ప్రామాణిక విచలనం సగటు వ్యత్యాసం యొక్క గణిత కొలత. ఇది గణాంకాలు, ఆర్థిక శాస్త్రం, అకౌంటింగ్ మరియు ఫైనాన్స్‌లో ప్రముఖ లక్షణం. ఇచ్చిన డేటా సెట్ కోసం, ప్రామాణిక విచలనం సగటు విలువ నుండి సంఖ్యలు ఎలా విస్తరించిందో కొలుస్తుంది. వ్యత్యాసం యొక్క వర్గమూలాన్ని తీసుకోవడం ద్వారా ప్రామాణిక విచలనాన్ని లెక్కించవచ్చు, ఇది సగటు యొక్క వర్గ వ్యత్యాసాల సగటు.
మ్యూచువల్ ఫండ్ లేదా హెడ్జ్ ఫండ్ పెట్టుబడి విషయానికి వస్తే, విశ్లేషకులు ఇతర ప్రమాద కొలతల కంటే ప్రామాణిక విచలనాన్ని చూస్తారు. పోర్ట్‌ఫోలియో యొక్క వార్షిక రాబడి రేటు యొక్క ప్రామాణిక విచలనాన్ని తీసుకోవడం ద్వారా, విశ్లేషకులు రాబడిని ఉత్పత్తి చేసే స్థిరత్వాన్ని బాగా కొలవగలరు. స్థిరమైన రాబడి యొక్క సుదీర్ఘ ట్రాక్ రికార్డ్ ఉన్న మ్యూచువల్ ఫండ్స్ తక్కువ ప్రామాణిక విచలనాన్ని ప్రదర్శిస్తాయి. వృద్ధి-ఆధారిత లేదా అభివృద్ధి చెందుతున్న మార్కెట్ నిధులు, అయితే, మరింత అస్థిరతను చూడవచ్చు మరియు అధిక ప్రామాణిక విచలనాన్ని కలిగి ఉంటాయి. అందువల్ల అవి కూడా ఎక్కువ ప్రమాదాన్ని కలిగి ఉంటాయి.
ప్రామాణిక విచలనం యొక్క స్థిరత్వం
ప్రామాణిక విచలనం కొలతల యొక్క విస్తృత ప్రజాదరణకు ఒక కారణం వాటి స్థిరత్వం. మీరు స్థూల జాతీయోత్పత్తి (జిడిపి), పంట దిగుబడి లేదా కుక్కల ఎత్తు గురించి మాట్లాడుతున్నారా అనే దాని నుండి సగటు నుండి ఒక ప్రామాణిక విచలనం సూచించడమే కాదు, ఇది ఎల్లప్పుడూ డేటా సెట్ చేసిన అదే యూనిట్లలో లెక్కించబడుతుంది. ఫార్ములా ఫలితంగా వచ్చే అదనపు కొలత యూనిట్‌ను మీరు ఎప్పటికీ అర్థం చేసుకోవలసిన అవసరం లేదు.
ఉదాహరణకు, మ్యూచువల్ ఫండ్ ఐదేళ్ల కాలంలో ఈ క్రింది వార్షిక రాబడిని సాధిస్తుందని అనుకుందాం: 4 శాతం, 6 శాతం, 8.5 శాతం, 2 శాతం మరియు 4 శాతం. సగటు విలువ లేదా సగటు 4.9 శాతం. ప్రామాణిక విచలనం 2.46 శాతం, అంటే ప్రతి వ్యక్తి వార్షిక విలువ సగటు నుండి సగటున 2.46 శాతం దూరంలో ఉంటుంది. ప్రతి విలువ ఒక శాతంలో వ్యక్తీకరించబడింది మరియు ఇప్పుడు, సాపేక్ష అస్థిరత ఇలాంటి మ్యూచువల్ ఫండ్లలో పోల్చడం సులభం.
దాని స్థిరమైన గణిత లక్షణాల కారణంగా, ఏదైనా డేటా సెట్‌లోని 68 శాతం విలువలు సగటు యొక్క ఒక ప్రామాణిక విచలనం లోపల ఉంటాయి మరియు 95 శాతం సగటు యొక్క రెండు ప్రామాణిక విచలనాల లోపల ఉంటాయి. ప్రత్యామ్నాయంగా, వార్షిక రాబడి సగటు యొక్క రెండు ప్రామాణిక విచలనాల లోపల సృష్టించబడిన పరిధిని మించదని మీరు 95 శాతం నిశ్చయంగా అంచనా వేయవచ్చు.
బోలింగర్ బ్యాండ్లు
పెట్టుబడిలో, ప్రామాణిక విచలనాలు ప్రధానంగా బోలింగర్ బ్యాండ్ల ముసుగులో ఉపయోగించబడతాయి. 1980 లలో జాన్ బోలింగర్ చేత అభివృద్ధి చేయబడిన, బోలింగర్ బ్యాండ్లు ఇచ్చిన భద్రతలో పోకడలను గుర్తించడంలో సహాయపడే పంక్తుల శ్రేణి. మధ్యలో ఎక్స్‌పోనెన్షియల్ కదిలే సగటు (EMA) ఉంది, ఇది స్థిర కాలపరిమితిలో భద్రత యొక్క సగటు ధరను ప్రతిబింబిస్తుంది. ఈ రేఖకు ఇరువైపులా బ్యాండ్లు సగటు నుండి ఒకటి నుండి మూడు ప్రామాణిక విచలనాలను సెట్ చేస్తాయి. మారుతున్న ధర చర్య ప్రకారం ఈ బాహ్య బ్యాండ్లు కదిలే సగటుతో డోలనం చెందుతాయి.
అనేక ఇతర ఉపయోగకరమైన అనువర్తనాలతో పాటు, బోలింగర్ బ్యాండ్లను మార్కెట్ అస్థిరతకు సూచికగా ఉపయోగిస్తారు. భద్రత గొప్ప అస్థిరతను అనుభవించినప్పుడు, బ్యాండ్లు చాలా విస్తృతంగా ఉంటాయి. అస్థిరత తగ్గడంతో, బ్యాండ్లు ఇరుకైనవి, EMA కి దగ్గరగా కౌగిలించుకుంటాయి. చాలా రేంజ్-బౌండ్ చార్టులు కూడా ఎప్పటికప్పుడు, సంపాదన నివేదికలు లేదా ఉత్పత్తి విడుదలల తర్వాత, అస్థిరతను క్లుప్తంగా అనుభవిస్తాయి. ఈ చార్టులలో, సాధారణంగా ఇరుకైన బోలింగర్ బ్యాండ్లు హఠాత్తుగా బబుల్ అవుతాయి. విషయాలు మళ్లీ స్థిరపడిన తర్వాత, బ్యాండ్లు ఇరుకైనవి. అనేక పెట్టుబడి పద్ధతులు మారుతున్న పోకడలపై ఆధారపడి ఉంటాయి కాబట్టి, అధిక అస్థిర స్టాక్‌లను ఒక చూపులో గుర్తించగలగడం ముఖ్యంగా ఉపయోగకరమైన సాధనం.
పరిగణించవలసిన ఇతర డేటా
ముఖ్యమైనది అయినప్పటికీ, ప్రామాణిక విచలనాలు ఒక వ్యక్తి పెట్టుబడి లేదా పోర్ట్‌ఫోలియో యొక్క విలువ యొక్క అన్ని కొలతలుగా తీసుకోకూడదు. ఉదాహరణకు, ప్రతి సంవత్సరం 5 శాతం మరియు 7 శాతం మధ్య తిరిగి వచ్చే మ్యూచువల్ ఫండ్ ప్రతి సంవత్సరం 6 శాతం మరియు 16 శాతం మధ్య తిరిగి వచ్చే పోటీ ఫండ్ కంటే తక్కువ ప్రామాణిక విచలనాన్ని కలిగి ఉంటుంది, అయితే ఇది మిగతా అన్ని విషయాలు సమానంగా ఉండటంతో నాసిరకం ఎంపిక.
ప్రామాణిక విచలనం మ్యూచువల్ ఫండ్ కోసం వార్షిక రాబడిని చెదరగొట్టడాన్ని మాత్రమే చూపిస్తుందని గమనించడం ముఖ్యం, ఇది ఈ కొలతతో భవిష్యత్తులో అనుగుణ్యతను సూచించదు. వడ్డీ రేటు మార్పులు వంటి ఆర్థిక అంశాలు మ్యూచువల్ ఫండ్ పనితీరును ఎల్లప్పుడూ ప్రభావితం చేస్తాయి. మ్యూచువల్ ఫండ్‌తో సంబంధం ఉన్న ప్రమాదాన్ని అంచనా వేసేటప్పుడు, ప్రామాణిక విచలనం అనేది స్వతంత్ర సమాధానం కాదు. ఉదాహరణకు, ప్రామాణిక విచలనం రాబడి యొక్క అనుగుణ్యత లేదా అస్థిరతను మాత్రమే చూపిస్తుంది కాని బీటాగా కొలుస్తారు, దాని బెంచ్‌మార్క్‌కు వ్యతిరేకంగా ఫండ్ ఎంత బాగా పనిచేస్తుందో చూపించదు.
పోర్ట్‌ఫోలియో కోసం ప్రమాదాన్ని కొలవడానికి ప్రామాణిక విచలనంపై ఆధారపడే మరొక సంభావ్య బలహీనత ఏమిటంటే ఇది డేటా విలువల యొక్క బెల్ ఆకారపు పంపిణీని umes హిస్తుంది. సగటు కంటే ఎక్కువ లేదా సగటు కంటే తక్కువ విలువలను సాధించడానికి అదే సంభావ్యత ఉందని సమీకరణం సూచిస్తుంది. చాలా దస్త్రాలు ఈ ధోరణిని ప్రదర్శించవు, మరియు హెడ్జ్ ఫండ్‌లు ముఖ్యంగా ఒక దిశలో లేదా మరొక దిశలో వక్రంగా ఉంటాయి.
పోర్ట్‌ఫోలియోలో ఎక్కువ సెక్యూరిటీలు, మరియు వివిధ రకాల సెక్యూరిటీలలో ఎక్కువ వైవిధ్యాలు, ప్రామాణిక విచలనం సముచితం కాకపోవచ్చు. అలాగే, ఏదైనా గణాంక నమూనా మాదిరిగా, పెద్ద డేటా సెట్లు చిన్న డేటా సెట్ల కంటే నమ్మదగినవి. పై ఉదాహరణలో 4.9 శాతం సగటు మరియు 2.46 శాతం ప్రామాణిక విచలనం ఐదు బదులు 50 వేర్వేరు లెక్కల నుండి ఉత్పత్తి చేయబడిన అదే విలువలు వలె నమ్మదగినవి కావు.
(సంబంధిత పఠనం కోసం, చూడండి: ప్రామాణిక విచలనం మరియు సగటు విచలనం మధ్య తేడా ఏమిటి? )
