标准差 Standard Deviation：金融市场"波动率"的数学化测量

标准差（Standard Deviation, SD）是统计学概念在金融市场的应用，衡量价格波动率。是几乎所有量化指标的基础（布林带 / Z-Score / VaR / Sharpe / Sortino 等）。本文详解 SD 公式、应用、和波动率的关系。

1. 标准差公式

SD = √(Σ(X - μ)² / N)

• X：每个数据点
• μ：均值
• N：数据点数
• SD：均方根偏差

2. 标准差含义

注：基于正态分布。金融市场实际有"肥尾"（极端事件比正态预期多）。

3. 历史波动率 vs 隐含波动率

4. 年化波动率公式

年化 SD = 日 SD × √252

因为 1 年约 252 个交易日。

• EUR/USD 日 SD ≈ 0.5%
• EUR/USD 年化 SD ≈ 0.5% × √252 ≈ 7.9%

5. 不同品种年化波动率

6. SD 在金融指标中的应用

• 布林带：SMA ± 2 SD
• Z-Score：(X - μ) / SD
• VaR：μ - 1.65 × SD（95% VaR）
• Sharpe Ratio：超额收益 / SD
• Linear Regression Channel：拟合线 ± SD

7. SD 实战使用

7.1 仓位计算

风险 ≤ 净值 × 2 SD：

• 账户 $10K + EUR/USD SD 7%
• 2 SD = 14% = $1400 极端损失
• 仓位调整使损失 ≤ 此值

7.2 止损设置

• 1 SD 止损 = 较紧（容易扫损）
• 2 SD 止损 = 标准
• 3 SD 止损 = 较松（较少扫损）

7.3 极端事件评估

• 2015 瑞郎黑天鹅：EUR/CHF 跌 30% = 50+ SD 极端
• "5 SD 事件" 应该 200+ 万年才发生 1 次
• 金融市场实际每 10 年发生几次（肥尾）

8. 主流计算工具

• Excel：=STDEV()
• Python：numpy.std() / pandas.std()
• R：sd()
• 专业：Bloomberg / FactSet

9. SD 局限

• 假设正态分布（不完美）
• 对称对待上下波动（不区分）
• 对样本敏感
• 极端事件低估

10. SD 改进版

常见误区 / 风险提示

• 误区 1：SD 越小越好 — 错。SD 反映波动，本身不好不坏
• 误区 2：金融数据正态分布 — 错。有肥尾
• 误区 3：SD 单独可用 — 错。需配合其他工具

❓ 常见问题 FAQ

Q1：SD 多少算正常？

看品种。EUR/USD 日 SD 0.5% 是正常；BTC 日 SD 5% 是正常。每个品种有自身波动率范围，不能直接对比。

Q2：怎么用 SD 计算止损？

典型公式：止损 = 当前价 ± 2 × ATR(14)。ATR 是 SD 的近似。例：EUR/USD ATR 30 pip → 2 ATR 止损 60 pip。

Q3：年化 SD 怎么转日 SD？

日 SD = 年化 SD / √252。例：年化 7.9% → 日 SD ≈ 0.5%。

总结

• SD = 波动率的数学化测量
• 正态分布 68% / 95% / 99.7% 概率
• 金融指标基础（布林 / Z / VaR / Sharpe）
• 年化 SD = 日 SD × √252
• 金融市场有肥尾（极端事件多）

更多外汇返佣量化术语 量化术语，主流入驻经纪商 经纪商列表。

以上内容仅供学习参考，不构成投资建议。外汇 / CFD 交易存在高风险，请根据自身风险承受能力谨慎决策。