跳到主要內容

[整理] 金融名詞-風險與收益 (Risk and return)

以下為整理BKM- Essential of Investment 9th 第5章 風險與收益 的一些專有名詞

1. (單一)持有期收益率 (Holding-period return, HPR)
在特定投資期限之內的 收益率 (rate of return, $r$  )。其定義如下
\[
HPR := r = \frac{EV-BV+D}{BV}
\]其中 $EV$ 表示持有期間的 期末價格 (Ending Value); $BV$ 表示 期初價格 (Beginning Value); $D$ 表示期末配發的 現金股息(Dividend)

多個時期收益率的測量方法
  • 算術平均法 (Arithmetic average)
  • 幾何平均法 (Geometric average)
  • 資金加權平均法 (Dollar-weighted average)

2. 算術平均法(Arithmetic average (of n periods))
對各時期的收益率 $r_i$ 取平均得到平均收益率 $m$
\[
m:=\frac{1}{n} \displaystyle \sum_{i=1}^{n} r_i
\]
3. 幾何平均法 (Geometric average (of n periods))
將各時期的收益率 $r_i$ 取幾何平均(考慮複利的效果)可得幾何平均收益率 $g$ 亦即 $g$ 滿足
\[
 (1+g)^n = (1+r_1)(1+r_2)(1+r_3)...(1+r_n)
\]
4. 資金加權平均法 (Dollar-weighted average of n periods)
此法可計算出內部收益率(Internal Rate of Return, IRR on an investment)
其概念為應用 現金流折現模型計算內部收益率
\[
PV = \frac{C}{1+IRR} +  \frac{C}{(1+IRR)^2} +...+ \frac{C}{(1+IRR)^n}
\]其中 $PV$ 為現值, $C$ 為現金流, $IRR$ 為內部收益率, $n$為期數




風險與風險溢價 (Risk and Risk premium)

兩種分析收益率的方法: 
  • 對未來預測:使用情境分析 (機率論)
  • 對過去分析:使用歷史資料 (統計學)

4. 情境分析 (Scenario analysis (= events))
列舉一些可能的經濟情況(比如經濟衰退、經濟復甦),接著對每一種經濟情況給定其對應可的發生可能性。
- 在機率論上 情境分析等同 單純給定各種可能的"事件" 並進行分析(=給定機率)。

5. 機率分布 (Probability distribution)
把在情境分析中對所有已給定的事件將其列舉並給定對應的機率。
- 在機率論上 機率分布有嚴格的數學定義,我們在此並不贅述


下圖給出上述情境分析與機率分布一個例子

6. 預期收益率 (Expected return, $\mathbb{E}[r]$)
對於情境分析而言,預期收益率定義如下
\[
\mathbb{E}[r] := \displaystyle\sum_{i=1}^{n} r_i p_i
\]其中 $p_i$ 為情境(事件) $i$ 發生的機率; $r_i$ 為情境(事件) $i$ 的持有其收益率; $n$ 為情境(事件)個數


風險溢價 (Risk Premium) 與 風險厭惡 (Risk Aversion)
-文獻中上述風險厭惡 又稱 風險趨避


風險 (Risk) 
通常由統計上的 變異數 $\sigma^2$ 或者 標準差 $\sigma$ 來描述風險
- 變異數 (Variance):
\[
Var :=\sigma^2= \displaystyle \sum_{i=1}^{n} p(i) (r_i-\mathbb{E}[r])^2
\]
- 標準差 (Standard deviation): $\sigma := \sqrt{Var}$

在金融體系中,常將標準差 (稍作年化處理) 稱作波動度(Volatility)

下圖為1920-2010之間三種資產類別的收益率圖
(1) 大公司股票(Large stocks)
(2) 長期債卷(Long-term bonds)
(3) 國庫卷(T-bills)



注意到上圖大公司股票收益率震動幅度遠遠大過其他兩者,我們說 大公司股票的波動性大過長期債卷與國庫卷。


7. 無風險收益率(Risk-free rate, $r_f$),   
指確定(或者損失風險極低)能夠獲得的收益率
-ex: 國庫卷(Treasury Bills)、大額定存(Certificate Deposits, CDs)

8. 風險溢價 (Risk premium)
超過無風險收益率的超額(預期)收益稱作風險溢價;也就是
\[
Risk \ Premium := \mathbb{E}[r] - r_f
\]
9. 超額收益率 (Excess return)
- 超過無風險收益率 $r_f$ 的收益率
- 超額收益率 有時又稱 超額報酬。

10. 風險厭惡 (Risk Aversion) 
指投資人傾向於不接受風險,也就是說投資人呈現風險厭惡
-風險厭惡系數, $A$
\[
A := \frac{\mathbb{E}[r_m]-r_f}{\sigma_M^2}
\]注意
a. 上式中 $\mathbb{E}[r_m]$ 表示投資人關注的收益率是整體市場組合
b. 上式中的分母為市場收益率的變異數 $\sigma_M^2$ 而波動度(標準差)

11. 夏普指數(Sharpe Ratio, S);又稱 報酬-波動性比 (Reward-Volatility Ratio)
投資組合 (非單一股票!!) 的風險溢價 $\mathbb{E}[r_p]-r_f$ 比上 其標準差 $\sigma_p$;也就是
\[
S:=\frac{\mathbb{E}[r_p]-r_f}{\sigma_p}
\]其中 $r_f$ 為無風險利率。
- Sharpe Ratio 越高,代表越好 (標準差越小,風險溢價越高);一般而言 Sharpe ratio 高於 1 可以視為較佳的投資指標;若高於 2 被視為極為優秀的投資指標。
- 注意: the standard deviation of return is useful risk measures for diversified portfolios but not useful way to think about the risk of individual securities. the sharpe ratio is a valid statistic only for ranking portfolios it is not valid for individual assets.


12. 均值-標準差分析 (Mean-variance analysis)
依據Sharpe Ratio 來給投資組合排序

通貨膨脹與實際收益率

13. 通貨膨脹率 (Inflation rate, i)
透過消費者指數(Consumer Price Index, CPI)的增長率來衡量價格上漲的比率

通貨膨脹率: $i:=\frac{I_1}{I_0} -1$,其中 $I_1$ 為期末消費者指數 $I_0$ 為期初消費者指數。

下圖為1920-2010間的國庫卷利率(看成名義利率)、通貨膨脹率、與實際國庫卷利率(實際利率)。



14.名義利率 or 名義收益率(Nominal interest rate (not adjusted for purchasing power)
尚未經過通貨膨脹率 $i$ 調整的利率


15. 實際利率 與 實際收益率 (Real interest rate) (Real rate of return)
透過通貨膨脹率 $i$ 調整的利率。實際收益率 $r$ 可由下式計算
\[
r:=\frac{EV/I_1}{BV/I_0}-1 = \frac{R+i}{1+i}
\]其中 $I_1$ 為期末消費者指數 $I_0$ 為期初消費者指數; $R$ 為名義收益率。

16. 資產分配(Asset allocation)
再投資類別中進行投資組合的選擇
-ex: 50% 股票 + 50% 債卷 即為一種投資組合,其資產分配到股票與債卷上

17. 完全組合 (Complete portfolio)
整個投資組合由 無風險資產 與 風險資產組成。

18. 資產分配線 (Capital Allocation Line, CAL)
透過對無風險資產 (由無風險利率表示 $r_f$ ) 與 風險資產( 由投資組合的預期收益率表示 $\mathbb{E}[r_p]$ )進行組合分配獲得的收益與風險,將其作圖而得。此圖斜率即為 Sharpe ratio.

-Capital allocation (the choice between risky & risk-free assets)
-Capital market line, CML: (CAL but using market index portfolio as the risky asset)

下圖給出了 常見的標準資產分配線

CAL斜率即為Sharpe Ratio: $S:=\frac{\mathbb{E}[r_p]-r_f}{\sigma_p}$


19. 被動型投資策略(Passive strategy)
不主動對證卷進行分析,主要為透過 買入-持有投資組合(通常為市場指數)的一種投資策略,
- 相對應是 主動型投資策略(Active strategy): e.g., 主動選股並進行個股分析的投資策略

20. 峰度 (Kurtosis) 
峰度衡量 實數隨機變數的峰態 (分布是呈現高山狀 還是 有扁平尾)
-機率論中定義為四階動差(4-th order moment),在此不贅述
Kurtosis of normal is zero.

21. 偏斜度 (Skew)
偏斜度衡量 實數隨機變數 機率分布的 非對稱性
-機率論中 定義為 三階動差(3rd order moment),在此不贅述
If skew <0, it implies the extreme negative value > extreme positive value

22. 風險價值 (Value at risk (VaR)) 
在給定的信賴區間(通常是95%信賴區間)之下,資產投資組合在持有期間內由於市場價格變動所導致的最大預期損失的數值


留言

張貼留言

這個網誌中的熱門文章

[數學分析] 什麼是若且唯若 "if and only if"

數學上的 if and only if  ( 此文不討論邏輯學中的 if and only if,只討論數學上的 if and only if。) 中文翻譯叫做  若且唯若 (or 當且僅當) , 記得當初剛接觸這個詞彙的時候,我是完全不明白到底是甚麼意思,查了翻譯也是愛莫能助,畢竟有翻跟沒翻一樣,都是有看沒有懂。 在數學上如果看到 if and only if  這類的句子,其實是表示一種 雙條件句 ,通常可以直接將其視為" 定義(Definition)" 待之,今天要分享的是這樣的一個句子如何用比較直觀的方法去看他 假設我們現在有 兩個邏輯陳述句 A 與  B. 注意到,在此我們不必考慮這兩個陳述句到底是什麼,想表達什麼,或者到底是否為真(true),這些都不重要。只要知道是兩個陳述即可。 現在,考慮新的陳述:  "A if and only if B" 好了,現在主角登場,我們可以怎麼看待這個句子呢? 事實上我們可以很直覺的把這句子拆成兩部分看待,也就是 "( A if B ) and ( A only if B )" 那麼先針對第一個部分  A if B  來看, 其實這句就是說  if B then A, 更直白一點就是 "if B is true, then A is also true".  在數學上等價可以寫為 "B implies A" .  或者更常用一個箭頭符號來表示 "B $\Rightarrow$  A"  現在針對第二個部分  A only if B 此句意指  "If B is not true, then A is also not true". 所以如果已知 A is true,  那麼按照上句不難推得 B is also true 也就是說  A only if B  等價為 "If A is true then B is also true". 同樣,也可以寫作   "A implies B"   或者用箭頭表示  "A   $\Rightarrow$     B".

[數學分析] 淺談各種基本範數 (Norm)

這次要介紹的是數學上一個重要的概念: Norm: 一般翻譯成 範數 (在英語中 norm 有規範的意思,比如我們說normalization就是把某種東西/物品/事件 做 正規化,也就是加上規範使其正常化),不過個人認為其實翻譯成 範數 也是看不懂的...這邊建議把 Norm 想成長度就好 (事實上norm是長度的抽象推廣), 也許讀者會認為好端端的長度不用,為何又要發明一個 norm 來自討苦吃?? 既抽象又艱澀。 事實上想法是這樣的: 比如說現在想要比較兩個數字 $3$ , $5$ 之間的大小,則我們可以馬上知道 $ 3 < 5 $;同樣的,如果再考慮小數與無理數如 $1.8753$ 與 $\pi$,我們仍然可以比較大小 $1.8753 < \pi = 3.1415...$ 故可以發現我們有辦法對 "純量" 做明確的比大小,WHY? 因為前述例子中 $3$, $5$, $1.8753$ or $\pi$ 其各自的大小有辦法被 "measure "! 但是如果是現在考慮的是一組數字 我們如何去measure 其大小呢?? 比如說 \[x:=[1, -2, 0.1, 0 ]^T \]上式的大小該是多少? 是 $1$? $-2$? $0.1$??? 再者如果更過分一點,我們考慮一個矩陣 \[A = \left[ {\begin{array}{*{20}{c}} 1&2\\ 3&4 \end{array}} \right] \],想要知道這個矩陣的大小又該怎麼辦?? 是 $1$ ? $2$ 還是 $4$ ?..其實現階段我們說不清楚。 也正是如此,可以發現我們確實需要新的 "長度" 的定義來幫助我們如何去 measure 矩陣/向量/甚至是函數的大小。 故此,我們首先定義甚麼是Norm,(也就是把 "長度" or "大小" 的本質抽離出來) ================== Definition: Norm 考慮 $V$ 為一個向量空間(Vector space),則我們說  Norm 為一個函數 $||\cdot|| : V \rightarrow \mathbb{R}$ 且滿足下列性質