均方差公式(泊松分布的均值和方差公式)

股票，期望收益率，方差，均方差的计算公式

* 期望收益率，又称为持有期收益率（HPR）指投资者持有一种理财产品或投资组合期望在下一个时期所能获得的收益率。这仅仅是一种期望值，实际收益很可能偏离期望收益。计算公式：HPR=（期末价格 -期初价格+现金股息）/期初价格* 方差在统计描述和概率分布中各有不同的定义，并有不同的公式。在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。* 标准差(Standard Deviation)，在概率统计中最常使用作为统计分布程度(statistical dispersion)上的测量。标准差定义是总体各单位标准值与其平均数离差平方的算术平均数的平方根。它反映组内个体间的离散程度。

有两种证券，两种证券的投资比重相当时，求新的组合的期望收益率，方差，和标准离差。怎么算啊？

单个证券的简单，2个的，你可以采用二叉树式计算试试

Excel中怎么求均方差

用VARP(number1,number2,...)函数与SQRT函数number1、2：可以是数据区域。例：在A6单元格输入：=SQRT(VARP(A1:A5))即计算：A1：A5区域均方差

以下式子的期望值和方差是什么？

方差主要科学实验和工程上，比如不同实验条件下，样本【白鼠、炼钢的钢样等】与期望值的偏差等等，在炼钢的时候我们根据经验知道不同特性【硬度、弹性等】的钢与温度区间对应，这个区间可能几乎是一点，也可能是一个非常小的区间，我们生产的期望是尽快确定这个区间或点，以减少实验次数或加快实验进度等，如果没有数学指导，我们可能要进行很多次、非常繁杂、很费时间的样本生产试验……而如果能够对某一阶段的实验数据进行精确或大概【预估】的数学计算【本身方差与期望就来自于实际生活中，有一定先验性】，而方差等就能很好反应如炼钢等生产实验的特性或趋势，因为实验都有过程，所以我们就很期望尽快或确定的时间内完成实验，这个时候数学期望的计算就大有用途：毕竟这个期望或预估是来自于经验【类同或完全相异的样本】和实验数据，所以在实践指导中是有偏差的，但是有了这些计算，就可以更好制定计划、安排生产等，提供决策基础数据，避免盲目，可以有效缩短周期、更有目的性，在这里的数学期望是预测试炼次数的，同时就可以计算温度区间【每次增加温度0.1度或1度或10度等】，如果没有数学计算，我们的实验就完全是在碰运气，而有了计算，得到理论上的数学期望值【样本若完全非线性且差异特大就不适用了】，以便更好的设计实验方法、步骤……学生身高的例子可能没什么现实意义，但可以有理论的说法，比如同一组样本的方差，如果方差小，说明本组发育稳定、营养均衡等，否则……；各组间的差别反应什么等，在这里方差还有点意义，而数学期望就：个体均衡还是差异，越长越高……；如果这里的样本换成猪等，就有了现实意义：方差指导人们均衡喂养，而数学期望则提前预测何时最适合出栏等。

预期收益率的计算模型

我们主要以资本资产定价模型为基础，结合套利定价模型来计算。首先一个概念是β值。它表明一项投资的风险程度：资产i的β值=资产i与市场投资组合的协方差/市场投资组合的方差市场投资组合与其自身的协方差就是市场投资组合的方差，因此市场投资组合的β值永远等于1，风险大于平均资产的投资β值大于1，反之小于1，无风险投资β值等于0。需要说明的是，在投资组合中，可能会有个别资产的收益率小于0，这说明，这项资产的投资回报率会小于无风险利率。一般来讲，要避免这样的投资项目，除非你已经很好到做到分散化。下面一个问题是单个资产的收益率：一项资产的预期收益率与其β值线形相关： E(Ri)=Rf+βi[E(Rm)-Rf]其中: Rf:无风险收益率E(Rm)：市场投资组合的预期收益率βi: 投资i的β值。E(Rm)-Rf为投资组合的风险溢酬。整个投资组合的β值是投资组合中各资产β值的加权平均数，在不存在套利的情况下，资产收益率。对于多要素的情况：E(R)=Rf+∑βi[E(Ri)-Rf]其中，E(Ri): 要素i的β值为1而其它要素的β均为0的投资组合的预期收益率。首先确定一个可接受的收益率，即风险溢酬。风险溢酬衡量了一个投资者将其资产从无风险投资转移到一个平均的风险投资时所需要的额外收益。风险溢酬是你投资组合的预期收益率减去无风险投资的收益率的差额。这个数字一般情况下要大于1才有意义，否则说明你的投资组合选择是有问题的。风险越高，所期望的风险溢酬就应该越大。 对于无风险收益率，一般是以政府长期债券的年利率为基础的。在美国等发达市场，有完善的股票市场作为参考依据。就目前我国的情况，从股票市场尚难得出一个合适的结论，结合国民生产总值的增长率来估计风险溢酬未尝不是一个好的选择。