Kas yra kreivumas?
Kreivumas reiškia iškraipymus ar asimetriją simetriškos varpo kreivėje arba normalų pasiskirstymą duomenų rinkinyje. Jei kreivė pasislenka į kairę arba į dešinę, sakoma, kad ji yra pasvirusi. Pakreipimą galima išreikšti kiekybiškai kaip pavaizdavimą, kiek nurodytas pasiskirstymas skiriasi nuo normalaus pasiskirstymo. Normalus pasiskirstymas turi nulį, o, pavyzdžiui, jei nenormalus pasiskirstymas rodo tam tikrą tiesės pasvirimą.
Trys žemiau pavaizduoti tikimybių pasiskirstymai vis labiau didėja teigiamai (arba iš dešinės). Neigiamai pasvirę pasiskirstymai taip pat žinomi kaip pasvirę pasiskirstymai kairėje. Griežtumas naudojamas kartu su kurtozė, kad būtų galima geriau įvertinti įvykių, patenkančių į tikimybės pasiskirstymo uodegą, tikimybę.
Paveikslėlis - Julie Bang © „Investopedia 2019“
Pagrindiniai išvežamieji daiktai
- Pakreipimas, statistikoje, yra iškraipymo laipsnis iš simetriškos varpo kreivės tikimybės pasiskirstyme. Pasiskirstymai įvairaus laipsnio gali rodyti dešinįjį (teigiamą) arba kairįjį (neigiamą) pakreipimą. kurtosis, atsižvelgia į duomenų rinkinio kraštutinumus, o ne koncentruojasi tik į vidurkį.
Aiškinamasis skeveldrumas
Be teigiamo ir neigiamo iškrypimo, pasiskirstymai taip pat gali būti lygūs arba neapibrėžti. Pasiskirstymo kreivėje dešinėje kreivės pusėje esantys duomenys gali skirtis nei duomenys kairėje pusėje. Šie smailėjantys vingiai yra žinomi kaip „uodegos“. Neigiamas pasvirimas reiškia ilgesnę ar riebesnę uodegą kairėje paskirstymo pusėje, tuo tarpu teigiamas iškreipimas reiškia ilgesnę ar riebesnę uodegą dešinėje.
Teigiamai iškreiptų duomenų vidurkis bus didesnis nei mediana. Pasiskirstyme, kuris yra neigiamai iškreiptas, yra visiškai priešingai: neigiamai iškraipytų duomenų vidurkis bus mažesnis nei mediana. Jei duomenys pateikiami simetriškai, pasiskirstymas nėra lygus, nepaisant to, kiek ilgos ar riebios uodegos.
Yra keletas būdų, kaip išmatuoti skeptiškumą. Pirmasis ir antrasis Pearsono kreivumo koeficientai yra du bendrieji. Pirmasis „Pearson“ skeveldrumo koeficientas, arba „Pearson“ režimo trapumas, atima režimą iš vidurkio ir padalija skirtumą iš standartinio nuokrypio. Antrasis Pearsono kreivumo koeficientas, arba Pearsono medianinis skeveldros vidurkis, atimamas iš vidurkio, padauginus skirtumą iš trijų ir padalijus produktą iš standartinio nuokrypio.
Pearsono skeptiškumo formulės yra:
Visiem, kas noklusina, tacu Sk1 = sX¯ − Mo Sk2 = s3X¯ − Md, kur: Sk1 = Pearsono pirmasis skeveldrumo koeficientas, o Sk2 - sekundės = standartinis mėginio nuokrypisX¯ = yra vidutinė vertėMo = modalas (režimo) reikšmė
Pirmasis Pearsono kreivumo koeficientas yra naudingas, jei duomenys rodo stiprų režimą. Jei duomenys turi silpną režimą arba kelis režimus, pirmenybė gali būti teikiama antrajam Pearsono koeficientui, nes jis nesiremia režimu kaip centrinės tendencijos matu.
Kas yra kreivumas?
Ką tau sako skeveldra?
Investuotojai atkreipia dėmesį į nuosmukį vertindami grąžos paskirstymą, nes jis, kaip ir kurtosis, atsižvelgia į duomenų rinkinio kraštutinumus, o ne koncentruojasi tik į vidurkį. Visų pirma trumpalaikiams ir vidutinės trukmės investuotojams reikia atkreipti dėmesį į kraštutinumus, nes yra mažiau tikėtina, kad jie užims tokią poziciją pakankamai ilgai, kad būtų įsitikinę, jog vidutinis investuotojas pasiteisins pats.
Investuotojai dažniausiai naudoja standartinį nuokrypį, norėdami numatyti grąžą ateityje, tačiau standartinis nuokrypis reiškia normalų pasiskirstymą. Kadangi tik keletas grąžos paskirstymų artėja prie normalaus, paslankumas yra geresnė priemonė, kuria remiantis galima pagrįsti našumo prognozes. Taip yra dėl rizikingumo.
Griežtumo rizika yra padidėjusi rizika, kad pasiskirstęs pasiskirsčiusio duomenų taškas bus labai neryškus. Daugybė finansinių modelių, kuriais bandoma numatyti būsimą turto vertę, daro prielaidą, kad pasiskirstymas yra normalus, kai centrinės tendencijos matai yra lygūs. Jei duomenys yra neteisingi, tokio tipo modeliuose prognozės visada bus nepakankamai įvertintos. Kuo duomenys neteisingi, tuo šis finansinis modelis bus ne toks tikslus.
