基金标准差如何计算？
首先，标准差的概念就值得商榷。 标准差是什么？它代表的是离散程度啊！也就是样本数据向中心点（均值）靠拢的程度啊！ 但实际中，我们通常把平均值理解为“期望”，即对样本数据的期望值，那么平均标准差就意味期望值离散程度了嘛～ 但是实际上并非如此： 举个栗子：假定我们测量100个同学的身高，得到如下数据：173，168，152，148，195，172，182，165，170...每两个数值之间相差1公分。那么根据公式计算的标准差是7.3CM。但这能说明我们的标准差真的这么大嘛？我想应该不能吧～ 因为这只是一个典型的例子啊，它的本质是：这些数据本身存在显著偏倚（100个人的身高不可能真的在173到195之间分布）所以，如果我们想客观的度量这个“随机过程”的实际离散程度，就应该先消除这种偏倚才行。
而假如我们能找到一种方法，能使我们后续的步骤对所有情况都适用，那么这个算法无疑就是最合适的了。而这个方法的关键就在于：对原始数据进行线性变换的时候，要保证变换后的数据服从正态分布N(0，σ^2)。 而符合这一条件的变换函数必然同时满足： 在[-∞，+∞]上连续 可微 其导数函数为[-∞，+∞]上的正态分布密度函数 第一个条件保证无论原数据是什么样的分布，经过一次变换，总能变成正态分布；第二个和第三个条件保证了变换后得到的变量确实具有可微性和求导后的正态性。
对于金融时间序列数据而言，最常使用的工具是ARMA模型，其原理就是通过自回归滑动平均方法建立残差序列，由于残差序列符合正态分布，因此通过上述变换，就可以把原本的数据拉成比较“正常”的样子啦~然后标准差也就好算了呀… 至于用Excel怎么算标准差我也不想多说，百度一下都有好多…