Was ist der Unterschied zwischen Varianz und Kovarianz?

Varianz und Standardabweichung in der Statistik | einfach erklärt | wirtconomy (Kann 2024)

Varianz und Standardabweichung in der Statistik | einfach erklärt | wirtconomy (Kann 2024)
Was ist der Unterschied zwischen Varianz und Kovarianz?
Anonim
a:

Varianz und Kovarianz sind mathematische Begriffe, die in der Statistik häufig verwendet werden, und haben trotz der ähnlich klingenden Namen tatsächlich recht unterschiedliche Bedeutungen. Eine Kovarianz bezieht sich auf das Maß, wie sich zwei Zufallsvariablen zusammen ändern, und wird verwendet, um die Korrelation zwischen Variablen zu berechnen. Die Varianz bezieht sich auf die Streuung des Datensatzes - zum Beispiel wie weit die Zahlen in Relation zum Mittelwert liegen. Varianz ist besonders nützlich bei der Berechnung der Wahrscheinlichkeit zukünftiger Ereignisse oder Leistungen.

Beide Begriffe haben neben ihrer allgemeinen Verwendung in der Statistik auch für Investoren eine spezifische Bedeutung, die sich auf Börsenmessungen bezieht. In einem Finanzkontext beschreibt Kovarianz, wie sich zwei Aktien gemeinsam bewegen. Eine positive Kovarianz zeigt an, dass beide dazu neigen, sich gleichzeitig im Wert nach oben und nach unten im Wert zu bewegen, während eine inverse oder negative Kovarianz bedeutet, dass sie sich gegeneinander bewegen werden; Wenn einer aufsteigt, fällt der andere. Der Kauf von Aktien mit einer negativen Kovarianz ist eine großartige Möglichkeit, das Risiko in einem Portfolio zu minimieren. Es kann erwartet werden, dass sich die extremen Spitzen und Täler der Performance der Aktien gegenseitig aufheben und eine stabilere Rendite über die Jahre hinweg hinterlassen.

Ebenso verwenden viele Aktienexperten und Finanzberater Varianz, um die Volatilität einer Aktie zu messen. In der Lage zu sein, in einer einzigen Zahl auszudrücken, wie weit der Wert einer bestimmten Aktie vom Mittelwert abweichen kann, ist ein sehr nützlicher Indikator dafür, wie viel Risiko eine bestimmte Aktie mit sich bringt.