Skewness
Co je Skewness?Skewness označuje zkreslení nebo asymetrii v symetrické zvonové křivce nebo normální rozdělení v sadě dat. Pokud je křivka posunuta doleva nebo doprava, říká se, že je zkosená. Skewness lze kvantifikovat jako reprezentaci rozsahu, v jakém se dané rozdělení liší od normálního rozdělení. Normální distribuce má nula zkosení, zatímco lognormální distribuce by například vykazovala určitý stupeň pravého zkosení.
Tři rozdělení pravděpodobnosti znázorněná níže jsou ve stále větší míře pozitivně zkosená (nebo zkosená doprava). Negativně zkosené distribuce jsou také známé jako levotočivé distribuce. Skewness se používá spolu s kurtózou k lepšímu posouzení pravděpodobnosti, že se události ocitnou v ocasu distribuce pravděpodobnosti.
Klíč s sebou
- Skewness, ve statistice, je stupeň zkreslení ze symetrické zvonové křivky v rozdělení pravděpodobnosti.
- Distribuce mohou vykazovat pravou (pozitivní) skewness nebo levou (negativní) skewness v různé míře.
- Investoři při posuzování distribuce výnosů berou v úvahu skreslost, protože stejně jako kurtóza zvažuje spíše extrémy datového souboru než se soustředit pouze na průměr.
Vysvětluje Skewness
Kromě pozitivního a negativního zkosení lze také říci, že distribuce mají nulovou nebo nedefinovanou odchylku. V křivce distribuce se data na pravé straně křivky mohou zužovat odlišně od údajů na levé straně. Tato zúžení se nazývají „ocasy“. Negativní zkosení označuje delší nebo tlustší ocas na levé straně distribuce, zatímco pozitivní zkosení odkazuje na delší nebo tlustší ocas na pravé straně.
Průměr kladně zkosených dat bude větší než střední hodnota. V distribuci, která je negativně zkosená, je pravdou pravý opak: průměr negativně zkreslených dat bude menší než střední hodnota. Pokud je graf dat symetrický, má distribuce nulovou skosnost, bez ohledu na to, jak dlouhé nebo tlusté ocasy jsou.
Existuje několik způsobů, jak měřit skewness. Pearsonův první a druhý koeficient skewness jsou dva běžné. Pearsonův první koeficient skewness, nebo Pearsonova skewness, odečte režim od střední hodnoty a dělí rozdíl standardní směrodatnou odchylkou. Pearsonův druhý koeficient skewness, nebo Pearsonovy střední skewness, odečte střední hodnotu od střední hodnoty, vynásobí rozdíl třemi a rozdělí produkt standardní odchylkou.
Vzorce pro Pearsonovu skewn jsou:
kde:
- Sk 1 je Pearsonův první koeficient šikmosti a Sk 2 druhý;
- s je standardní odchylka pro vzorek;
- x̄ je střední hodnota;
- Mo je modální hodnota (režim); a
- Md je střední hodnota.
Pearsonův první koeficient šikmosti je užitečný, pokud data vykazují silný režim. Pokud mají data slabý režim nebo více režimů, může být výhodnější Pearsonův druhý koeficient, protože se nespoléhá na režim jako měřítko centrální tendence.
0:58Co je Skewness ">Co vám řekla Skewness?
Investoři při posuzování distribuce výnosů berou v úvahu skreslost, protože stejně jako kurtóza zvažuje spíše extrémy datového souboru než se soustředit pouze na průměr. Zejména krátkodobí a střednědobí investoři se musí podívat na extrémy, protože je méně pravděpodobné, že budou zastávat pozici dostatečně dlouho na to, aby si byli jisti, že průměr bude fungovat sám.
Investoři běžně používají standardní odchylku k předpovídání budoucích výnosů, ale standardní odchylka předpokládá normální rozdělení. Vzhledem k tomu, že se jen málo distribucí zpátečky blíží k normálnímu stavu, je skewness lepším měřítkem, na kterém lze založit předpovědi výkonu. Důvodem je riziko šikmosti.
Riziko bezklíčnosti je zvýšené riziko, že se ve zkosené distribuci objeví datový bod s vysokou skosností. Mnoho finančních modelů, které se snaží předpovídat budoucí výkonnost aktiva, předpokládá normální rozdělení, ve kterém jsou míry centrální tendence stejné. Pokud jsou data zkreslená, tento typ modelu bude ve svých předpovědích vždy podceňovat riziko skreslení. Čím více budou data zkreslena, tím bude tento finanční model méně přesný.
Porovnat poskytovatele investičních účtů Jméno Popis Zveřejnění inzerenta × Nabídky, které se objevují v této tabulce, pocházejí od partnerství, od nichž Investopedia dostává náhradu.