Σκέψου
Τι είναι Skewness;Η σκοτεινότητα αναφέρεται σε παραμόρφωση ή ασυμμετρία σε συμμετρική καμπύλη καμπάνας ή κανονική κατανομή σε σύνολο δεδομένων. Εάν η καμπύλη μετατοπίζεται προς τα αριστερά ή προς τα δεξιά, λέγεται ότι είναι καμπύλη. Η κρίση μπορεί να ποσοτικοποιηθεί ως μια αναπαράσταση του βαθμού στον οποίο μια δοθείσα κατανομή ποικίλλει από μια κανονική κατανομή. Μια κανονική κατανομή έχει μηδενική κλίση, ενώ μια φυσιολογική κατανομή, για παράδειγμα, θα παρουσίαζε κάποιο βαθμό δεξιάς κλίσης.
Οι τρεις κατανομές πιθανοτήτων που απεικονίζονται παρακάτω είναι θετικά καμπυλωμένες (ή δεξιόστροφα) σε αυξανόμενο βαθμό. Οι καταθλιπτικά αρνητικές κατανομές είναι επίσης γνωστές ως διανομές αριστερά-λοξής. Το Skewness χρησιμοποιείται μαζί με την κούτωση για να κρίνει καλύτερα την πιθανότητα γεγονότων που πέφτουν στις ουρές μιας κατανομής πιθανοτήτων.
Βασικές τακτικές
- Η στατιστική εξάντληση είναι ο βαθμός παραμόρφωσης από την συμμετρική καμπύλη καμπάνας σε μια κατανομή πιθανότητας.
- Οι διανομές μπορεί να παρουσιάζουν σωστό (θετικό) λοξό ή αριστερές (αρνητικές) αποκλίσεις σε διαφορετικό βαθμό.
- Οι επενδυτές σημειώνουν λανθάνουσα τάση όταν κρίνουν μια κατανομή επιστροφής επειδή, όπως και η κούρτωση, θεωρεί τα άκρα του συνόλου δεδομένων αντί να εστιάζουν μόνο στο μέσο όρο.
Εξηγώντας την Σκεξία
Εκτός από το θετικό και το αρνητικό κώλυμα, οι κατανομές μπορούν επίσης να θεωρηθούν ότι έχουν μηδενική ή απροσδιόριστη κλίση. Στην καμπύλη μιας κατανομής, τα δεδομένα στη δεξιά πλευρά της καμπύλης μπορεί να μειώνονται με διαφορετικό τρόπο από τα δεδομένα στην αριστερή πλευρά. Αυτές οι μειώσεις είναι γνωστές ως "ουρές". Το αρνητικό κώλυμα αναφέρεται σε μια μακρύτερη ή παχύτερη ουρά στην αριστερή πλευρά της διανομής, ενώ η θετική παραμόρφωση αναφέρεται σε μια μακρύτερη ή παχύτερη ουρά στα δεξιά.
Ο μέσος όρος των θετικά επικαλυμμένων δεδομένων θα είναι μεγαλύτερος από τον μέσο όρο. Σε μια κατανομή που είναι αρνητικά ανισορροπημένη, το ακριβώς αντίθετο είναι το εξής: ο μέσος όρος των αρνητικά στρεβλών στοιχείων θα είναι μικρότερος από τον διάμεσο. Εάν το γράφημα δεδομένων είναι συμμετρικά, η κατανομή έχει μηδενική διαφορά, ανεξάρτητα από το πόσο μακρύ ή το λίπος είναι οι ουρές.
Υπάρχουν διάφοροι τρόποι για να μετρήσετε την ασυμφωνία. Ο πρώτος και ο δεύτερος συντελεστής του Pearson είναι δύο κοινά. Ο πρώτος συντελεστής skewness του Pearson, ή η κρυμμένη λειτουργία Pearson, αφαιρεί τον τρόπο από τον μέσο όρο και διαιρεί τη διαφορά με την τυπική απόκλιση. Ο δεύτερος συντελεστής λοξοτομής του Pearson, ή η μέση λοξότητα Pearson, αφαιρεί το διάμεσο από το μέσο, πολλαπλασιάζει τη διαφορά κατά τρεις και διαιρεί το προϊόν με την τυπική απόκλιση.
Οι τύποι για την κρυμμένη Pearson είναι:
που:
- Το Sk 1 είναι ο πρώτος συντελεστής του Pearson skewness και το Sk 2 το δεύτερο.
- s είναι η τυπική απόκλιση για το δείγμα.
- xδ είναι η μέση τιμή.
- Mo είναι η τιμή modal (mode). και
- Md είναι η μέση τιμή.
Ο πρώτος συντελεστής κρυπτογράφησης του Pearson είναι χρήσιμος εάν τα δεδομένα παρουσιάζουν ισχυρή λειτουργία. Εάν τα δεδομένα έχουν αδύναμη λειτουργία ή πολλαπλές λειτουργίες, ο δεύτερος συντελεστής του Pearson μπορεί να είναι προτιμότερος, καθώς δεν βασίζεται στη λειτουργία ως μέτρο της κεντρικής τάσης.
0:58Τι είναι το Skewness ">Τι σημαίνει Skewness να σας πω;
Οι επενδυτές σημειώνουν λανθάνουσα τάση όταν κρίνουν μια κατανομή επιστροφής επειδή, όπως και η κούρτωση, θεωρεί τα άκρα του συνόλου δεδομένων αντί να εστιάζουν μόνο στο μέσο όρο. Οι βραχυπρόθεσμοι και μεσοπρόθεσμοι επενδυτές ειδικότερα πρέπει να εξετάσουν τα άκρα, επειδή είναι λιγότερο πιθανό να κρατήσουν μια θέση αρκετά μακριά για να είναι σίγουροι ότι ο μέσος όρος θα λειτουργήσει από μόνη της.
Οι επενδυτές συνήθως χρησιμοποιούν τυπική απόκλιση για να προβλέψουν μελλοντικές αποδόσεις, αλλά η τυπική απόκλιση προϋποθέτει κανονική κατανομή. Καθώς οι λίγες κατανομές επιστροφής πλησιάζουν στο φυσιολογικό, η ασυμμετρία είναι ένα καλύτερο μέτρο για να βασιστούν οι προβλέψεις απόδοσης. Αυτό οφείλεται στον ριψοκίνδυνο κίνδυνο.
Κίνδυνος επικίνδυνου κινδύνου είναι ο αυξημένος κίνδυνος εμφάνισης ενός σημείου δεδομένων υψηλού λανθάνοντος χαρακτήρα σε μια λοξή κατανομή. Πολλά οικονομικά μοντέλα που προσπαθούν να προβλέψουν τη μελλοντική απόδοση ενός περιουσιακού στοιχείου υποθέτουν μια κανονική κατανομή, στην οποία τα μέτρα κεντρικής τάσης είναι ίσα. Εάν τα δεδομένα είναι λοξά, αυτό το είδος μοντέλου πάντα υποτιμά τον κίνδυνο λανθάνουσας κατάστασης στις προβλέψεις του. Όσο πιο στρεβλή είναι τα δεδομένα, τόσο λιγότερο ακριβές θα είναι αυτό το οικονομικό μοντέλο.
Σύγκριση επενδυτικών λογαριασμών Όνομα παροχέα Περιγραφή Αποκάλυψη διαφημιζόμενου × Οι προσφορές που εμφανίζονται σε αυτόν τον πίνακα προέρχονται από συνεργασίες από τις οποίες η Investopedia λαμβάνει αποζημίωση.