回报率方差

回报率方差 (Variance of Returns)

回报率方差（Variance of Returns）是金融学和投资学中衡量风险的核心统计指标，定义为资产收益率与其期望值之间偏离平方的期望值。在均值-方差分析框架下，方差（或其平方根标准差）被广泛用作资产波动性（Volatility）的度量，是量化投资风险、进行资产定价和投资组合优化的基础工具。回报率方差越大，意味着资产的收益率围绕其均值波动的幅度越大，投资者面临的不确定性也随之增加。

数学定义

对于一项资产，假设其在某时期内的随机收益率为 $R$，则回报率方差定义为：

其中 $\mathbb{E}[R]$ 是收益率的期望值（即期望收益率）。在实际计算中，若获得 $n$ 个历史收益率观测值 $r_1, r_2, \ldots, r_n$，样本方差的计算公式为：

其中 $\bar{r} = \frac{1}{n} \sum_{t=1}^{n} r_t$ 为样本均值。使用 $n-1$ 而非 $n$ 作为分母进行了贝塞尔校正（Bessel's correction），使得样本方差成为总体方差的无偏估计量。

在投资组合理论中的核心地位

回报率方差是哈里·马科维茨（Harry Markowitz）提出的现代投资组合理论（Modern Portfolio Theory, MPT）的基石之一。在该理论中，投资者被假定为在给定风险水平下追求期望收益率最大化，或在给定期望收益率下追求风险最小化。对于由 $n$ 种资产构成的投资组合，其回报率方差为：

其中 $w_i$ 为资产 $i$ 的权重，$\text{Cov}(R_i, R_j)$ 为资产 $i$ 与资产 $j$ 的协方差。该公式表明，组合方差不仅取决于各资产自身的方差（当 $i=j$ 时），还在很大程度上取决于资产间的协方差结构——正是资产间的低相关系数使风险分散成为可能。马科维茨因这一开创性贡献获得了1990年诺贝尔经济学奖。

方差与风险度量

回报率方差作为风险度量具有直观性和便利性，但也存在若干局限：

对称性的局限：方差将正向偏离（超额收益）和负向偏离（损失）等同对待。然而投资者通常更厌恶下行风险而非上行波动，这催生了下半方差（Semivariance）和下偏矩（Lower Partial Moments）等替代性风险度量。

方差的维数问题：方差以百分点的平方为单位，经济含义不直观。因此实践中更常用标准差 $\sigma = \sqrt{\sigma^2}$，其单位与收益率本身相同，便于比较和解释。

肥尾与尖峰分布：金融收益率数据往往呈肥尾分布（Fat-tailed distribution），即极端值出现频率高于正态分布的预测。在肥尾条件下，方差本身可能不足以完全描述尾部风险，需要补充峰度（Kurtosis）或在险价值（Value at Risk, VaR）等指标。

时变波动性：实证研究表明，金融资产的回报率方差并非恒定不变，而是呈现波动聚集（Volatility Clustering）现象——高波动期倾向于聚集出现，低波动期亦然。这推动了对自回归条件异方差（ARCH）模型和广义自回归条件异方差（GARCH）模型的研究，后者由罗伯特·恩格尔（Robert Engle, 2003年诺贝尔经济学奖得主）和克莱夫·格兰杰（Clive Granger）奠基。

在资产定价模型中的作用

在资本资产定价模型（CAPM）中，单一资产的整体回报率方差被分解为系统性风险（Systematic Risk）和非系统性风险（Idiosyncratic Risk）两部分：

其中 $\beta_i$ 为资产 $i$ 的Beta系数，$\sigma_m^2$ 为市场组合的回报率方差，$\sigma_{\epsilon_i}^2$ 为残差方差。根据CAPM，市场仅对不可分散的系统性风险进行定价补偿，而非系统性风险可通过构建充分分散化的投资组合消除。因此，在均衡状态下，并非所有方差都会被市场给予风险溢价——只有与市场协动的那部分方差才是定价因素。

与其他风险指标的关系

回报率方差与多个关键金融指标密切相关。夏普比率（Sharpe Ratio）以回报率标准差（方差的平方根）作为风险度量，衡量每单位总风险的超额收益：$\text{SR} = \frac{\mathbb{E}[R] - R_f}{\sigma}$。特雷诺比率（Treynor Ratio）则以 $\beta$ 度量系统性风险，$\frac{\mathbb{E}[R] - R_f}{\beta}$。两者分别从总风险和系统性风险两个视角评价投资绩效。此外，信息比率（Information Ratio）将超额收益的均值与跟踪误差（相对于基准的回报率标准差）相联系，在主动投资管理中广泛应用。

计算中的实际问题

在实际应用中，回报率方差的计算面临若干技术选择。首先，收益率通常采用对数收益率（Log Return）$r_t = \ln(P_t / P_{t-1})$ 而非简单收益率，因为对数收益率在时间上具有可加性且近似服从正态分布。其次，数据频率的选择（日度、周度、月度或年度）会显著影响方差估计值——高频数据提供更多观测值但可能引入微观结构噪声，低频数据则可能遗漏重要的短期波动。年化处理是另一个关键步骤：若使用日度收益率计算方差，年化方差约为日度方差的252倍（假设约252个交易日），年化标准差则为日度标准差的 $\sqrt{252}$ 倍。

总结

回报率方差是金融风险度量的最基础概念之一，贯穿了从马科维茨投资组合优化到CAPM资产定价，再到GARCH波动率建模的整个金融理论体系。其简洁的数学定义和清晰的统计解释使其成为学术界和实务界普遍接受的风险基准。然而，方差的对称性假设、对极端事件的有限刻画能力以及现实世界中时变波动性的存在，也促使研究者和从业者在方差的基础上发展出更加精细和稳健的风险度量方法。理解回报率方差的本质、优势与局限，是掌握现代金融风险管理的起点。