రిస్క్ మేనేజ్మెంట్ కోసం భేదాభిప్రాయాన్ని ఎలా లెక్కించాలి

విషయ సూచిక:

Anonim

భేదం ప్రమాదాన్ని నిర్ణయించడానికి విస్తృతంగా ఉపయోగించే మెట్రిక్. వివిధ పెట్టుబడి దృశ్యాలు యొక్క సాపేక్ష అపాయాన్ని నిర్ణయించడానికి అంచనావేసే తిరిగి వచ్చే అవకాశం యొక్క మార్పును పెట్టుబడిదారులు లెక్కించారు. ప్రాజెక్ట్ మేనేజర్లు ఒక ప్రాజెక్ట్ బడ్జెట్ లేదా షెడ్యూల్ వెనుక ఉంటే గుర్తించడానికి భేదం లెక్కించేందుకు. భేదాభిప్రాయాన్ని లెక్కించే మూడు సాధారణ మార్గాలు ఉన్నాయి.

హిస్టారికల్ డాటా ఆధారంగా వైవిన్స్

డేటా పాయింట్ల సంఖ్యను సెట్ చేసిన డేటా మొత్తాన్ని విభజించడం ద్వారా సెట్ చేయబడిన డేటా యొక్క సగటును లెక్కించండి. ఈ ఉదాహరణలో, మూడు డేటా పాయింట్లు ఉన్నాయి: n1, n2 మరియు n3:

avg = (n1 + n2 + n3) / (3)

ప్రతి డేటా పాయింట్ మరియు డేటా సమితి యొక్క సగటు మధ్య వ్యత్యానాన్ని లెక్కించండి:

diff 1 = (n1 - avg) diff 2 = (n2 - avg) diff 3 = (n3 - avg)

స్క్వేర్ ప్రతి వ్యత్యాసం మరియు స్క్వేర్ వ్యత్యాసాలను జోడించవచ్చు:

(n1 - avg) ^ 2 + (n2 - avg) ^ 2 + (n3 - avg) ^ 2

సెట్ మైనస్ 1 లో డేటా సంఖ్య ద్వారా స్క్వేర్ తేడాలు మొత్తం భాగహారం:

2 (1 - n - avg) ^ 2 + (n2 - avg) ^ 2 + (n3 - avg) ^ 2 / (3-1)

వైవిన్స్-కోవెరియన్స్ ఆధారంగా

కోవర్నియన్ను లెక్కించడానికి ఎక్సెల్ యొక్క కావరియన్స్ ఫంక్షన్ ఉపయోగించండి.

ప్రామాణిక విచలనాన్ని 1.65 ద్వారా గుణించడం ద్వారా 5 శాతం సమయం వచ్చే ప్రమాదాన్ని లెక్కించండి.

ప్రామాణిక విచలనాన్ని 1.65 ద్వారా గుణించడం ద్వారా 5 శాతం సమయం వచ్చే ప్రమాదాన్ని లెక్కించండి.

2.33 ద్వారా ప్రామాణిక విచలనాన్ని గుణించడం ద్వారా 1 శాతం సంభవించే ప్రమాదాన్ని లెక్కించండి.

మోంటే కార్లో విధానం ఆధారంగా వైవిధ్యాలు

మీ డేటా సమితిని ప్రభావితం చేసే అంశాలకు సంబంధించి గణాంక పంపిణీని ఎంచుకోండి. ఉదాహరణకు, ఒక ప్రతిపాదిత పెట్టుబడి దృష్టాంతంలో ప్రమాదం భేదాన్ని లెక్కించినట్లయితే, గత పెట్టుబడుల గమనించిన పనితీరుతో సరిపోయే పంపిణీని ఎంచుకోండి.

మీరు ఎంచుకున్న గణాంక పంపిణీ నుండి 1,000 మరియు 10,000 రాండమ్ సంఖ్యలు మధ్య రూపొందించడానికి కంప్యూటర్ ప్రోగ్రామ్ను ఉపయోగించండి.

సంభావ్యత యొక్క ఫంక్షన్గా ఉత్పత్తి చేయబడిన డేటాను గ్రాఫ్ చేయండి మరియు ఫలిత పంపిణీ యొక్క వ్యత్యాసాన్ని లెక్కించండి.

చిట్కాలు

  • కంప్యూటర్ కార్యక్రమాలు భేదాభిప్రాయం, కోవియన్స్ మరియు మోంటే కార్లో అనుకరణలు లెక్కించడానికి సహాయపడతాయి.

హెచ్చరిక

ఎల్లప్పుడూ అంచనా వేయడం లేదా తక్కువగా అంచనా వేయడాన్ని నివారించడం సాధ్యమైనప్పుడు వాస్తవ డేటాకు లెక్కించిన గణాంకాలను సరిపోల్చండి.