如果我要衡量两只股票波动幅度的稳定性，怎么衡量？可以用变异系数来衡量。打个比方，我们假设股票A在7个交易日的涨跌幅分别是p_a = [1.3, -2, 5, 7, -10, -12, 9]，股票B在7个交易日的涨跌幅分别是p_b = [4, 2, 3, -1, -3, -6, 2]，变异系数=标准差/平均值，则v_a = -31，v_b = 23，取绝对值，abs(v_a) = 31， abs(v_b) = 23，由于变异系数是无量纲的，描述的是数据集中每个数据离中心数据的距离比率，所以变异系数越小，代表越稳定，因此可以看出股票B比股票A的波动幅度更稳定一些，实际上，如果你在做的是一个反趋势策略，那么高变异系数可能会给你带来更高的收益。如果你用机器学习算法去构建策略，变异系数也可以拿来当做一个特征因子，当然效果要试过才知道了，仅仅是对它的一点展望。
效用函数一般用来衡量你的风险偏好。举个栗子，如果你有很多种投资组合供使用，
投资组合1，有65%的机率收益8%，35%的机率收益0
投资组合2，有60%的机率收益10%，40%的机率收益0
投资组合3，有55%的机率收益15%，45%的机率收益0
可以计算出，投资组合1的期望收益是0.052，投资组合2的期望收益是0.06，投资组合3的期望收益是0.08，假设有N个投资组合，就有N个期望收益，首先将这N个期望收益从小到大顺序排列，然后你根据收益的大小进行满意程度的打分，分数范围在1到100，打完分后，以期望收益为X轴，以对应的分数为Y轴做散点图，如果图形近似一个凸函数，说明你对每增加一点收益的边际满意程度是递增的，这就代表你是一个激进型的投机者，如果图形近似一个凹函数，说明你对每增加一点收益的边际满意程度是递减的，这就代表你是一个厌恶风险的投机者，如果图形是线性的，那么就代表你是一个中性的投机者。
|
转播
