываются в пределы одного стандартного отклонения от средней, около 95% — в пределы двух, свыше 99% — трёх. Это позволяет быстро прикинуть вероятные диапазоны. Например, при средней доходности 10% и σ = 20% типичный год с высокой вероятностью даст результат в диапазоне от −10% до +30%, а редкие, но возможные исходы выходят далеко за эти рамки.

Важное ограничение: нормальность распределения — это допущение, а не факт. Реальные рыночные доходности имеют «тяжёлые хвосты»: экстремальные события случаются чаще, чем предсказывает нормальная модель. Поэтому стандартное отклонение недооценивает вероятность катастрофических просадок. Дополняйте его анализом максимальной просадки и сценариев стресс-тестирования.

Ещё один нюанс — асимметрия. Актив с положительной асимметрией может иметь высокое σ за счёт редких крупных прибылей, что не равно «плохому» риску. Поэтому стандартное отклонение — полезный, но не единственный инструмент оценки риска.

Коэффициент Шарпа: доходность на единицу отклонения

Коэффициент Шарпа связывает доходность и риск в одном числе. Он показывает, сколько избыточной доходности приходится на каждую единицу стандартного отклонения. Формула: коэффициент Шарпа = (доходность портфеля − безрисковая ставка) ÷ стандартное отклонение доходности.

Смысл конструкции в том, чтобы сравнивать стратегии с разным уровнем риска на честной основе. Допустим, портфель A даёт 12% при σ = 10%, портфель B — 18% при σ = 25%. На первый взгляд B доходнее. Но если безрисковая ставка условно равна 6%, то у A избыточная доходность 6% при σ = 10% даёт коэффициент 0,6, а у B — 12% при σ = 25%, то есть 0,48. С поправкой на риск A оказывается эффективнее. Числа здесь условные, важна сама логика.

Чем выше коэффициент Шарпа, тем лучше соотношение доходности и риска. Отрицательное значение означает, что портфель отстаёт от безрискового вложения. При интерпретации учитывайте несколько оговорок:

• Показатель чувствителен к периоду: на разных окнах он может сильно различаться.
• Он опирается на стандартное отклонение как меру риска, а значит, наследует её ограничения — недооценку «тяжёлых хвостов».
• Безрисковая ставка меняется со временем, поэтому сравнивать коэффициенты корректно только за один и тот же период и по одной базе. Актуальные значения ставок смотрите в соответствующих разделах сайта.
• Высокий Шарп у стратегии с редкими крупными потерями может вводить в заблуждение: пока «хвост» не реализовался, статистика выглядит благополучно.

Родственные метрики — коэффициент Сортино (использует только отрицательные отклонения) и коэффициент Трейнора (использует бету вместо σ). Они применяются, когда стандартное отклонение плохо описывает интересующий риск.

Частые ошибки при оценке стандартного отклонения

Стандартное отклонение легко посчитать, но легко и истолковать неверно. Разберём типичные заблуждения.

• Сравнение показателей на разных периодах. Дневное σ и годовое — разные величины. Сопоставлять инструменты корректно только на одинаковых интервалах и частоте данных.
• Восприятие σ как максимального убытка. Стандартное отклонение описывает типичный разброс, а не худший сценарий. Реальные потери могут превышать «средняя минус два σ», особенно при тяжёлых хвостах распределения.
• Игнорирование знака и асимметрии. Высокое σ не всегда означает плохой риск: оно может возникать из-за редких крупных прибылей. Для оценки потерь нужны отдельные метрики.
• Сложение стандартных отклонений напрямую. При объединении активов в портфель σ не складывается арифметически — нужен учёт корреляций через дисперсию и ковариацию. Иначе эффект диверсификации будет проигнорирован.
• Опора на короткую историю. Несколько месяцев данных могут дать случайно заниженную или завышенную оценку. Чем короче ряд, тем выше погрешность.
• Использование только прошлых данных. σ рассчитывается по историческим доходностям и не гарантирует будущую волатильность. Смена рыночного режима способна резко изменить показатель.
• Забытая валюта расчёта. Доходность иностранного актива в рублях включает курсовые колебания, поэтому её σ выше, чем в валюте актива. Сравнивать нужно в одной валюте.

Чтобы избежать этих ошибок, придерживайтесь нескольких принципов: фиксируйте период и частоту данных, сравнивайте сопоставимые инструменты, дополняйте стандартное отклонение просадкой и сценарным анализом, а для портфеля считайте риск с учётом корреляций. Тогда показатель станет надёжной опорой, а не источником ложной уверенности.

Часто спрашивают

Что такое стандартное отклонение?

Стандартное отклонение (standard deviation, σ) — это статистический показатель разброса значений вокруг среднего. В инвестициях оно показывает, насколько доходность актива или портфеля отклоняется от своей средней величины: чем больше σ, тем шире разброс результатов.

Чем отличается стандартное отклонение от дисперсии?

Дисперсия — это средний квадрат отклонений значений от среднего, а стандартное отклонение — квадратный корень из дисперсии. Поэтому σ измеряется в тех же единицах, что и сами данные (например, в процентах доходности), тогда как дисперсия — в квадратных единицах, что затрудняет её прямую интерпретацию.

Зачем нужно стандартное отклонение в оценке инвестиций?

Оно служит мерой риска: чем выше σ, тем сильнее колеблется доходность и тем менее предсказуем результат. Показатель используют для сравнения активов между собой, при построении портфелей и в расчёте коэффициента Шарпа — доходности на единицу отклонения.

Как работает стандартное отклонение доходности?

Сначала находят среднюю доходность за выбранный период, затем считают отклонение каждого значения от этого среднего, возводят их в квадрат, усредняют и извлекают корень. Полученное число показывает типичную величину отклонения доходности от среднего: условно, при средней доходности 10% и σ = 5% большинство значений лежит в диапазоне около 5–15%.

Можно ли сравнивать стандартное отклонение разных активов напрямую?

Корректно сравнивать σ активов с сопоставимой средней доходностью и за одинаковый период измерения. Актив с высокой доходностью и высоким отклонением не обязательно «хуже» — для этого и нужен коэффициент Шарпа, который соотносит доходность с риском. Кроме того, стандартное отклонение описывает прошлые колебания и не гарантирует будущих результатов.

Информационный сервис. Не является финансовой рекомендацией. Окончательные условия уточняйте на сайте банка.