Varians adalah pengukuran penyebaran antar angka dalam satu set data. Varians mengukur seberapa jauh setiap angka dalam himpunan adalah dari rata-rata.
Menggunakan bagan kumpulan data, kita dapat mengamati apa hubungan linier dari berbagai titik data, atau angka. Kami melakukan ini dengan menggambar garis regresi, yang berupaya meminimalkan jarak setiap titik data individual dari garis itu sendiri. Dalam bagan di bawah ini, titik data adalah titik biru, garis oranye adalah garis regresi, dan panah merah adalah jarak dari data yang diamati dan garis regresi.
Gambar oleh Julie Bang © Investopedia 2020
Ketika kita menghitung varian, kita bertanya, mengingat hubungan semua titik data ini, berapa jarak yang kita harapkan pada titik data berikutnya ? "Jarak" ini disebut istilah kesalahan, dan itulah yang diukur varians.
Dengan sendirinya, varians tidak sering berguna karena tidak memiliki unit, yang membuatnya sulit untuk diukur dan dibandingkan. Namun, akar kuadrat dari varians adalah standar deviasi, dan keduanya praktis sebagai ukuran.
Menghitung Varians di Excel
Menghitung varians di Excel mudah jika Anda memiliki set data yang sudah dimasukkan ke dalam perangkat lunak. Dalam contoh di bawah ini, kami akan menghitung varian 20 hari pengembalian harian dalam dana yang diperdagangkan di bursa yang sangat populer (ETF) bernama SPY, yang berinvestasi dalam S&P 500.
- Rumusnya adalah = VAR.S (pilih data)
Alasan Anda ingin menggunakan VAR.S dan bukan VAR.P (yang merupakan formula lain yang ditawarkan) adalah sering kali Anda tidak memiliki seluruh populasi data untuk diukur. Sebagai contoh, jika kita memiliki semua pengembalian dalam sejarah SPY ETF di tabel kita, kita bisa menggunakan pengukuran populasi VAR.P, tetapi karena kita hanya mengukur 20 hari terakhir untuk menggambarkan konsep, kita akan menggunakan VAR.S.
Seperti yang Anda lihat, nilai varians yang dihitung dari 0, 000018674 memberi tahu kita sedikit tentang kumpulan data, dengan sendirinya. Jika kita pergi ke akar kuadrat nilai itu untuk mendapatkan standar deviasi pengembalian, itu akan lebih berguna.
