变异系数（COV）是相对事件离散度的度量，等于标准差和平均值之间的比率。虽然COV最常用于比较相对风险，但它可以应用于任何类型的定量可能性或概率分布。在不同的数学背景下，COV被计算为均方根误差和一个独立因变量的平均值之间的比值。尽管这种COV分析的使用频率较低，但在确定一个模型是否适合某一特定任务时，它可以起到很大的作用。

关键要点

• 在统计分析中，变异系数（COV）衡量相对事件离散度。 
• COV等于标准偏差和平均值之间的比率。虽然COV最常用于比较相对风险，但它可以应用于许多类型的概率分布。
• 如果样本中同时存在大量的正值和负值，COV就不实用。
• 当几乎所有数据点共享相同的正负号时，最好使用COV度量。

变异系数的应用

当用于评估投资风险时，COV可以被解释为类似于现代投资组合理论（MPT）中的标准差。但是COV可以说是比较不同证券相对风险的一个更好的整体指标。例如，假设两种不同的股票提供不同的回报率，每种股票表现出不同的标准差。具体来说，假设A股的预期收益率为15%，标准差为10%，而B股的预期收益率为10%，标准差为5%。在这种情况下，股票A的COV为0.67（10%/15%），而股票B的COV为0.5（5%/10%）。简单地说：数据表明，从基于风险的角度来看，B股是一种优越的投资。

变异系数的优点

COV的主要优点是它适用于任何给定的可量化数据，从而为两个不相关实体之间的比较分析铺平了道路。这种质量将COV与标准差分析分开，标准差分析不能促进两个自变量之间有意义的比较。

作为一种风险度量，COV度量股票和其他证券价格的波动性，让分析师对比与不同潜在投资相关的风险。这有助于财务顾问构建多元化的投资组合，以降低单一投资导致客户资产净值缩水的风险。

其他几个术语是COV的同义词，包括变异系数、单位风险和相对标准差。

零劣势

假设样本总体的平均值为零。换言之，零上和零下的所有值之和彼此相等。在这种情况下，COV的公式是无用的，因为它将有效地在分母中放置一个零。因此，在样本群体中，任何正值和负值的强烈存在对于COV分析都是有问题的。相反，当几乎所有的数据点共享相同的正负号时，COV度量会蓬勃发展。