Investor's wiki

预期收益

预期收益

什么是预期回报?

预期回报是投资者对具有已知历史回报率(RoR) 的投资的预期利润或损失。它的计算方法是将潜在结果乘以它们发生的机会,然后将这些结果相加。

了解预期回报

现代投资组合理论(MPT) 或Black-Scholes期权定价模型的著名模型。例如,如果一项投资有 50% 的机会获得 20%,而有 50% 的机会损失 10%,则预期回报为 5% = (50% x 20% + 50% x -10% = 5%).

预期回报是用于确定投资是否具有正或负平均净结果的工具。总和是根据投资在不同情景下的潜在回报计算得出的预期值(EV),如以下公式所示:

预期回报 = Σ (回报i x 概率i)

其中“i”表示每个已知回报及其在系列中的相应概率

预期回报通常基于历史数据,因此无法保证未来;但是,它确实经常设定合理的期望。因此,预期收益数字可以被认为是历史收益的长期加权平均值。

例如,在上述公式中,5% 的预期回报在未来可能永远无法实现,因为投资本身就存在系统性系统性风险。系统性风险是对市场部门或整个市场的危险,而非系统性风险则适用于特定公司或行业。

在考虑个人投资或投资组合时,一个更正式的金融投资预期回报等式是:

在哪里:

从本质上讲,这个公式表明,超过无风险回报率的预期回报取决于投资的贝塔系数,或与大盘相比的相对波动性。

预期收益和标准差是可用于分析投资组合的两个统计量度。投资组合的预期回报是投资组合可能产生的预期回报量,使其成为投资组合可能回报分布的平均值(平均值)。另一方面,投资组合的标准差衡量收益偏离其均值的程度,使其成为投资组合风险的代表。

预期回报不是绝对的,因为它是一个预测而非实际回报。

预期回报的限制

仅根据预期回报计算做出投资决策可能非常幼稚和危险。在做出任何投资决策之前,应始终审查投资机会的风险特征,以确定投资是否与其投资组合目标一致。

例如,假设存在两个假设投资。他们过去五年的年度业绩结果是:

  • 投资 A: 12%、2%、25%、-9% 和 10%

  • 投资 B:7%、6%、9%、12% 和 6%

这两项投资的预期回报率正好是 8%。但是,在分析每种风险的标准差时,投资 A 的风险大约是投资 B 的五倍。也就是说,投资 A 的标准差为 11.26%,投资 B 的标准差为 2.28%。标准差是分析师用来衡量投资的历史波动或风险的常用统计指标。

除了预期回报外,投资者还应考虑该回报的可能性。毕竟,人们可以找到某些彩票提供正预期回报的例子,尽管实现该回报的机会非常低。

TTT

预期返回示例

预期回报不仅仅适用于单一证券或资产。它还可以扩展为分析包含许多投资的投资组合。如果每项投资的预期回报已知,则投资组合的总体预期回报是其组成部分的预期回报的加权平均值。

例如,假设我们有一位对科技行业感兴趣的投资者。他们的投资组合包含以下股票:

  • Alphabet Inc., (GOOG):投资 500,000 美元,预期回报率为 15%

  • Apple Inc. (AAPL):投资 200,000 美元,预期回报率为 6%

  • Amazon.com Inc. (AMZN):投资 300,000 美元,预期回报率为 9%

投资组合总价值为 100 万美元,Alphabet、Apple 和 Amazon 在投资组合中的权重分别为 50%、20% 和 30%。

因此,总投资组合的预期收益为:

  • (50% x 15%) + (20% x 6%) + (30% x 9%) = 11.4%

## 强调

  • 预期回报是投资者可以预期从投资中获得的损益金额。

  • 预期回报的计算方法是将潜在结果乘以它们发生的几率,然后将这些结果相加。

  • 包含多项投资的投资组合的预期回报是每项投资的预期回报的加权平均值。

  • 无法保证预期回报。

## 常问问题

预期回报与标准差有何不同?

预期收益和标准差是可用于分析投资组合的两个统计指标。投资组合的预期回报是投资组合可能产生的预期回报量,使其成为投资组合可能回报分布的平均值(平均值)。另一方面,投资组合的标准差衡量收益偏离其平均值的量,使其成为投资组合风险的代表。

财务中如何使用预期回报?

预期收益计算是商业运营和金融理论的关键部分,包括著名的现代投资组合理论 (MPT) 模型或 Black-Scholes 期权定价模型。它是一种用于确定投资是否具有正或负平均净结果的工具。计算通常基于历史数据,因此无法保证未来的结果,但可以设定合理的预期。

###什么是历史回报?

历史回报是证券或指数(例如标准普尔 500 指数)的过去表现。分析师在尝试预测未来回报或估计证券对特定经济状况(例如消费者支出下降)的反应时会查看历史回报数据.在估计未来数据点的标准偏差可能落在哪里时,历史回报也很有用。