標準差（Standard Deviation）完整教學：計算方式、常態分佈的極限與交易應用

標準差（Standard Deviation，符號 σ）是衡量一組數據離散程度的統計量，在交易上用來量化價格的波動幅度——σ 越大代表價格擺動越劇烈，越小則代表市場相對平靜。

它是波動率的計算基礎，也是布林通道、夏普比率等工具的共同原料。但多數介紹只停在公式與「68-95-99.7 法則」，忽略了一件對交易者更重要的事：金融市場的報酬分布並不服從常態分佈，課本上的機率數字在極端行情下並不適用。

本文將從定義與計算方式出發，說明標準差在交易上的判讀方法、常態分佈假設的極限、MT4/MT5 內建指標的用法，以及如何用它設定停損與部位大小。

1. 標準差是什麼？先建立直覺

定義：衡量「離散程度」的統計量

標準差（Standard Deviation）衡量的是一組數據相對於平均值的分散程度。數值越大，代表資料點離平均值越遠、分布越分散；越小則代表資料集中在平均值附近。

在金融市場中，這組數據通常是某段期間的收盤價或報酬率，因此標準差就成為波動率最直接的量化方式。兩檔商品的平均報酬即使相同，標準差較大的那一檔，過程中的起伏也會劇烈得多。

為什麼交易者需要認識它

標準差不只是一個獨立指標。布林通道的上下軌是「移動平均 ± 2 倍標準差」，夏普比率的分母是報酬的標準差，多數風險模型也以它為起點。

換句話說，只要使用技術分析工具，就等於間接在使用標準差。理解它的意義與限制，才能看懂這些工具真正在告訴你什麼。

2. 標準差怎麼算？公式、範例與兩種算法

計算步驟

標準差的計算可以拆成四步：

• ①求平均值：把期間內所有數值加總後除以個數。
• ②求離差：每個數值減去平均值。
• ③求變異數：把所有離差平方後取平均。平方是為了讓正負偏離都成為正值。
• ④開根號：變異數開平方根，即為標準差。

第③步得到的變異數（Variance）與標準差是同一件事的兩種呈現。變異數的單位是原始單位的平方，不易解讀；開根號後單位還原，才能直接與價格比較——這就是實務上使用標準差而非變異數的原因。

用三個數字實際算一次

假設某商品連續三天的收盤價為 100、101、99：

• 平均值 =（100 + 101 + 99）÷ 3 = 100
• 各自的離差 = 0、+1、−1
• 離差平方後相加 = 0 + 1 + 1 = 2
• 除以個數 3，得變異數 ≈ 0.67；開根號後 σ ≈ 0.82

數字本身不重要，重要的是這個流程：把「偏離平均多少」變成一個可以比較的單一數值。

母體標準差與樣本標準差的差別

計算時有兩種除數，這是最常見的困惑點：

類型	除數	使用時機
母體標準差	n	手上的數據就是全部的觀察對象
樣本標準差	n−1	用一部分樣本推估整體，需做貝塞爾校正

值得注意的是，MT4/MT5 的內建指標、布林通道的原始定義，以及 TradingView 的預設設定，都採用母體標準差（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 則為 1.00。同一組數字，算法不同就會得出不同結果。

嚴格來說，20 根 K 線只是市場的一個樣本，統計學上使用 n−1 更合理。但平台選擇了 n，而 Excel 的 STDEV.S 預設是 n−1——這正是自行驗算時數字對不上的原因。以 20 期計算，兩者差異約 2.6%，對交易判斷幾乎沒有影響，知道差異來源即可。

3. 標準差在交易上怎麼判讀？

沒有絕對的高低標準

標準差是有單位的絕對值，會隨商品價格與時間週期改變。黃金的 σ 與歐元兌美元的 σ 不能直接比較，日線的 σ 也必然大於 15 分鐘線。

因此判讀的重點不是數值本身，而是與自身歷史比較：目前的 σ 相對於過去一段時間是偏高還是偏低。

波動具有叢聚性

市場波動有一項穩定的特性：高波動之後傾向於延續高波動，平靜之後傾向於延續平靜，也就是所謂的波動叢聚（Volatility Clustering）。

這代表 σ 的變化本身帶有資訊。σ 由低轉高，通常意味著行情剛從盤整轉入趨勢；σ 持續處於高檔後開始收斂，則往往是波動階段接近尾聲的線索。

不過要提醒一點：σ 升高只說明波動變大，不代表出現趨勢。例如聯準會公布利率決議的當下，價格上下劇烈掃動、σ 明顯抬升，但收盤可能又回到原點。標準差作為波動率指標，衡量的始終是幅度而非方向。

換算為年化波動率

比較不同商品或不同期間時，常會把標準差年化。做法是將日標準差乘上交易日數的平方根：

年化波動率 = 日標準差 × √252

252 是美股一年的交易日數，交易員也常用 ×16（√256 的近似）心算。外匯雖然是 24 小時交易，但每週僅五天，計算已實現波動率時同樣以交易日為基礎（252 或 260 皆有人使用，兩者差異僅約 1.6%）。

真正需要留意的是另一件事：選擇權市場報價的隱含波動率採用 365 天的曆日基準，與上述的交易日基準相差約 20%，兩者不可直接比較。

另需注意，平方根法則成立的前提是報酬彼此獨立。實際市場存在波動叢聚，這個前提並不成立，因此年化結果只是近似值，可能偏高也可能偏低，不宜當作精確的風險上限。

4. ±2σ 真的涵蓋 95% 嗎？

這是交易者最需要修正的一個觀念。

常態分佈的理論值

在常態分佈中，約 68.3% 的數據落在 ±1σ、95.4% 落在 ±2σ、99.7% 落在 ±3σ，這就是常被引用的 68-95-99.7 法則。

但這些數字描述的是常態分佈本身的性質，成立的前提是資料真的服從常態分佈。

市場並不服從常態分佈

實際的價格報酬呈現「肥尾」（Fat Tail）特徵：極端變動出現的頻率高於常態分佈的預測。學術研究指出，金融報酬的尾部指數多落在 2 到 5 之間，已排除常態分佈；這項特性從分鐘級到日線都成立。

布林通道的創始人約翰・布林格在官方規則中直接說明了這一點：以預設參數計算時，實務上通常約有 90%（而非 95%）的數據落在通道內。他並明確提醒，不應依據通道所使用的標準差計算去做統計推論，因為證券價格的分布並非常態，且多數情況下的樣本數不足以具備統計意義。

先釐清：兩個「±2σ」量的不是同一件事

談到這裡很容易產生一個混淆，必須先分清楚：

說法	衡量的對象	實際數字
布林通道約 90%	價格相對於會移動的通道（均線 ±2σ）	約 90% 在通道內
報酬分布的 ±2σ	報酬相對於自身的平均值與標準差	約 95% 在範圍內

前者的通道中心與寬度每根 K 線都在變動，且僅取 20 期樣本；後者則是把長期報酬視為一個固定的分布來統計。兩者的數字不能互相比較，也不互相矛盾。

崩壞的位置在 ±3σ，而不是 ±2σ

回到報酬分布這一側，這裡有一個常被誤傳的說法需要修正。以美股三十年的日報酬資料為例，實際落在 ±2σ 之外的比例約為 4.5%，與常態分佈預測的 4.55% 相當接近。

在不少成熟股票市場的日報酬中，±2σ 的經驗比例通常與常態分佈相去不遠（個別商品與不同時間週期仍會有差異，不宜一概而論）。

真正失準的是更外側的區間：±3σ 之外的交易日，實際出現次數約為理論值的五倍以上。同時，落在 ±1σ 內的比例（約 79%）也明顯高於理論的 68%。

把這兩件事合起來看，市場的分布形狀是中間更尖、兩端更厚、中間偏外的「肩部」被削薄。多數時候比常態分佈更平靜，少數時候則遠比它劇烈——真正造成重大虧損的，正是那些理論上幾乎不該發生的日子。

此外，隨著觀察週期拉長（由日線改為週線、月線），報酬分布會逐漸接近常態。因此肥尾問題在短週期交易上最為嚴重，而這正是多數散戶實際操作的區間。

5. MT4/MT5 標準差指標（StdDev）怎麼用

指標位置與預設參數

MT4/MT5 都內建了標準差指標（Standard Deviation Indicator，圖表上顯示為 StdDev）。以 MT5 為例，加入路徑為：插入 → 指標 → 走向 → Standard Deviation。

這裡有個容易卡住的地方：標準差衡量的是波動性，卻被放在「走向」這個以趨勢為名的類別下，第一次找的時候很容易漏看。左側導航視窗的「指標」項下也是同樣的分類方式。

加入後預設週期為 20，指標會顯示在主圖下方的獨立視窗中，左上角標示為 StdDev(20)。MT4 同樣內建這項指標，選單名稱與 MT5 略有差異，但同樣位於趨勢類的指標分類之下。

怎麼讀這條線

StdDev 是單一曲線，沒有方向性，只反映波動的大小：

• 數值升高：波動擴大，行情進入活躍階段。
• 數值處於低檔並走平：市場陷入盤整，往往是後續突破的醞釀期。
• 由低檔快速抬升：常伴隨突破發生，可作為確認訊號。

由於它不提供多空方向，實務上多與移動平均線或趨勢指標搭配，用來確認「這個突破有沒有量能」。

需要區分的是，MT5 另有一個「標準差通道」（Standard Deviation Channel），那是繪製在線性迴歸線周圍的圖形物件，與這裡的 StdDev 指標是不同的東西。

6. 標準差、布林通道與 ATR 的分工

三者都在衡量波動，但取材與呈現方式不同，適用的場合也不一樣。

工具	計算基礎	呈現方式	適合回答的問題
標準差（StdDev）	收盤價相對均線的離差	獨立視窗的單一曲線	現在的波動是大還是小？
布林通道	同上，但映射回價格	主圖上的通道	價格相對於常態範圍在哪裡？
ATR	真實波幅，含跳空缺口	獨立視窗的單一曲線	平均每根 K 線走多遠？

一句話區分三者：標準差衡量價格的離散程度，ATR 衡量平均每根 K 線的波幅，布林通道則把標準差映射回價格軸上。

關鍵差異在於：標準差只看收盤價，會忽略盤中的高低點與跳空；ATR 則納入跳空缺口，因此在開盤跳空頻繁的市場中更能反映實際風險。

若目的是設定停損距離，ATR 通常更貼近實務；若目的是判斷波動狀態或搭配布林通道使用，標準差更為直接。

7. 實戰：用標準差設定停損與部位大小

用 σ 決定停損距離

固定點數的停損有個問題：市場平靜時過寬，波動放大時又太窄，很容易被正常的波動掃出場。

以標準差為基準可以避開這個問題。常見做法是將停損設在進場價的 1.5 至 2 倍 σ 之外——波動擴大時停損自動放寬，波動收斂時自動收緊，始終與當下的市場節奏一致。

比較項目	固定點數停損	σ 停損
停損距離	固定值，例如 50 點	隨波動變動，例如 2σ
行情平靜時	相對過寬，風險報酬比變差	自動收緊
行情劇烈時	相對過窄，容易被掃出場	自動放寬
部位大小	每筆大致相同	波動越大，部位越小

用 σ 反推部位大小

停損距離確定後，部位大小便可由風險上限反推：

部位大小 = 可承受風險金額 ÷ 停損距離

假設單筆交易願意承擔帳戶 1% 的風險，而黃金當下的日 σ 換算後停損需設在 20 美元之外，則部位規模就以「1% 資金 ÷ 20 美元」計算。

這個做法的意義在於：波動越大的行情，部位自動越小，使每筆交易的風險曝險維持一致，而不會在最劇烈的時候押上最大的部位。

短週期同樣適用

多數資料只示範把日標準差年化，但同一套邏輯也可以往下延伸。以 15 分鐘或 1 小時線計算 σ，即可得到符合當沖或短波段節奏的停損距離，不必沿用日線的尺度。

8. 標準差常見問題 FAQ

Q1：標準差和變異數有什麼不同？

變異數是離差平方後的平均值，標準差則是變異數開根號。兩者衡量的是同一件事，差別在於單位——變異數的單位是原始單位的平方，標準差則還原為原始單位，因此能直接與價格比較，實務上使用得更普遍。

Q2：標準差多少算大？

沒有通用標準。標準差是絕對值，會隨商品價格與時間週期改變，不同商品之間無法直接比較。判斷方式應該是與該商品自身的歷史區間比較，或先年化後再進行跨商品比較。

Q3：為什麼我在 Excel 算出來的數字和圖表不一樣？

多半是除數不同。圖表平台採用母體標準差（除以 n），而 Excel 的 STDEV.S 預設為樣本標準差（除以 n−1）。若要與平台一致，應改用 STDEV.P。以 20 期計算，兩者差異約 2.6%。

Q4：標準差可以判斷多空方向嗎？

不行。標準差只衡量波動的大小，不含方向資訊，σ 上升僅代表波動擴大，無法說明是往上或往下。它的角色是波動濾網與風險尺度，判斷方向仍須搭配趨勢或動能指標。

9. 總結

標準差是波動率的計算基礎，也是布林通道、夏普比率等眾多工具的共同原料。理解它的計算方式與判讀原則，才能看懂這些工具背後真正的邏輯。

對交易者而言，有兩點特別值得記住。第一，68-95-99.7 是常態分佈的性質而非市場的保證：±2σ 大致吻合，但 ±3σ 以外的極端行情遠比理論頻繁。第二，標準差最實用的價值不在預測方向，而在於把抽象的「波動大小」轉換成具體的停損距離與部位大小，讓風險控制隨市場節奏自動調整。

---

延伸閱讀

• 夏普比率（Sharpe Ratio）是什麼？
• 索提諾比率（Sortino Ratio）是什麼？
• 布林通道 6 大實戰策略
• RSI 指標入門：計算方式與實戰應用
• 美元/日圓（USD/JPY）即時報價

---

主要來源（按類別）

• 指標開發者・原始資料：Bollinger Bands 官方網站「Bollinger Band Rules」第 14 條 — 通道實際涵蓋率與統計假設的限制；MetaQuotes MT4/MT5 官方說明 — Standard Deviation 指標的計算式與參數
• 學術研究：Cont, R. (2001)「Empirical properties of asset returns」— 報酬分布的肥尾、波動叢聚與尾部指數；Hull, J. C.《Options, Futures, and Other Derivatives》§13.4 — 交易日基準的年化方式；Diebold et al. (1997)「Converting 1-Day Volatility to h-Day Volatility」— 平方根法則的適用限制
• 市場統計：S&P 500 長期日/週/月報酬的分布與 σ 事件次數統計；Titan FX 即時報價與圖表