XYZ-анализ: как узнать, сколько товара должно быть на складе

XYZ анализ. Определение

XYZ анализ ­(англ. XYZ-analysis) – это метод классификации ресурсов компании по трем группам на основе их изменчивости (устойчивости). Объектами применения XYZ-анализа могут выступать различные экономические показатели компании: объем продаж, выручка, материальные затраты, количество поставщиков и т.д. Одним из самых распространенных направлений применения данного метода является определение товаров, которые имеют устойчивый спрос (объемы продаж), сезонный и случайный. Это позволяет произвести оптимизацию складских запасов и высвободить дополнительные ресурсы.

Вся суть XYZ-анализа в одном примере

Для XYZ-анализа нам понадобится статистика по продажам товаров за несколько месяцев. Смысл метода — понять, насколько устойчив спрос на товар в разные периоды.

Для примера возьмем условный магазин канцтоваров. Ассортимент ограничим десятью позициями — чтобы не усложнять.

Таблица с первичными данными у нас примет такой вид.

Ассортимент и продажи магазина канцтоваров для XYZ-анализа

Исходные данные для XYZ-анализа. Все цифры здесь и далее использованы для примера, с каким-либо реальным бизнесом возможны только случайные совпадения.

Теперь задача — рассчитать, как меняется объем продаж по каждому товару от месяца к месяцу. Этот показатель измеряется в процентах и называется коэффициентом вариации. В голове этого делать не надо — умная электронная табличка сама все знает.

XYZ-анализ. Разделение на группы.

XYZ-анализ распределяет весь продаваемый ассортимент на 3 группы: X, Y, Z соответственно.

1. Категория X означает, что позиция потребляется регулярно, а объемы колеблются незначительно. Прогнозировать ее достаточно легко и показатель точности прогнозирования по ней чаще всего превышает 80%, а уровень сервиса по данной позиции будет максимальным. Периодически необходимо следить за прогнозными показателями.
2. Категория Y означает, что позиция не всегда потребляется регулярно, либо ее объемы подвергаются колебаниям. Чаще всего данные колебания предсказуемы и причины их известны: небольшие промо-активности, сезонность/цикличность продаж или праздники. Сложность прогнозирования — средняя (точность чаще всего выше 70%), а частота наблюдения за прогнозными показателями должна быть высокой (предполагается, что если объем продаж по позиции данной категории крайне низкий, частоту наблюдений можно снизить). Уровень сервиса по данной категории высокий, но не максимальный.
3. Категория Z означает, что позицию потребляется совсем не регулярно, объемы за разные периоды очень сильно отличаются. Построить корректный прогноз по позициям данной категории крайне сложно, иногда вообще невозможно. Точность прогнозирования 50% и выше. Чаще всего для прогнозирования категории Z используют либо методы экспертных оценок, либо интуитивные методы, либо сложные математические методы (например, бутстрэппинг). Контроль прогнозных значений по данным позициям должен быть постоянным (также, зависит от объемов продаж). Уровень сервиса по позициям данной категории, естественно, низкий.

Как сделать XYZ анализ?

Теперь сегментируем наши коэффициенты вариации и присваиваем каждому одну из 3-х букв X Y и Z

• X — для рядов с коэффициентом вариации от 0% до 10%
• Y — для рядов с коэффициентом вариации от 10% до 25%
• Z — для рядов с коэффициентом вариации от 25% и больше

Как рассчитать коэффициент вариации в Excel

Коэффициент вариации — это показатель, отражающий разброс значений относительно среднего (отношение стандартного отклонения к среднему значению). Коэффициент вариации измеряется в процентах и отражает однородность временного ряда.

Коэффициент вариации — это отличный показатель, который поможет вам в подготовке данных для прогноза. Коэффициент вариации — индикатор, который поможет вам выделить ряды, на которые стоит обратить внимание перед расчетом прогноза и очистить данные от случайных факторов.

Если коэффициент равен 0%, то ряд абсолютно однородный, т.е. все значения между собой равны.

Если коэффициент вариации больше 33%, то по классической теории ряд считается неоднородным, т.е. большой разброс данных относительно среднего значения.

Например:

Ряд	Oct-12	Nov-12	Dec-12	Коэффициент вариации
Однородный ряд	100	100	100	0%
Неоднородный ряд	150	1	300	81%

Как рассчитать коэффициент вариации в Excel

Коэффициент вариации = отношение стандартного отклонения к среднему

В Excel коэффициент вариации можно рассчитать с помощью следующей формулы:

=СТАНДОТКЛОНПА(ссылка на ряд)/(СУММ(ссылка на ряд)/СЧЁТЕСЛИ(ссылка на ряд;»>0″))

где

• СТАНДОТКЛОНПА(J6:M6) — формула для расчета значения стандартного отклонения в Excel за анализируемый период;
• (СУММ(J6:M6)/СЧЁТЕСЛИ(J6:M6;»>0″)) — среднее за анализируемый период;

Вводим формулу в ячейку, получаем расчет коэффициента вариации

Протягиваем формулу на весь массив данных.

XYZ-анализ: пример расчета в Excel

Данный метод нередко применяют в дополнение к АВС-анализу. В литературе даже встречается объединенный термин АВС-XYZ-анализ.

За аббревиатурой XYZ скрывается уровень прогнозируемости анализируемого объекта. Этот показатель принято измерять коэффициентом вариации, который характеризует меру разброса данных вокруг средней величины.

Коэффициент вариации – относительный показатель, не имеющий конкретных единиц измерения. Достаточно информативный. Даже сам по себе. НО! Тенденция, сезонность в динамике значительно увеличивают коэффициент вариации. В результате понижается показатель прогнозируемости. Ошибка может повлечь неправильные решения. Это огромный минус XYZ-метода. Тем не менее…

Возможные объекты для анализа: объем продаж, число поставщиков, выручка и т.п. Чаще всего метод применяется для определения товаров, на которые есть устойчивый спрос.

Алгоритм XYZ-анализа:

1. Расчет коэффициента вариации уровня спроса для каждой товарной категории. Аналитик оценивает процентное отклонение объема продаж от среднего значения.
2. Сортировка товарного ассортимента по коэффициенту вариации.
3. Классификация позиций по трем группам – X, Y или Z.

Критерии для классификации и характеристика групп:

1. «Х» — 0-10% (коэффициент вариации) – товары с самым устойчивым спросом.
2. «Y» — 10-25% — товары с изменчивым объемом продаж.
3. «Z» — от 25% — товары, имеющие случайный спрос.

Составим учебную таблицу для проведения XYZ-анализа.

1. 1. Рассчитаем коэффициент вариации по каждой товарной группе. Формула расчета изменчивости объема продаж: =СТАНДОТКЛОНП(B3:H3)/СРЗНАЧ(B3:H3).
2. Классифицируем значения – определим товары в группы «X», «Y» или «Z». Воспользуемся встроенной функцией «ЕСЛИ»: =ЕСЛИ(I3

В группу «Х» попали товары, которые имеют самый устойчивый спрос. Среднемесячный объем продаж отклоняется всего на 7% (товар1) и 9% (товар8). Если есть запасы этих позиций на складе, компании следует выложить продукцию на прилавок.

Шаг 1: расчет стандартного отклонения

Стандартное отклонение, или, как его называют по-другому, среднеквадратичное отклонение, представляет собой квадратный корень из дисперсии. Для расчета стандартного отклонения используется функция СТАНДОТКЛОН. Начиная с версии Excel 2010 она разделена, в зависимости от того, по генеральной совокупности происходит вычисление или по выборке, на два отдельных варианта: СТАНДОТКЛОН.Г и СТАНДОТКЛОН.В.

Синтаксис данных функций выглядит соответствующим образом:
= СТАНДОТКЛОН(Число1;Число2;…)
= СТАНДОТКЛОН.Г(Число1;Число2;…)
= СТАНДОТКЛОН.В(Число1;Число2;…)

1. 1. Для того, чтобы рассчитать стандартное отклонение, выделяем любую свободную ячейку на листе, которая удобна вам для того, чтобы выводить в неё результаты расчетов. Щелкаем по кнопке «Вставить функцию». Она имеет внешний вид пиктограммы и расположена слева от строки формул.

1. 1. Выполняется активация Мастера функций, который запускается в виде отдельного окна с перечнем аргументов. Переходим в категорию «Статистические» или «Полный алфавитный перечень». Выбираем наименование «СТАНДОТКЛОН.Г» или «СТАНДОТКЛОН.В», в зависимости от того, по генеральной совокупности или по выборке следует произвести расчет. Жмем на кнопку «OK».

1. 1. Открывается окно аргументов данной функции. Оно может иметь от 1 до 255 полей, в которых могут содержаться, как конкретные числа, так и ссылки на ячейки или диапазоны. Ставим курсор в поле «Число1». Мышью выделяем на листе тот диапазон значений, который нужно обработать. Если таких областей несколько и они не смежные между собой, то координаты следующей указываем в поле «Число2» и т.д. Когда все нужные данные введены, жмем на кнопку «OK»
2. В предварительно выделенной ячейке отображается итог расчета выбранного вида стандартного отклонения.

Шаг 2: расчет среднего арифметического

Среднее арифметическое является отношением общей суммы всех значений числового ряда к их количеству. Для расчета этого показателя тоже существует отдельная функция – СРЗНАЧ. Вычислим её значение на конкретном примере.

1. 1. Выделяем на листе ячейку для вывода результата. Жмем на уже знакомую нам кнопку «Вставить функцию».

1. 1. В статистической категории Мастера функций ищем наименование «СРЗНАЧ». После его выделения жмем на кнопку «OK».

1. 1. Запускается окно аргументов СРЗНАЧ. Аргументы полностью идентичны тем, что и у операторов группы СТАНДОТКЛОН. То есть, в их качестве могут выступать как отдельные числовые величины, так и ссылки. Устанавливаем курсор в поле «Число1». Так же, как и в предыдущем случае, выделяем на листе нужную нам совокупность ячеек. После того, как их координаты были занесены в поле окна аргументов, жмем на кнопку «OK».
2. Результат вычисления среднего арифметического выводится в ту ячейку, которая была выделена перед открытием Мастера функций.

Шаг 3: нахождение коэффициента вариации

Теперь у нас имеются все необходимые данные для того, чтобы непосредственно рассчитать сам коэффициент вариации.

1. 1. Выделяем ячейку, в которую будет выводиться результат. Прежде всего, нужно учесть, что коэффициент вариации является процентным значением. В связи с этим следует поменять формат ячейки на соответствующий. Это можно сделать после её выделения, находясь во вкладке «Главная». Кликаем по полю формата на ленте в блоке инструментов «Число». Из раскрывшегося списка вариантов выбираем «Процентный». После этих действий формат у элемента будет соответствующий.

1. 1. Снова возвращаемся к ячейке для вывода результата. Активируем её двойным щелчком левой кнопки мыши. Ставим в ней знак «=». Выделяем элемент, в котором расположен итог вычисления стандартного отклонения. Кликаем по кнопке «разделить» (/) на клавиатуре. Далее выделяем ячейку, в которой располагается среднее арифметическое заданного числового ряда. Для того, чтобы произвести расчет и вывести значение, щёлкаем по кнопке Enter на клавиатуре.
2. Как видим, результат расчета выведен на экран.

Таким образом мы произвели вычисление коэффициента вариации, ссылаясь на ячейки, в которых уже были рассчитаны стандартное отклонение и среднее арифметическое. Но можно поступить и несколько по-иному, не рассчитывая отдельно данные значения.

1. 1. Выделяем предварительно отформатированную под процентный формат ячейку, в которой будет выведен результат. Прописываем в ней формулу по типу:= СТАНДОТКЛОН.В(диапазон_значений)/СРЗНАЧ(диапазон_значений) Вместо наименования «Диапазон значений» вставляем реальные координаты области, в которой размещен исследуемый числовой ряд. Это можно сделать простым выделением данного диапазона. Вместо оператора СТАНДОТКЛОН.В, если пользователь считает нужным, можно применять функцию СТАНДОТКЛОН.Г.
2. После этого, чтобы рассчитать значение и показать результат на экране монитора, щелкаем по кнопке Enter.

Существует условное разграничение. Считается, что если показатель коэффициента вариации менее 33%, то совокупность чисел однородная. В обратном случае её принято характеризовать, как неоднородную.

XYZ-анализ. Границы/интервалы категорий.

Границы категорий для каждой из группы анализа могут быть разными и зачастую определяются экспертным путем. Чаще всего, в различных источниках, приводят в пример следующий вариант:

1. Если коэффициент вариации какой-либо продукции находится в пределах от 0% до 10%, то данная продукция входит в категорию X
2. Если коэффициент вариации находится в пределах от 10% до 25%, то данная продукция входит в категорию Y
3. Если коэффициент вариации от 25% и выше, то данная продукция входит в категорию Z

Однако, по моему опыту, в производстве с большими объемами, ассортиментом и клиентской базой, использование таких интервалов может быть необъективным: на продажи очень сильно влияют различные трейд-маркетинговые активности (промо, листинги), а также нестабильные заказы от экспортных или крупных оптовых клиентов, продукция для которых делается под заказ. В следствие этого, продукции категории X будет очень мало (или вообще не быть).

Для примера, я провел XYZ-анализ ассортимента одного производственного предприятия, которое специализируется на молочной продукции с еженедельными отгрузками до 1200 тонн и с ассортиментом более 300 SKU. Во время анализа, я использовал границы категорий, которые я привел в пример выше, и результат вышел печальный: позиций категории X — 0%, категории Y — 7%, категории Z — 93%. А это означает, что под контролем нужно держать практически все имеющиеся позиции, что является довольно сложной задачей.

Такая ситуация на крупных производствах будет довольно частой, и поэтому, предлагается установить границы категорий менее строгими:

1. Для категории X установить границы от 0% до 30%.
2. Для категории Y установить границы от 30% до 50%
3. Для категории Z установить границы от 50% и выше

Проведя расчеты с такими границами для того же самого предприятия, ситуация выглядит немного лучше: позиций категории X — 12%, категории Y — 11%, категории Z — 77%. Да, все равно все не очень хорошо, однако теперь список максимально нестабильных номенклатур немного меньше, и мы можем работать с ним более качественно.

Данные границы — это всего лишь рекомендация. Повторюсь, границы категорий лучше всего определять экспертным путем, то есть самостоятельно, основываясь на особенностях того или иного предприятия и на своем собственном опыте работы в этом предприятии.

Подводный камень XYZ-анализа

При всем удобстве XYZ-анализа у него есть огромный недостаток. Коэффициент вариации сильно зависит от сезонности спроса. И это снижает точность прогнозирования.

Мы не случайно выбрали для примера канцелярку. Спрос на этот товар зависит от сезона: продажи активизируются в августе, в преддверии учебного года. А с началом летних каникул в июне — спад.

Поэтому если мы исключим из анализа статистику продаж по июню, получим совсем другие результаты.

Результат XYZ-анализа без учета сезонного падения спроса в июне — распределение товаров между группами отличается от варианта с учетом июньской статистики продаж. Разнятся и коэффициенты вариации одних и тех же товаров.

Чтобы прогноз был максимально точным, надо разбить период XYZ-анализа на сезоны. И каждый сезон анализировать отдельно. А свои высокие и низкие сезоны бизнесмены знают.

XYZ-анализ: объединение с ABC-анализом.

Зачастую, XYZ-анализ используют в совокупности с ABC-анализом. Для тех, кто не знаком с ABC-анализом, я расскажу вкратце: он разделяет всю продукцию на 3 категории, в зависимости от объемов продаж (статья по нему будет чуть позже, а пока можно поискать информацию о нем в интернете, ее там в избытке). После объединения результатов двух анализов, весь наш ассортимент разделяется на 9 категорий, информацию о которых вы можете увидеть на изображении ниже (добавил градиент от зеленого к красному, чтобы отобразить, какие категории наиболее благоприятны):

Благодаря данному кросс-анализу, состоящему из XYZ и ABC-анализа можно:

• определять номенклатуры, за которыми нужен постоянный контроль
• определять номенклатуры, для которых требуются применять специальные методы прогнозирования
• выделять самые основные объемообразующие номенклатуры с высокой надежностью в прогнозировании
• понимать, какие номенклатуры могут «претендовать» на вывод из ассортимента
• понимать, какие должны быть страховые запасы
• и так далее, в зависимости от поставленных целей при проведении анализа.

Применение XYZ анализа при подготовке данных к прогнозу

Работая с большим массивом данных при подготовке данных к прогнозу, необходим индикатор, который будет подсказывать, на какие временные ряды в первую очередь стоит обратить внимание. В качестве индикатора вы можете использовать «коэффициент вариации» или XYZ анализ.

Если коэффициент вариации больше 10 — 25% или для Y и Z рядов, то изучаем данные (например, продажи товара по месяцам в разрезе направлений продаж) и определяем факторы, повлиявшие на отклонение.

Добавляем фильтр на столбец XYZ анализ и анализируем ряды.

Сначала отфильтруем ряды с коэффициентом вариации больше 25% или Z

Изучаем ряды с большими отклонениями фактических данных за последние 4-5 месяцев. Определяем причины провалов или резких подъёмов продаж. Готовим данные для прогноза. Очищаем данные от влияния случайных факторов или корректируем дефицит.

Также, если в ряду большая неоднородность, то имеет смысл группировать временной ряд. Например,

• Неоднородные продажи по месяцам свернуть до продаж по кварталам,
• Продажи по неделям свернуть до продаж по месяцам,
• Продажи по товарам свернуть до товарных групп…

Сделать прогноз по однородной группе более высокого уровня, а затем распределить пропорционально логики внутри группы.

О том, как сгруппировать временной ряд, читайте статью «Как сделать сводную и сгруппировать временные ряды?»

Затем выделяем ряды с коэффициентом вариации Y

Аналогично просматриваем каждый ряд, и в случае, если замечаете нестандартное поведение ряда, выявляете причины и в случае необходимости очищаете данные.

Рекомендуем создать список факторов (например, акции по стимулированию сбыта, отсутствие товара на складе, спец клиенты…), и для каждого из факторов определить показатель, который вычитаем или прибавляем к данным для прогноза.

После того, как данные очищены от факторов, которые в будущем не повторятся и подготовлены для прогноза, мы рассчитываем прогноз продаж.

Теперь при расчете прогноза на большом количестве временных рядов, вы можете придерживаться следующей схемы:

1. Рассчитываем коэффициент вариации;
2. Делаем XYZ анализ;
3. Готовим данные для прогноза (очищаем от случайных факторов или группируем временные ряды);
4. Строим прогноз;
5. Учитываем дополнительные факторы в прогнозе;

Что такое коэффициент вариации

Размер НМЦК определяется еще на этапе планирования. Эта сумма должна быть отражена в плане и план-графике. Непосредственно перед подготовкой извещения она корректируется с учетом сложившейся на тот момент экономической обстановки. Вопросы, связанные с НМЦК рассматриваются в статье 22 44-ФЗ. Методики ее расчета описаны в Приказе Министерства экономики и развития № 567 от 02 октября 2013 года. В этом же документе приводятся правила определения коэффициента вариации.

Разработано несколько методик выявления НМЦК: нормативная, тарифная, проектно-сметная, затратная. Самым приоритетным считается метод сопоставимых рыночных цен. Именно его рекомендуется использовать при определении стартовой цены. Он предполагает сравнение коммерческих предложений, предоставляемых потенциальными поставщиками по запросу заказчика. Для проведения такого анализа и применяется коэффициент вариации. Он выражается в процентах.

Под коэффициентом вариации понимается мера относительного разброса предлагаемых цен. Он показывает, какую долю занимает средний разброс цен от среднего значения цены. Этот показатель может принимать следующие значения:

1. Меньше 10%. В таком случае разница в ценах признается незначительной.
2. От 10% до 20%. Разброс считается средним.
3. От 20% до 33%. Разница признается значительной, но допустимой.
4. Свыше 33%. Данные неоднородны. При расчете НМЦК не допускается использовать данные с коэффициентом вариации свыше 33%.

Для определения коэффициента разработана специальная формула. По ней легко подсчитать параметр, подставив соответствующие данные. Упростить себе задачу можно, используя калькуляторы, которые сегодня широко представлены в интернете.

Что делать, если коэффициент завышен

Если при расчете коэффициента вариации получилось значение меньше 33%, то выборка признается однородной. Следовательно, полученное значение можно использовать для определения НМЦК.

Если возникла такая ситуация, что значение коэффициента оказывается выше 33 процентов, тогда потребуется внесение корректировок в используемые данные. Для этого проводится дополнительное исследование рынка. Необходимо собрать коммерческие предложения от большего количества поставщиков и повторить расчет на основе новых данных. Если собрать дополнительные предложения не получается, можно воспользоваться сведениями из ранее заключенных договоров, которые хранятся в реестре контрактов.

В крайней ситуации, когда никак не получается добиться нужного коэффициента вариации можно исключить из выборки неподходящие предложения. Вы также можете попросить поставщика указать в своем предложении нужную вам сумму.

Правила расчета

Методика расчета коэффициента вариации прописана в приказе Минэкономразвития № 567. Согласно действующим нормам заказчик должен направить не менее пяти запросов коммерческих предложений потенциальным поставщикам. Для расчета используются не менее трех предложений, полностью соответствующих требованиям заказчика.

Стоит отметить, что приказ № 567 не является нормативным актом, следовательно, его исполнение не обязательно. За его нарушение никаких штрафных санкций не предусматривается. Однако во избежание спорных ситуаций заказчика рекомендуется пользоваться именно этими правилами расчета.

Для определения коэффициента вариации применяется следующая формула:

Среднеквадратичное отклонение позволяет определить разброс данных. Для его определения выбирают среднюю цену и меру разброса. Вычислить среднеквадратичное отклонение удается по следующей формуле:

В ситуациях, когда закупка включает в себя одновременно несколько позиций, расчет ведется по каждой из них. Это позволяет выявить товары с наибольшим разбросом цен.

Пример расчета

Предположим, что государственное учреждение проводит закупку принтеров для собственных нужд. Потенциальным поставщикам были отправлены соответствующие запросы. Было получено четыре коммерческих предложения цен: 2500 рублей, 2800 рублей, 2450 рублей и 2600 рублей.

В первую очередь необходимо рассчитать среднеарифметическое значение цены

Следующим шагом становится расчет среднеквадратичного отклонения

Осталось только рассчитать коэффициент вариации

Полученное значение коэффициента меньше 33%, следовательно, все собранные данные подходят для расчета стартовой цены контракта. Расчет НМЦК и коэффициента вариации оформляются в форме отчета, который становится обязательной частью закупочной документации.

Коэффициент вариации – важный инструмент, позволяющий оценить правильность ценовых предложений, полученных от поставщиков. Поэтому при составлении документации заказчикам необходимо учитывать правила расчета этого показателя и особенности его применения.

Понимание коэффициента вариации

Коэффициент вариации показывает степень изменчивости некоторой выборки данных по отношению к среднему их значению. В финансах данный коэффициент позволяет инвесторам определить, насколько велика волатильность, или риск, по сравнению с величиной ожидаемой прибыли от инвестиций.

Чем меньше значение CV, тем лучший компромисс наблюдается между риском и доходностью. Обратите внимание, что если ожидаемая доходность в знаменателе отрицательна или равна нулю, полученное значение коэффициента может ввести вас в заблуждение.

Коэффициент вариации может быть весьма полезен при использовании соотношения риск/прибыль для выбора объекта инвестиций. Например, инвестор не склонный к риску будет рассматривать активы с исторически низкой степенью волатильности и высокой степенью доходности по отношению к общему рынку (или к отдельной отрасли). И наоборот, инвесторы склонные к риску, будут стремиться инвестировать в активы с исторически высокой степенью волатильности.

Формула CV может использоваться для определения дисперсии между исторической средней ценой и текущими показателями цены акции, товара или облигации.

Обычно данный коэффициент используют в таких целях как:

• Для сравнения нескольких различных рядов данных или показателей;
• Для оценки потенциальных объектов инвестирования;
• Для проведения XYZ-анализа.

КЛЮЧЕВЫЕ МОМЕНТЫ

• CV – это статистическая мера дисперсии в ряду данных вокруг среднего значения;
• В финансах CV позволяет инвесторам определить, насколько велика волатильность, или риск, по сравнению с величиной ожидаемой прибыли от инвестиций;
• Чем ниже величина отношения стандартного отклонения к средней доходности,тем лучше соотношение риска и доходности.

Формула CV

Ниже приведена формула для расчета коэффициента вариации:

Обратите внимание, что если значение ожидаемой доходности в знаменателе формулы коэффициента вариации отрицательна или равна нулю, то результат расчёта по ней нельзя считать корректным.

Коэффициент вариации в Excel и Open Office

Коэффициент вариации можно достаточно легко рассчитать в Excel. Несмотря на то, что в нём нет стандартной функции для расчёта CV, но зато есть функции позволяющие рассчитать стандартное отклонение (СТАНДОТКЛОН) и среднее значение (СРЗНАЧ). Сначала используйте функцию стандартного отклонения, затем вычислите среднее значение, а после этого разделите ячейку, содержащую стандартное отклонение, на ячейку содержащую среднее значение.

В Open Office данный показатель рассчитывается аналогично. Функция стандартного отклонения здесь — STDEV, а функция среднего значения — AVERAGE.

Давайте рассмотрим пример расчёта коэффициента вариации в Open Office. Предположим, что у нас есть три потенциальных объекта для инвестиций — объект А, объект Б и объект В. Прибыль по каждому из этих проектов за последние 6 лет занесена в таблицу представленную ниже:

Давайте рассчитаем значение CV для каждого из этих объектов. Начнём с расчёта стандартных отклонений. Для этого применим к ряду значений прибыли отдельно по каждому объекту функцию STDEV:

Аналогичным образом рассчитаем среднее значение для каждого ряда данных:

Наконец рассчитаем CV. Для этого разделим полученные значения отклонений на средние значения. В результате получим следующую таблицу:

Очевидно, что из всех представленных объектов инвестиций предпочтительным будет объект Б имеющий наименьшее значение коэффициента CV.

Пример использования коэффициента вариации для выбора объекта инвестиций

Рассмотрим инвестора не склонного к риску, который хочет инвестировать в биржевой фонд (ETF) состоящий из корзины ценных бумаг отслеживающей индекс широкого рынка. Инвестор выбирает SPDR S&P 500 ETF, Invesco QQQ ETF и iShares Russell 2000 ETF. Затем он анализирует доходность и волатильность выбранных ETF за последние 15 лет и предполагает, что в будущем они могут иметь аналогичную доходность в отношении к своим долгосрочным средним значениям.

Для принятия решения инвестором используется следующая 15-летняя историческая информация: