Informatie

CV berekenen voor intra-assay ELISA


Sorry als dit in het verkeerde topic staat.

Ik moet CV berekenen voor intra-assay ELISA-monster-OD's. Mijn probleem is dat ik merk dat mensen standaarddeviatie van monsters gebruiken in hun CV-formule, hoewel van wat ik begrijp als intra-assay CV de variabiliteit binnen dezelfde testrun weerspiegelt die voor mij moet worden beschouwd als een hele dataset en daarom populatie standaarddeviatie moet worden gebruikt.

Ben ik juist in mijn veronderstelling of mis ik iets?


Wat mij betreft is de intra-assay CV het gemiddelde van individuele CV's gevonden in een assay.

Dus laten we aannemen dat je een dataset van 40 samples hebt, en voor elke sample heb je 2 replica's (resultaten), zoals die hieronder.

Je zou eerst de berekenen gemeen voor elk monster, dus in het bovenstaande voorbeeld zou dat zijn: $$frac{0.132 + 0.128}{2} = 0.130$$

Dan bereken je de standaardafwijking voor elk monster, dus teruggaand naar ons voorbeeld hierboven, zou de standaarddeviatie voor monster 1 als volgt zijn: $$sigma=sqrt{frac{1}{2} ((0.132-0.130)^2 + (0.128 - 0.130)^2)}=frac{1}{500}=0.002$$

Vervolgens zou je de berekenen Variatiecoëfficiënt, dus in ons geval:

$$CV = frac{sigma}{ar{x}} imes100=frac{0.002}{0.130} imes100circa1.6%$$

Daarna herhaalt u de bovengenoemde procedure voor elk monster.

Uiteindelijk bereken je het gemiddelde van alle individuele cv's, dus: $$CV_{intra} = frac{sum_{i=1}^{40} CV}{40} ongeveer 5,2% $$

Ik heb het voorbeeld van Salimetrics gestolen, ik denk dat dit document inter-assay en intra-assay CV heel goed uitlegt.

Let op: het nut van inter- en intra-assay-cv's wordt enigszins betwist, zoals dit Wikipedia-artikel vermeldt.


Hoe ELISA-gegevens te analyseren

Bij het uitvoeren van een ELISA worden de waarden van de onbekende monsters toegewezen in relatie tot de standaardcurve. Als monsters zijn verdund, moet de uit de standaardcurve afgelezen concentratie worden vermenigvuldigd met de verdunningsfactor.

Voer ELISA-monsters altijd in tweevoud of drievoud uit. Dit zal voldoende gegevens opleveren voor statistische validatie van de resultaten.

Het gemiddelde van de duplicaat- of drievoudige metingen voor elke standaard, controle en monster en trek de gemiddelde nulstandaard optische dichtheid (O.D.) af. De variatiecoëfficiënt (CV) van duplicaten moet ≤ 20% zijn.

Standaardcurve

Maak een standaardcurve door de gegevens te verminderen met behulp van computersoftware die de gemiddelde absorptie (y-as) kan uitzetten tegen de eiwitconcentratie (x-as). Gebruik indien mogelijk de aanbevolen methode voor gegevensreductie die is gespecificeerd in het analyseprotocol.

Als de aanbevolen methode voor gegevensreductie niet beschikbaar is, wordt aanbevolen om verschillende methoden (bijv. lineair, semi-log, log/log, logistiek met 4 of 5 parameters) uit te proberen om te zien welke curve het beste bij de ELISA-gegevens past. Een manier om te bepalen of de curve-fit correct is, is door de standaardcurve O.D. waarden. Teken hiervoor eerst de standaardcurve. Behandel normen vervolgens als onbekenden en interpoleer de O.D. waarden uit uw standaardcurve. Ze moeten dicht bij de verwachte waarden liggen (+/- 10%). Gebruik de datareductiemethode die de beste correlatiewaarde en backfit geeft.

Als er geen software beschikbaar is, kunnen de ELISA-gegevens worden gelineariseerd door de log van de concentraties uit te zetten tegen de log van de O.D. op lineaire schaal. De best passende lijn kan worden bepaald door regressieanalyse. Deze procedure zal een adequate maar minder nauwkeurige pasvorm van de gegevens opleveren.

Een representatieve standaardcurve wordt getoond in de onderstaande afbeelding van Human IL-6 HS Quantikine ELISA (Cat# HS600C).

Berekening van de concentratie van doeleiwit in het monster

Om de concentratie van elk monster te bepalen, zoekt u eerst de absorptiewaarde op de y-as en trekt u een horizontale lijn naar de standaardcurve. Trek op het snijpunt een verticale lijn naar de x-as en lees de bijbehorende concentratie af. Als monsters zijn verdund, moet de uit de standaardcurve afgelezen concentratie worden vermenigvuldigd met de verdunningsfactor.

Variatiecoëfficiënt berekenen

De variatiecoëfficiënt (CV) is de verhouding van de standaarddeviatie tot het gemiddelde, dat meestal wordt uitgedrukt als een percentage.

CV = standaarddeviatie

Het berekenen van het CV is belangrijk omdat het eventuele inconsistenties of onnauwkeurigheden in uw ELISA-resultaten kan aangeven. De variatiecoëfficiënt (CV) van duplicaten moet ≤ 20% zijn. Een groter CV duidt op grotere inconsistentie en mogelijke fouten.


Precisie binnen de test

Intra-assayvalidatie toont de reproduceerbaarheid tussen putjes in een assayplaat. Gegevens die het resultaat zijn van intra-assayvalidatie helpen ervoor te zorgen dat monsters die in verschillende putjes van de plaat worden uitgevoerd, vergelijkbare resultaten opleveren. Hieronder staan ​​voorbeelden van gegevens die zijn gegenereerd en gerapporteerd voor een representatief intra-assay validatie-experiment. In dit voorbeeld werd onze VCAM-1 ELISA Kit, Human (Cat. No. KHT0601) geëvalueerd door 14 replica's elk te testen voor drie monsters in dezelfde test. Het resulterende lage %CV voor elk monster duidt op een goede reproduceerbaarheid binnen de test. Monsters met bekende Hu sVCAM-1-concentratie werden getest in replica's van 14 om de precisie binnen een test te bepalen.

SD = standaarddeviatie. CV = variatiecoëfficiënt.


Een multicenter evaluatie van de intra-assay en inter-assay variatie van commerciële en interne anti-cardiolipine antilichaam-assays

Om de intra-assay (intra-run) en inter-assay (inter-run) variatie van commerciële en interne IgG- en IgM-anti-cardiolipine-antilichaam (aCL)-assays/kits te beoordelen, en om een ​​geschikte maximale waarde voor opname te bepalen in consensusrichtlijnen.

Methoden:

Bevroren porties van twee patiëntspecimens en één commerciële controle werden naar negen laboratoria gestuurd voor de evaluatie van acht commerciële kits en één interne test. Intra-assay- en inter-assay-evaluaties werden uitgevoerd met alle drie de monsters voor IgG-aCL en één patiëntspecimen voor IgM-aCL.

Resultaten

De IgG- en IgM-aCL-waarden varieerden aanzienlijk tussen de negen assays/kits. De meeste assays/kits vertoonden minder dan 20% intra-assay en inter-assay variatie, met lagere intra-assay en inter-assay variatie waargenomen bij de commerciële controle. Enkele kalibrator-assays werden niet consistent geassocieerd met hogere interassay-variatie dan multi-point kalibrator-assays.

Resultaten

Er werd vastgesteld dat een variatiecoëfficiënt tussen de tests van 20% een geschikte maximumwaarde is voor opname in de consensusrichtlijnen van de Australasian aCL Working Party. Verbeterde standaardisatie tussen verschillende assays/kits is nog steeds vereist.


Bevindingen

Cortisol is een stresshormoon geproduceerd door de bijnieren en wordt vaak gemeten om stress te beoordelen bij een verscheidenheid aan dieren, waaronder varkens. Cortisol kan worden gemeten in plasma of serum [1],[2]. Bloedafname vereist echter ofwel terughoudendheid van het varken tijdens de monstername, waardoor het wordt blootgesteld aan stress, ofwel het chirurgisch inbrengen van een katheter, wat moeilijk is in grootschalige studies of studies uitgevoerd in minder gecontroleerde huisvestingsomgevingen [3]. Bemonstering van speeksel, urine en ontlasting is niet-invasief in vergelijking met bloedafname. Cortisolmetabolieten kunnen in de urine worden gemeten, maar om nauwkeurige resultaten te verkrijgen, moet rekening worden gehouden met de urineconcentratie. Bovendien kan het nemen van urinemonsters tijdrovend zijn omdat er een waarnemer aanwezig moet zijn om urine op te vangen wanneer de zeug plast [4]. Aan de andere kant is ontlasting gemakkelijk op te vangen. Een nadeel kan zijn dat pieken van cortisol moeilijk te detecteren zijn, omdat de verkregen concentratie een afspiegeling zal zijn van de cortisolproductie in de tijd [5]. Speeksel is gemakkelijk te verzamelen en speekselcortisol weerspiegelt het biologisch actieve, ongebonden cortisol in plasma [6],[7]. Daarom is het verzamelen van speeksel een geschikte bemonsteringstechniek in minder gecontroleerde omgevingen, zoals wanneer varkens worden gemengd en in groepen worden gehuisvest.

Groepshuisvesting van zeugen is naar verluidt stressvol vanwege de oprichting van een nieuwe rangorde, meestal door min of meer gewelddadige ontmoetingen [8]. Er is ook gemeld dat het mengen van varkens een effect heeft op de cortisolspiegel, omdat het wordt beschouwd als een gevolg van sociale stress [9]–[11]. Verder ervaren jonge zeugen meer sociale stress wanneer ze samen met oudere zeugen worden gehuisvest en jonge zeugen hebben een hoger cortisolgehalte in vergelijking met de oudere zeugen [12]. Een verhoging van de cortisolspiegel zou ook in verband kunnen worden gebracht met een verminderd dierenwelzijn op de boerderij [13]. In de Zweedse biologische en conventionele biggenproductie wordt sinds de jaren tachtig het mengen en in groepshuisvesten van zeugen toegepast en het wordt ook steeds gebruikelijker binnen de Europese Unie. Om dus gemakkelijk stressonderzoek uit te voeren naar menging en groepshuisvesting van zeugen, zou een combinatie van speekselopvang en een eenvoudige analytische methode nuttig zijn.

Er zijn verschillende methoden om cortisol in speeksel te analyseren [1],[2],[14],[15], waarvan de meeste immunoassays zijn. Enzym-linked immunosorbent assays (ELISA) worden tegenwoordig veel gebruikt in laboratoria. Voor zover de auteurs weten, is er geen commercieel beschikbare ELISA die is gevalideerd voor het kwantificeren van cortisol in varkensspeeksel. Het doel van de huidige studie was om een ​​commercieel beschikbare ELISA te valideren die is ontwikkeld voor het meten van vrij cortisol in menselijk speeksel en de totale cortisolconcentratie in verdund menselijk serum, voor zijn toepasbaarheid bij het meten van de cortisolconcentratie in varkensspeeksel.

De validatie vond zowel methodologisch als biologisch plaats. Voor de methodologische validatie werd speeksel gebruikt van vijf multipare en één primipaarse zeug. Eén meerparige zeug werd alleen gebruikt voor onderzoek naar lineariteit. De primiparous zeug en twee multiparous zeugen werden gebruikt voor herstelstudies. Een van deze meerparige zeugen werd samen met twee andere zeugen ook gebruikt voor CV-berekeningen en voor de biologische validatie. Voor de biologische validatie werden in totaal 27 zeugen, 21 multipare en zes primipareuze zeugen, gebruikt. Alle zeugen in deze studie waren gezonde raszuivere Yorkshire zeugen. De studie werd goedgekeurd door de Animal Ethical Committee van Uppsala (C154/11).

Mengen en groepshuisvesting van 27 zeugen werd gebruikt als een model voor sociale stress, omdat bekend is dat het stress veroorzaakt [9]–[11]. Een speekselmonster 's ochtends werd verzameld toen de zeugen nog in individuele kraamhokken waren gehuisvest en een ander ochtendmonster werd verzameld toen de zeugen 12 uur in groepshuisvesting waren gehuisvest. De groepsgrootte varieerde tussen 5 en 8 zeugen.

Speeksel werd verzameld met behulp van een Sarstedt Salivette® voor het verzamelen van speeksel (ref. 51.1534, Sarstedt, Nümbrecht, Duitsland). Het wattenstaafje werd vastgehouden met een pincet en de zeug mocht op het wattenstaafje kauwen totdat het doorweekt was. Het wattenstaafje werd gecentrifugeerd bij 2400 x G bij kamertemperatuur, gedurende 2 minuten met behulp van een Hettich Centrifuge EBA 20 (Andreas Hettich Group, Ltd., Tuttlingen, Duitsland), binnen 30 minuten na verzameling. Het teruggewonnen speeksel werd in porties verdeeld en bewaard bij -20°C totdat het werd geanalyseerd.

Een competitieve ELISA (Cortisol ELISA, IBL International, Hamburg, Duitsland) ontwikkeld voor kwantitatieve analyse van vrij cortisol in menselijk speeksel en de totale cortisolconcentratie in verdund menselijk serum werd gebruikt. Volgens de fabrikant was de detectielimiet 0,005 g/dl. De test werd uitgevoerd volgens de instructies van de fabrikant. De speekselmonsters werden ontdooid en gecentrifugeerd bij 3000 x G bij kamertemperatuur gedurende 10 minuten met behulp van Hereaus Fresco 17 centrifuge (ThermoScientific, West Sussex, Verenigd Koninkrijk). De plaat werd 2 uur geschud met behulp van een orbitale schudder (Flow Laboratories DSG Titertek, Pforzheim, Duitsland). Voor de wasprocedure werd een automatische platenwasser Hydroflex Tecan (Tecan Group, Ltd., Männerdorf, Zwitserland) gebruikt. Optische dichtheid werd gemeten door een Multiscan EX (Thermo Labsystems, Vantaa, Finland). De resultaten werden berekend met behulp van vier-parameter-logistiek zoals aanbevolen door de fabrikant.

Om het herstel te berekenen, werden speekselmonsters van zeug A, B en C, 80 l gemengd met bijbehorende standaarden in een verhouding van 1:1 en in drievoud in putjes gepipetteerd. Onverdunde monsters werden geanalyseerd om de cortisolconcentratie van de drie monsters te bepalen. De concentratie werd afgerond op twee decimalen. De terugwinning werd berekend met de formule: (gedetecteerde concentratie/verwachte concentratie) *100. De verwachte concentratie werd berekend met de formule: (concentratie van onverdund monster + concentratie van de toegevoegde standaard) *0,5.

Monsters met een hoge, gemiddelde en lage concentratie in twee replica's werden gebruikt om de variatiecoëfficiënten binnen en tussen de testen te berekenen volgens Jaedicke et al.[16]. Aanvaardbaar bereik werd bepaald voor intra-assay CV tot 10% en inter-assay CV tot 15% [17].

Om lineariteit en parallellisme te bepalen, werd een monster met een bekende hoge concentratie cortisol en de bijbehorende hoge concentratie standaard verdund 1:2, 1:4 1:8, 1:16, 1:32 met nulstandaard en in drievoud in putjes gepipetteerd .

De verschillen in cortisolconcentraties tussen primiparous en multiparous zeugen in monsters verzameld voor en na groepshuisvesting werden vergeleken. Uit een Shapiro-Wilk-test bleek dat de cortisolconcentraties niet normaal verdeeld waren en daarom is de analyse uitgevoerd met de Wilcoxon rank-sum-test. EEN P-waarde < 0,05 werd als significant beschouwd.

De opbrengst is weergegeven in Tabel 1. De gemiddelde opbrengst voor zeugen A, B en C was respectievelijk 110%, 89% en 154%. Het totale herstel was 118%. De resultaten van de lineariteit en parallelliteit worden weergegeven in figuur 1, terwijl tabel 2 de intra-assay en inter-assay CV's toont. De intra-assay CV varieerde van 0,9% tot 4,8% en de inter-assay CV varieerde van 5,9% tot 14,8%.


Geneesmiddelenbewaking en klinische chemie

5.4.2.1.4 LLOQ en ULOQ

De ondergrens van kwantificering wordt routinematig gedefinieerd voor chromatografische tests als de laagste "aanvaardbare" concentratie die wordt gebruikt in de dagelijkse kalibratiecurve voor bindingsassays, de LLOQ wordt gedefinieerd als de laagste "aanvaardbare" concentratie van QC-monsters. Over het algemeen is er slechts één LLOQ voor een onderzoek (voor een gegeven matrixvolume).

De bovengrens van kwantificering wordt voor routinematige chromatografische tests gedefinieerd als de hoogste "aanvaardbare" concentratie die wordt gebruikt in de dagelijkse kalibratiecurve voor bindingsassays, de ULOQ wordt gedefinieerd als de hoogste "aanvaardbare" concentratie van QC-monsters.


Resultaten

Gemiddelde absorptiewaarden, CV's binnen de plaat (CVmet wie), totaal aantal cv's (CVt), en verhoudingen van CV's tussen run tot binnen run worden voor elke controle gegeven in Tabel 2. Wanneer controlegegevens worden uitgedrukt in termen van absorptie, nemen de totale CV's af met toenemende concentratie, van 17,2% bij 0,07 g/L HBsAg tot 9,6% bij 1,50 μg/L. Het uitdrukken van gegevens in termen van S/C heeft tot gevolg dat de variaties tussen runs voor controles met een lagere concentratie worden verminderd en de CV wordt verminderdt (13,3% bij 0,07 g/L HBsAg). Voor de twee matig positieve controles was CV . echtert was bijna 1% hoger wanneer de resultaten werden uitgedrukt als S/C (10,4% bij 1,50 g/L HBsAg). CVt berekend op basis van S / C-gegevens is lager voor laag-positieve controles omdat absorptiewaarden van vergelijkbare grootte worden gerantsoeneerd, en delen door de afsnijabsorptie de neiging heeft om variaties tussen runs te compenseren. Voor matig positieve controles is de absorptie van het monster echter >10-voudig de absorptie van de grenswaarde en heeft deze een lagere CV, en de variatie tussen runs is een kleiner deel van de totale variatie. Het delen van de relatief nauwkeuriger matig positieve controle-absorptie door de relatief minder nauwkeurige afsnijabsorptie leidt tot de toename van CV.

Hoewel we een controle niet exact bij de medische beslissingsconcentratie (0,2 g/L) testten, was de CVt van de dichtstbijzijnde concentratiecontrole, 0,1 g/L, is een geschikte schatting van de CVt bij 0,2 g/L voor het ontwerpen van een QC-procedure. het cvt bij 0,2 g/L uitgedrukt in absorptie zou iets minder moeten zijn dan die bij 0,1 μg/L, terwijl de CVt bij 0,2 g/L uitgedrukt in S/C zou bijna gelijk moeten zijn aan die bij 0,1 g/L.

Omdat de respons van de test lineair is, hebben we de verwachte absorptiewaarde voor 0,2 μg/L HBsAg berekend uit de absorptie van de 0,1 μg/L-controle en 0,118 verkregen. De gemiddelde afkapabsorptie was 0,034. De totale toelaatbare fout is dus een verlies aan testgevoeligheid van 0,2 g/L (0,118 EEN) tot afsnijding (0,034 EEN), of een verlies aan gevoeligheid van 71,2%.

We hebben eerst het QC-ontwerp beoordeeld voor gegevens uitgedrukt in termen van absorptie. De kritische systematische fout, ΔSEkritiek, werd berekend (8) uit de toelaatbare fout en de CVt van de 0,1 g/L-controle om een ​​verschuiving te zijn die gelijk is aan 3,26 s. Krachtfunctiecurven voor systematische fouten (verlies van gevoeligheid) worden getoond voor verschillende kandidaat-controleregels, met gebruik van 1 of 2 positieve controles per run, in Fig. 1. Alle regels met Ped bijna 0.90 had PNS van 0,02 of hoger. Voor een redelijke afweging van de gevoeligheid van de QC-regel voor fouten en lage valse afwijzingen, is de beste keuze waarschijnlijk de 13s regel met 2 positieve controles, die heeft Ped van 0,81 en PNS bijna 0,00.

Regels voor gemiddelden en bereik vertoonden een hoge gevoeligheid voor verschuivingen, maar ze worden niet getoond in Fig. 1 vanwege hun hoge PNS van respectievelijk 0,04 en 0,02 voor de X0.01/R0.01 en X0.002/R0.002 reglement. Variaties tussen runs verhogen de PNS voor controleregels die afhankelijk zijn van het gemiddelde en die in het algemeen de gevoeligheid voor systematische fouten verminderen.

Expressie van controlegegevens in termen van S/C verminderde de CVt, waardoor de kritische systematische fout werd verhoogd van 3,26 s tot 4,09 s. In Fig. 1 is een kritische systematische fout van 4,09 buiten schaal naar rechts, alle regels hebben iets hoger Ped dan getoond. Zelfs de 13.5s regel heeft een zeer hoge gevoeligheid voor de kritische systematische fout wanneer 2 positieve controles worden uitgevoerd. Aanvaardbare gevoeligheid voor systematische fouten wordt nu geboden door de 13s regel met slechts 1 positieve controle per run.


De voor- en nadelen van elk van de maten van variabiliteit

Om samen te vatten, zijn er drie hoofd maten van variabiliteit &ndash variantie, standaardafwijking en variatiecoëfficiënt. Elk van hen heeft verschillende sterke punten en toepassingen. Meestal geven we er de voorkeur aan standaardafwijking over variantie omdat het direct interpreteerbaar is. echter, de variatiecoëfficiënt heeft zijn voorsprong standaardafwijking als het gaat om het vergelijken van gegevens. Na het lezen van deze tutorial, zou je er zeker van moeten zijn dat je ze allemaal gebruikt.

Nu lijkt het gebruik van metingen bij het werken met één variabele waarschijnlijk een fluitje van een cent. Maar wat als er 2 variabelen waren? Kun jij hun relatie vertegenwoordigen? Als je antwoord is: Nee, voel je vrij om naar onze volgende tutorial te springen om dat om te draaien Nee in een Ja.

Geïnteresseerd om meer te leren? Je kunt je vaardigheden van goed naar geweldig brengen met onze cursus statistiek!


Foutconcept

Kortom, totale fout omvat systematische (bias) en willekeurige fouten (onnauwkeurigheid), b.v. als een referentiemateriaal herhaaldelijk wordt gemeten met een routinemethode onder herhalingscondities, is het verschil tussen de gemiddelde herhalingswaarde en de toegekende referentiewaarde de bias van de procedure, en is de spreiding van de verkregen waarden, uitgedrukt als een standaarddeviatie, de onnauwkeurigheid. Totale fout wordt meestal uitgedrukt als gemiddelde bias + 1,65 SD (

95% betrouwbaarheid). Een beperking van de benadering is dat door het toevoegen van vooringenomenheid en onnauwkeurigheid de totale fout de slechtst mogelijke fout voor de procedure berekent en niet erkent dat individuele resultaten mogelijk minder fouten bevatten.


Variatiecoëfficiënt

De variatiecoëfficiënt (relatieve standaarddeviatie) is een statistische maatstaf voor de spreiding van gegevenspunten rond het gemiddelde. De metriek wordt vaak gebruikt om de gegevensspreiding tussen verschillende reeksen gegevens te vergelijken. In tegenstelling tot de standaarddeviatie Standaarddeviatie Vanuit statistisch oogpunt is de standaarddeviatie van een dataset een maat voor de grootte van de afwijkingen tussen de waarden van de waarnemingen die altijd moeten worden beschouwd in de context van het gemiddelde van de gegevens, de coëfficiënt van variatie biedt een relatief eenvoudig en snel hulpmiddel om verschillende gegevensreeksen te vergelijken.

In de financiële wereld is de variatiecoëfficiënt belangrijk bij de selectie van investeringen. Vanuit een financieel perspectief vertegenwoordigt de financiële maatstaf het risico-naar-rendement Risico en rendement. Bij beleggen zijn risico en rendement sterk gecorreleerd. Een hoger potentieel rendement op investeringen gaat meestal hand in hand met een verhoogd risico. Verschillende soorten risico's zijn onder meer projectspecifiek risico, branchespecifiek risico, concurrentierisico, internationaal risico en marktrisico. ratio waarbij de volatiliteit het risico van een investering aangeeft en het gemiddelde de beloning van een investering aangeeft.

Door de variatiecoëfficiënt van verschillende effecten te bepalen Openbare effecten Openbare effecten, of verhandelbare effecten, zijn beleggingen die openlijk of gemakkelijk op een markt worden verhandeld. De effecten zijn ofwel op aandelen ofwel op schuld gebaseerd. , identificeert een belegger de risico-opbrengstverhouding van elk effect en ontwikkelt hij een investeringsbeslissing. Over het algemeen zoekt een belegger een effect met een lagere variatiecoëfficiënt omdat het de meest optimale risico-opbrengstverhouding biedt met een lage volatiliteit maar een hoog rendement. De lage coëfficiënt is echter niet gunstig wanneer het gemiddelde verwachte rendement onder nul ligt.

Formule voor variatiecoëfficiënt

Wiskundig wordt de standaardformule voor de variatiecoëfficiënt als volgt uitgedrukt:

In de context van Finance Finance CFI's Finance Articles zijn ontworpen als zelfstudiegidsen om in uw eigen tempo belangrijke financiële concepten online te leren. Blader door honderden artikelen! , kunnen we de bovenstaande formule op de volgende manier herschrijven:

Voorbeeld van variatiecoëfficiënt

Fred wil een nieuwe investering vinden voor zijn portefeuille. Hij zoekt een veilige investering die een stabiel rendement oplevert. Hij overweegt de volgende investeringsmogelijkheden:

  • Aandelen: Fred kreeg aandelen van ABC Corp aangeboden. Het is een volwassen bedrijf met sterke operationele en financiële prestaties. De volatiliteit van het aandeel is 10% en het verwachte rendement is 14%.
  • ETF's: Een andere optie is een Exchange-Traded Fund (ETF) Exchange Traded Fund (ETF) Een Exchange Traded Fund (ETF) is een populair investeringsvehikel waar portefeuilles flexibeler en gediversifieerder kunnen zijn over een breed scala van alle beschikbare activaklassen. Leer meer over verschillende soorten ETF's door deze gids te lezen. die de prestaties van de S&P 500-index volgt. De ETF biedt een verwacht rendement van 13% met een volatiliteit van 7%.
  • Obligaties: Obligaties met uitstekende kredietratings bieden een verwacht rendement van 3% met een volatiliteit van 2%.

Om de meest geschikte investeringsmogelijkheid te selecteren, besloot Fred de variatiecoëfficiënt van elke optie te berekenen. Met behulp van de bovenstaande formule verkreeg hij de volgende resultaten:

Op basis van bovenstaande berekeningen wil Fred beleggen in de ETF omdat deze de laagste (variatie)coëfficiënt biedt met de meest optimale risico-opbrengstverhouding.

Gerelateerde lezingen

CFI biedt de Financial Modeling & Valuation Analyst (FMVA)&trade Word een Certified Financial Modeling & Valuation Analyst (FMVA)® CFI's Financial Modeling and Valuation Analyst (FMVA)® certificering zal je helpen het vertrouwen te krijgen dat je nodig hebt in je financiële carrière. Schrijf je vandaag nog in! certificeringsprogramma voor diegenen die hun carrière naar een hoger niveau willen tillen. Om te blijven leren en je carrière vooruit te helpen, zijn de volgende CFI-bronnen nuttig:

  • Beleggen: een gids voor beginners Beleggen: een gids voor beginners De gids Beleggen voor beginners van CFI leert u de basisprincipes van beleggen en hoe u ermee aan de slag kunt. Leer meer over verschillende strategieën en technieken om te handelen en over de verschillende financiële markten waarin u kunt beleggen.
  • Indexfondsen Indexfondsen Indexfondsen zijn onderlinge fondsen of exchange-traded funds (ETF's) die zijn ontworpen om de prestaties van een marktindex te volgen. Momenteel beschikbare indexfondsen volgen verschillende marktindices, waaronder de S&P 500, Russell 2000 en FTSE 100.
  • Portefeuillemanager Portefeuillemanager Portefeuillemanagers beheren beleggingsportefeuilles met behulp van een portefeuillebeheerproces in zes stappen. Lees in deze handleiding precies wat een portfoliomanager doet. Portefeuillemanagers zijn professionals die beleggingsportefeuilles beheren, met als doel de beleggingsdoelstellingen van hun klanten te bereiken.
  • Systeemrisico Systeemrisico Systeemrisico kan worden gedefinieerd als het risico dat gepaard gaat met de ineenstorting of het faillissement van een bedrijf, bedrijfstak, financiële instelling of een hele economie. Het is het risico van een groot falen van een financieel systeem, waarbij een crisis ontstaat wanneer kapitaalverschaffers het vertrouwen in de gebruikers van kapitaal verliezen

Certificering financieel analist

Word een gecertificeerde Financial Modeling and Valuation Analyst (FMVA)® Word een Certified Financial Modeling & Valuation Analyst (FMVA)® CFI's Financial Modeling and Valuation Analyst (FMVA)® certificering zal u helpen het vertrouwen te krijgen dat u nodig heeft in uw financiële carrière. Schrijf je vandaag nog in! door CFI's online lessen en trainingsprogramma voor financiële modellering te volgen!


Bekijk de video: Introduction to Assay Validation ELISA (December 2021).