在追求報酬的同時，風險控管更是投資環節中相當重要的環節。一般來說，在評估標的的風險程度時，我們會以標的的波動度來衡量其風險大小。而波動度該如衡衡量呢? 一般來說，我們會用標的報酬的標準差來估計。本支影片我們將分享如何以標準差估計標的風險的大小，並分享如何年化這些指標。
風險衡量
衡量一個標的物的風險，通常我們會看標的的波動程度。波動愈大，代表風險愈高；反之，波動愈小，代表標的愈穩定。問題來了，要如何衡量所謂的波動程度呢? 標準差是一個方式! 我們可以藉由計算標的一段期間的日報酬標準差，來衡量此標的物在這段期間的波動程度。
標準差
標準差的計算公式如下，值得注意的是，$x_i$代表每天的日報酬，而非當日股價。因為如果我們要比較不同標的物之間波動程度的大小，採用股價計算標準差容易導致股價愈高的波動程度愈大，然而，這並不是我們想要探究的部分。
$$\sigma=\sqrt{\frac{1}{n-1}\sum_{i=1}^{n}(x_i-\bar{x})^2}$$
年化標準差
而我們在比較標準差的大小時，通常會選一段比較長的時間，比方說1年、2年、3年或5年等等，再把標準差年化，相當於一年的波動度，進而進行比較。
$$\sigma_Y=\sigma \times \sqrt{252}$$
另外，隨著時空環境的不同，其實年標準差也是會不斷變動的。因此，若要比較不同標的物過去的波動程度，我們也可以透過計算rolling的標準差來比較不同標的過去的穩定程度。
程式碼
在python裡面，計算出日報酬後，我們可以透過.std()來計算標的的標準差。
日標準差dr=df.pct_change(1)
risk=dr.std()
年化標準差risk_Y=risk*252**0.5
年rolling標準差rolling_risk=dr.rolling(252).std()*252**0.5rolling_risk.dropna().plot()
今天，我們學會了如何透過標準差來衡量不同標的之間的波動程度，並學會了如何用python來計算年化標準差與rolling的標準差。你的投資清單裡有哪些標的呢? 試著用我們今天學會的標準差來估計這些標的的風險程度吧!
程式檔案，歡迎下載Github