标准差（Standard Deviation）完整教学：计算方式、常态分布的极限与交易应用

标准差（Standard Deviation，符号 σ）是衡量一组数据离散程度的统计量，在交易上用来量化价格的波动幅度——σ 越大代表价格摆动越剧烈，越小则代表市场相对平静。

它是波动率的计算基础，也是布林通道、夏普比率等工具的共同原料。但多数介绍只停在公式与「68-95-99.7 法则」，忽略了一件对交易者更重要的事：金融市场的报酬分布并不服从常态分布，课本上的机率数字在极端行情下并不适用。

本文将从定义与计算方式出发，说明标准差在交易上的判读方法、常态分布假设的极限、MT4/MT5 内建指标的用法，以及如何用它设定止损与仓位大小。

1. 标准差是什么？先建立直觉

定义：衡量「离散程度」的统计量

标准差（Standard Deviation）衡量的是一组数据相对于平均值的分散程度。数值越大，代表资料点离平均值越远、分布越分散；越小则代表资料集中在平均值附近。

在金融市场中，这组数据通常是某段期间的收盘价或报酬率，因此标准差就成为波动率最直接的量化方式。两档商品的平均报酬即使相同，标准差较大的那一档，过程中的起伏也会剧烈得多。

为什么交易者需要认识它

标准差不只是一个独立指标。布林通道的上下轨是「移动平均 ± 2 倍标准差」，夏普比率的分母是报酬的标准差，多数风险模型也以它为起点。

换句话说，只要使用技术分析工具，就等于间接在使用标准差。理解它的意义与限制，才能看懂这些工具真正在告诉你什么。

2. 标准差怎么算？公式、范例与两种算法

计算步骤

标准差的计算可以拆成四步：

• ①求平均值：把期间内所有数值加总后除以个数。
• ②求离差：每个数值减去平均值。
• ③求方差：把所有离差平方后取平均。平方是为了让正负偏离都成为正值。
• ④开根号：方差开平方根，即为标准差。

第③步得到的方差（Variance）与标准差是同一件事的两种呈现。方差的单位是原始单位的平方，不易解读；开根号后单位还原，才能直接与价格比较——这就是实务上使用标准差而非方差的原因。

用三个数字实际算一次

假设某商品连续三天的收盘价为 100、101、99：

• 平均值 =（100 + 101 + 99）÷ 3 = 100
• 各自的离差 = 0、+1、−1
• 离差平方后相加 = 0 + 1 + 1 = 2
• 除以个数 3，得方差 ≈ 0.67；开根号后 σ ≈ 0.82

数字本身不重要，重要的是这个流程：把「偏离平均多少」变成一个可以比较的单一数值。

总体标准差与样本标准差的差别

计算时有两种除数，这是最常见的困惑点：

类型	除数	使用时机
总体标准差	n	手上的数据就是全部的观察对象
样本标准差	n−1	用一部分样本推算整体，需做贝塞尔校正

值得注意的是，MT4/MT5 的内建指标、布林通道的原始定义，以及 TradingView 的默认设置，都采用总体标准差（除以 n）。

沿用上面的例子：除以 3 得到 σ ≈ 0.82，若改成除以 n−1（也就是 2），σ 则为 1.00。同一组数字，算法不同就会得出不同结果。

严格来说，20 根 K 线只是市场的一个样本，统计学上使用 n−1 更合理。但平台选择了 n，而 Excel 的 STDEV.S 默认是 n−1——这正是自行验算时数字对不上的原因。以 20 期计算，两者差异约 2.6%，对交易判断几乎没有影响，知道差异来源即可。

3. 标准差在交易上怎么判读？

没有绝对的高低标准

标准差是有单位的绝对值，会随商品价格与时间周期改变。黄金的 σ 与欧元兑美元的 σ 不能直接比较，日线的 σ 也必然大于 15 分钟线。

因此判读的重点不是数值本身，而是与自身历史比较：目前的 σ 相对于过去一段时间是偏高还是偏低。

波动具有聚集性

市场波动有一项稳定的特性：高波动之后倾向于延续高波动，平静之后倾向于延续平静，也就是所谓的波动聚集（Volatility Clustering）。

这代表 σ 的变化本身带有资讯。σ 由低转高，通常意味著行情刚从盘整转入趋势；σ 持续处于高档后开始收敛，则往往是波动阶段接近尾声的线索。

不过要提醒一点：σ 升高只说明波动变大，不代表出现趋势。例如美联储公布利率决议的当下，价格上下剧烈扫动、σ 明显抬升，但收盘可能又回到原点。标准差作为波动率指标，衡量的始终是幅度而非方向。

换算为年化波动率

比较不同商品或不同期间时，常会把标准差年化。做法是将日标准差乘上交易日数的平方根：

年化波动率 = 日标准差 × √252

252 是美股一年的交易日数，交易员也常用 ×16（√256 的近似）心算。外汇虽然是 24 小时交易，但每周仅五天，计算已实现波动率时同样以交易日为基础（252 或 260 皆有人使用，两者差异仅约 1.6%）。

真正需要留意的是另一件事：期权市场报价的隐含波动率采用 365 天的日历日基准，与上述的交易日基准相差约 20%，两者不可直接比较。

另需注意，平方根法则成立的前提是报酬彼此独立。实际市场存在波动聚集，这个前提并不成立，因此年化结果只是近似值，可能偏高也可能偏低，不宜当作精确的风险上限。

4. ±2σ 真的涵盖 95% 吗？

这是交易者最需要修正的一个观念。

常态分布的理论值

在常态分布中，约 68.3% 的数据落在 ±1σ、95.4% 落在 ±2σ、99.7% 落在 ±3σ，这就是常被引用的 68-95-99.7 法则。

但这些数字描述的是常态分布本身的性质，成立的前提是资料真的服从常态分布。

市场并不服从常态分布

实际的价格报酬呈现「肥尾」（Fat Tail）特征：极端变动出现的频率高于常态分布的预测。学术研究指出，金融报酬的尾部指数多落在 2 到 5 之间，已排除常态分布；这项特性从分钟级到日线都成立。

布林通道的创始人约翰・布林格在官方规则中直接说明了这一点：以默认参数计算时，实务上通常约有 90%（而非 95%）的数据落在通道内。他并明确提醒，不应依据通道所使用的标准差计算去做统计推论，因为证券价格的分布并非常态，且多数情况下的样本数不足以具备统计意义。

先厘清：两个「±2σ」量的不是同一件事

谈到这里很容易产生一个混淆，必须先分清楚：

说法	衡量的对象	实际数字
布林通道约 90%	价格相对于会移动的通道（均线 ±2σ）	约 90% 在通道内
报酬分布的 ±2σ	报酬相对于自身的平均值与标准差	约 95% 在范围内

前者的通道中心与宽度每根 K 线都在变动，且仅取 20 期样本；后者则是把长期报酬视为一个固定的分布来统计。两者的数字不能互相比较，也不互相矛盾。

崩坏的位置在 ±3σ，而不是 ±2σ

回到报酬分布这一侧，这里有一个常被误传的说法需要修正。以美股三十年的日报酬资料为例，实际落在 ±2σ 之外的比例约为 4.5%，与常态分布预测的 4.55% 相当接近。

在不少成熟股票市场的日报酬中，±2σ 的经验比例通常与常态分布相去不远（个别商品与不同时间周期仍会有差异，不宜一概而论）。

真正失准的是更外侧的区间：±3σ 之外的交易日，实际出现次数约为理论值的五倍以上。同时，落在 ±1σ 内的比例（约 79%）也明显高于理论的 68%。

把这两件事合起来看，市场的分布形状是中间更尖、两端更厚、中间偏外的「肩部」被削薄。多数时候比常态分布更平静，少数时候则远比它剧烈——真正造成重大亏损的，正是那些理论上几乎不该发生的日子。

此外，随著观察周期拉长（由日线改为周线、月线），报酬分布会逐渐接近常态。因此肥尾问题在短周期交易上最为严重，而这正是多数散户实际操作的区间。

5. MT4/MT5 标准差指标（StdDev）怎么用

指标位置与默认参数

MT4/MT5 都内建了标准差指标（Standard Deviation Indicator，图表上显示为 StdDev）。以 MT5 为例，加入路径为：插入 → 指标 → 走向 → Standard Deviation。

这里有个容易卡住的地方：标准差衡量的是波动性，却被放在「走向」这个以趋势为名的类别下，第一次找的时候很容易漏看。左侧导航窗口的「指标」项下也是同样的分类方式。

加入后默认周期为 20，指标会显示在主图下方的独立窗口中，左上角标示为 StdDev(20)。MT4 同样内建这项指标，菜单名称与 MT5 略有差异，但同样位于趋势类的指标分类之下。

怎么读这条线

StdDev 是单一曲线，没有方向性，只反映波动的大小：

• 数值升高：波动扩大，行情进入活跃阶段。
• 数值处于低档并走平：市场陷入盘整，往往是后续突破的酝酿期。
• 由低档快速抬升：常伴随突破发生，可作为确认讯号。

由于它不提供多空方向，实务上多与移动平均线或趋势指标搭配，用来确认「这个突破有没有量能」。

需要区分的是，MT5 另有一个「标准差通道」（Standard Deviation Channel），那是绘制在线性回归线周围的图形对象，与这里的 StdDev 指标是不同的东西。

6. 标准差、布林通道与 ATR 的分工

三者都在衡量波动，但取材与呈现方式不同，适用的场合也不一样。

工具	计算基础	呈现方式	适合回答的问题
标准差（StdDev）	收盘价相对均线的离差	独立窗口的单一曲线	现在的波动是大还是小？
布林通道	同上，但映射回价格	主图上的通道	价格相对于常态范围在哪里？
ATR	真实波幅，含跳空缺口	独立窗口的单一曲线	平均每根 K 线走多远？

一句话区分三者：标准差衡量价格的离散程度，ATR 衡量平均每根 K 线的波幅，布林通道则把标准差映射回价格轴上。

关键差异在于：标准差只看收盘价，会忽略盘中的高低点与跳空；ATR 则纳入跳空缺口，因此在开盘跳空频繁的市场中更能反映实际风险。

若目的是设定止损距离，ATR 通常更贴近实务；若目的是判断波动状态或搭配布林通道使用，标准差更为直接。

7. 实战：用标准差设定止损与仓位大小

用 σ 决定止损距离

固定点数的止损有个问题：市场平静时过宽，波动放大时又太窄，很容易被正常的波动扫出场。

以标准差为基准可以避开这个问题。常见做法是将止损设在入场价的 1.5 至 2 倍 σ 之外——波动扩大时止损自动放宽，波动收敛时自动收紧，始终与当下的市场节奏一致。

比较项目	固定点数止损	σ 止损
止损距离	固定值，例如 50 点	随波动变动，例如 2σ
行情平静时	相对过宽，风险回报比变差	自动收紧
行情剧烈时	相对过窄，容易被扫出场	自动放宽
仓位大小	每笔大致相同	波动越大，仓位越小

用 σ 反推仓位大小

止损距离确定后，仓位大小便可由风险上限反推：

仓位大小 = 可承受风险金额 ÷ 止损距离

假设单笔交易愿意承担账户 1% 的风险，而黄金当下的日 σ 换算后止损需设在 20 美元之外，则仓位规模就以「1% 资金 ÷ 20 美元」计算。

这个做法的意义在于：波动越大的行情，仓位自动越小，使每笔交易的风险曝险维持一致，而不会在最剧烈的时候押上最大的仓位。

短周期同样适用

多数资料只示范把日标准差年化，但同一套逻辑也可以往下延伸。以 15 分钟或 1 小时线计算 σ，即可得到符合日内交易或短线波段节奏的止损距离，不必沿用日线的尺度。

8. 标准差常见问题 FAQ

Q1：标准差和方差有什么不同？

方差是离差平方后的平均值，标准差则是方差开根号。两者衡量的是同一件事，差别在於单位——方差的单位是原始单位的平方，标准差则还原为原始单位，因此能直接与价格比较，实务上使用得更普遍。

Q2：标准差多少算大？

没有通用标准。标准差是绝对值，会随商品价格与时间周期改变，不同商品之间无法直接比较。判断方式应该是与该商品自身的历史区间比较，或先年化后再进行跨商品比较。

Q3：为什么我在 Excel 算出来的数字和图表不一样？

多半是除数不同。图表平台采用总体标准差（除以 n），而 Excel 的 STDEV.S 默认为样本标准差（除以 n−1）。若要与平台一致，应改用 STDEV.P。以 20 期计算，两者差异约 2.6%。

Q4：标准差可以判断多空方向吗？

不行。标准差只衡量波动的大小，不含方向资讯，σ 上升仅代表波动扩大，无法说明是往上或往下。它的角色是波动滤网与风险尺度，判断方向仍须搭配趋势或动能指标。

9. 总结

标准差是波动率的计算基础，也是布林通道、夏普比率等众多工具的共同原料。理解它的计算方式与判读原则，才能看懂这些工具背后真正的逻辑。

对交易者而言，有两点特别值得记住。第一，68-95-99.7 是常态分布的性质而非市场的保证：±2σ 大致吻合，但 ±3σ 以外的极端行情远比理论频繁。第二，标准差最实用的价值不在预测方向，而在于把抽象的「波动大小」转换成具体的止损距离与仓位大小，让风险控制随市场节奏自动调整。

---

延伸阅读

• Sharpe Ratio（夏普比率）是什么？
• Sortino Ratio（索提诺比率）是什么？
• 布林通道 6 大实战策略
• RSI指标入门：计算方式、解读方法与实战应用
• 美元/日元（USD/JPY）实时报价

---

主要来源（按类别）

• 指标开发者・原始资料：Bollinger Bands 官方网站「Bollinger Band Rules」第 14 条 — 通道实际涵盖率与统计假设的限制；MetaQuotes MT4/MT5 官方说明 — Standard Deviation 指标的计算式与参数
• 学术研究：Cont, R. (2001)「Empirical properties of asset returns」— 报酬分布的肥尾、波动聚集与尾部指数；Hull, J. C.《Options, Futures, and Other Derivatives》§13.4 — 交易日基准的年化方式；Diebold et al. (1997)「Converting 1-Day Volatility to h-Day Volatility」— 平方根法则的适用限制
• 市场统计：S&P 500 长期日/周/月报酬的分布与 σ 事件次数统计；Titan FX 即时报价与图表