为什么考虑风险时，与市场组合的协方差更重要？

1. 为什么考虑风险时，与市场组合的协方差更重要？

组合的方差是有协方差矩阵的和决定的

假如有N个资产构成一个组合
那么协方差有N的平方减N个

而方差只有N个

所以前者重要

这个告诉我们 股票的收益率看的是它对投资组合的风险贡献率 而不是自己的波动

- -说得比较抽象

2. 已知某项资产收益率与市场组合收益率之间的协方差为0.48，市场组合收益率的方差为0.36，则该资产的β？

本来就是除以标准差

3. 根据CAPM，一项收益与市场组合收益的协方差为零的风险资产，其预期收益率：

答案我选C，不知道正不正确，仅供参考。
由于CAPM的公式为：

Rj=Rf+（Rm-Rf）β ，
当协方差＝0时，应该说明该项受益与市场组合收益完全不相关，因此β＝0，因此Rj=Rf。
所以应该是这样吧～^_^

4. 某一股票与市场组合的协方差是什么意思？

　　方差描述了一组数列的波动情况，如果一个数列都是1种数，如1，1，1，1，1，1   那么它的方差为0
　　期望其实就是一组数的平均值
　　协方差是建立在方差分析和回归分析基础之上的一种统计分析方法
　　两个不同参数之间的方差就是协方差
　　相关系数r
　　相关系数是变量之间相关程度的指标。样本相关系数用r表示,总体相关系数用ρ表示,相关系数的取值范围为[-1,1]。|r|值越大，误差Q越小，变量之间的线性相关程度越高；|r|值越接近0，Q越大，变量之间的线性相关程度越低。
　　相关系数 又称皮（尔生）氏积矩相关系数，说明两个现象之间相关关系密切程度的统计分析指标。
　　相关系数用希腊字母γ表示，γ值的范围在-1和+1之间。
　　γ＞0为正相关，γ＜0为负相关。γ＝0表示不相关；
　　γ的绝对值越大，相关程度越高。
　　两个现象之间的相关程度，一般划分为四级：
　　如两者呈正相关，r呈正值，r=1时为完全正相关；如两者呈负相关则r呈负值，而r=-1时为完全负相关。完全正相关或负相关时，所有图点都在直线回归线上；点子的分布在直线回归线上下越离散，r的绝对值越小。当例数相等时，相关系数的绝对值越接近1，相关越密切；越接近于0，相关越不密切。当r=0时，说明X和Y两个变量之间无直线关系。通常|r|大于0.75时，认为两个变量有很强的线性相关性。
　　相关系数的计算公式为：
　　其中xi为自变量的标志值；i＝1，2，…n；■为自变量的平均值，
　　为因变量数列的标志值；■为因变量数列的平均值。
　　为自变量数列的项数。对于单变量分组表的资料，相关系数的计算公式为：
　　其中fi为权数，即自变量每组的次数。在使用具有统计功能的电子计算机时，可以用一种简捷的方法计算相关系数，其公式为：
　　使用这种计算方法时，当计算机在输入x、y数据之后，可以直接得出n、■、∑xi、∑yi、∑■、∑xiy1、γ等数值，不
　　必再列计算表。
　　参考资料：百度百科

5. 期望收益率、方差、协方差、相关系数的计算公式

2019帮考网基金从业-基础知识-资产收益率的期望、方差和协方差