量化概念 20：波动率与标准差（为什么用标准差衡量风险）

发布于 2026-09-03 更新于 2026-09-07 35 阅读 1969 字 · 约 7 分钟

两个策略，年化收益都是 20%。一个每月稳定赚 1.7%，另一个有的月赚 8%、有的月亏 4%。收益一样，但你心里清楚这俩不是一回事——第二个让你睡不着的概率大得多。收益率告诉你赚了多少，但没告诉你赚的过程有多颠簸。波动率就是量化这层"颠簸"的工具。

方差：偏离平均的程度

要衡量收益的波动，直觉是：算出平均收益，再看每次收益离平均有多远，取个平均。但收益有正有负，偏离也有正有负，直接平均正负抵消了——平均偏离为零，没意义。

解决办法是平方。平方让所有偏离变正，再取平均，就是方差。

方差 = Σ(收益率 - 平均收益率)² / 期数

方差越大，收益离均值越远，波动越大。但方差有个问题：单位变了。收益率是百分比，方差是百分比的平方——"百分之二的平方"没有直观含义。于是取平方根，把单位拉回来。

标准差 = √方差

开完根，单位回到百分比，可以和收益率直接比较了。这就是为什么量化里用标准差而不是方差——不是标准差更"对"，是它更好读。

一个策略日收益率的标准差是 1.2%，意思是：日收益围绕均值波动的典型幅度是 1.2%。标准差越大，收益分布越散，越不可预测。

风险的本质是不确定性——你不知道下一期收益是多少。标准差衡量的是收益分布的"宽度"：分布越宽，可能的收益范围越大，不确定性越高。

如果假设收益率服从正态分布，标准差就能给出概率判断：

年化收益 20%、年化标准差 15% 的策略，大约 95% 的年份收益在 -10% 到 50% 之间。

回测里算波动率，通常用日收益率。但日收益率的标准差很小——0.8% 的日波动看起来不起眼。要和年化收益放在同一把尺子上比较，得年化。

年化标准差 = 日标准差 × √252

为什么是 √252 而不是 252？因为方差有个性质：独立随机变量之和的方差等于方差之和。252 天的方差是日方差的 252 倍，标准差是日方差的 √252 倍。252 是 A 股一年的近似交易日数。

这里有个前提：日收益率之间相互独立。实际上收益率有自相关——波动率聚集现象，大跌之后往往跟着大跌。所以 √252 法则是近似，不是精确，但对年化波动率的估算足够。

标准差衡量波动，但波动不等于风险——这是它最大的争议。

第一，标准差不区分涨和跌。 偏离均值就是偏离，不管是向上偏离还是向下偏离。一个策略偶尔大涨，标准差也会变大——但大涨不是风险，大跌才是。标准差把"惊喜"和"惊吓"一视同仁。

第二，正态分布假设在现实中不成立。 收益率的分布有肥尾——极端事件比正态分布预测的更频繁。1987 年黑色星期一，道琼斯单日跌 22%，按正态分布这是 25 个标准差的事件，宇宙热寂之前都不该发生一次。标准差低估了尾部风险。

第三，标准差是向后看的。 过去 250 天的波动率低，不代表未来 250 天也低。波动率本身是波动的——市场平静时年化 10%，恐慌时能飙到 40% 以上。用历史标准差预测未来风险，假设了波动率稳定，但波动率不稳定。

因为标准差不区分涨跌，有人提出只算下行波动——半方差（semi-variance）：只计算低于均值的偏离，高于均值的不算。这样大涨不再增加"风险"。

更直接的下行风险指标是最大回撤——从历史最高点到最低点的最大跌幅。标准差告诉你"平均颠簸多大"，最大回撤告诉你"最惨的一次跌了多少"。两者互补：标准差看日常波动，最大回撤看极端情况。

还有 VaR（Value at Risk）——在 95% 置信下，最差的一天亏多少。VaR 关注的是分布的左尾，但它的前提同样依赖分布假设，而且 VaR 本身也有局限——不告诉你超过 VaR 的那 5% 有多惨。

标准差衡量收益分布的宽度——分布越宽，越不可预测，风险越大。年化用 √252 法则，和年化收益同口径。但标准差不区分涨跌、假设正态分布、向后看，这三个局限决定了它不能单独用。搭配最大回撤看尾部，搭配夏普比率看性价比，才是完整的风险画像。