מהי סטינות?
Skewness מתייחס לעיוות או אסימטריה בעקומת פעמון סימטרית, או להתפלגות רגילה, במערכת נתונים. אם העקומה מועברת שמאלה או ימינה, אומרים שהיא מוטה. ניתן לכמת את הפקידות כמייצג את המידה בה החלוקה הנתונה משתנה מהתפלגות רגילה. בהתפלגות רגילה יש שיפוע של אפס, ואילו חלוקה לוגנית, למשל, תציג מידה מסוימת של שיפוע ימני.
שלוש ההתפלגויות ההסתברות המתוארות למטה הן מוטות באופן חיובי (או מוטות ימינה) במידה הולכת וגוברת. התפלגויות שליליות שליליות ידועות גם כהפצות שמאליות. השימוש בספקנות יחד עם קורטוזיס כדי לשפוט טוב יותר את הסבירות לאירועים שייפלו בזנבות חלוקת ההסתברות.
תמונה מאת ג'ולי באנג © Investopedia 2019
Takeaways מפתח
- דלות, בסטטיסטיקה, היא מידת העיוות מעקומת הפעמון הסימטרית בפיזור הסתברות. חלוקות יכולות להפגין סתירות ימנית (חיובית) או סתירה שמאלית (שלילית) בדרגות שונות. משקיעים מציינים דחיקות כאשר שופטים חלוקת חזרה כיוון שהיא, כמו קורטוזיס, שוקל את הקצוות של מערך הנתונים ולא מתמקד אך ורק בממוצע.
מסבירה את הדקידות
מלבד הסטייה החיובית והשלילית, ניתן לומר כי גם בהפצות יש שיפוץ אפס או לא מוגדר. בעקומת החלוקה, הנתונים בצד ימין של העקומה עשויים להתחדד באופן שונה מהנתונים בצד שמאל. התכווצות אלה ידועות כ"זנבות ". שיפוד שלילי מתייחס לזנב ארוך יותר או שמנוני יותר בצד שמאל של החלוקה, ואילו שיפוד חיובי מתייחס לזנב ארוך יותר או שמנוני יותר מימין.
הממוצע של נתונים מפותלים באופן חיובי יהיה גדול מהחציון. בהתפלגות סתויה שלילית, ההפך הגמור הוא המקרה: הממוצע של נתונים מוטה שלילי יהיה פחות מהחציון. אם הגרפים מציגים באופן סימטרי, לפיזור יש אפס שיפוט, ללא קשר לכמה זמן או שומן הזנבות.
ישנן כמה דרכים למדוד את השינויים. מקדמי השינויים הראשונים והשניים של פירסון הם שני שכיחים. מקדם השיפוע הראשון של פירסון, או הסקרנות במצב פירסון, מחסר את המצב מהממוצע ומחלק את ההבדל בסטיית התקן. מקדם השיפוע השני של פירסון, או הערסות החציוניים של פירסון, מחסיר את החציון מהממוצע, מכפיל את ההפרש בשלושה ומחלק את המוצר בסטיית התקן.
הנוסחאות לסקירותו של פירסון הן:
Deen Sk1 = sX¯ − Mo Sk2 = s3X¯ − Md איפה: Sk1 = מקדם השיפוע הראשון של פירסון ו Sk2 השניות = סטיית התקן עבור המדגם X¯ = הוא הערך הממוצעMo = המודאלי (מצב) ערך
מקדם השיפוף הראשון של פירסון מועיל אם הנתונים מראים מצב חזק. אם לנתונים יש מצב חלש או מצבים מרובים, ייתכן שהמקדם השני של פירסון עדיף, מכיוון שהוא אינו מסתמך על מצב כמדד לנטייה מרכזית.
מה הסקנות?
מה אומרת לך הספקנות?
המשקיעים מציינים דחיקות בבחינת חלוקת תשואה מכיוון שהיא, כמו קורטוזיס, מחשיבה את הקצוות של מערך הנתונים ולא מתמקדת אך ורק בממוצע. בפרט, משקיעים לטווח הקצר והבינוני צריכים להסתכל על הקצוות מכיוון שהם נוטים פחות להחזיק בעמדה מספיק זמן כדי להיות בטוחים שהממוצע יסתדר.
משקיעים משתמשים לרוב בסטיית תקן כדי לחזות תשואות עתידיות, אך סטיית תקן מניחה חלוקה תקינה. מכיוון שמעט חלוקות החזרה מתקרבות לשגרה, השינויים הן מדד טוב יותר לבסס את תחזיות הביצועים. הסיבה לכך נובעת מסיכון מוטה.
סיכון של דחיקות הוא הסיכון המוגבר להעלאת נקודת נתונים של סדוקות גבוהה בתפוצה מוטה. מודלים פיננסיים רבים המנסים לחזות את ביצועיו בעתיד של נכס מניחים חלוקה נורמלית, בה מדדים של נטייה מרכזית שווים. אם הנתונים מפותלים, סוג זה של מודל תמיד יזלזל בסיכון הנטייה בתחזיותיו. ככל שהנתונים מוטים יותר, כך יהיה מודל פיננסי זה פחות מדויק.
