Apakah pembahagian biasa?
Pengagihan normal, juga dikenali sebagai taburan Gaussian, adalah taburan kebarangkalian yang bersimpetika mengenai min, menunjukkan bahawa data berhampiran min lebih kerap berlaku daripada data jauh dari min. Dalam bentuk graf, pengedaran normal akan muncul sebagai kurva bel.
Pengedaran Normal
Memahami Pengagihan Biasa
Distribusi normal adalah jenis pengedaran yang paling biasa yang diasumsikan dalam analisis pasaran saham teknikal dan dalam jenis analisis statistik yang lain. Taburan normal piawai mempunyai dua parameter: min dan sisihan piawai. Untuk pengagihan normal, 68% daripada pemerhatian berada dalam +/- satu sisihan piawai min, 95% adalah dalam +/- dua sisihan piawai, dan 99.7% adalah dalam + - tiga sisihan piawai.
Model pengedaran biasa didorong oleh Teorema Batas Tengah. Teori ini menyatakan bahawa purata dikira daripada pemboleh ubah rawak bebas yang disebarkan secara identik mempunyai kira-kira pengagihan biasa, tanpa mengira jenis taburan di mana pembolehubah diambil contoh (dengan syarat ia mempunyai varians terhingga). Pengagihan biasa kadang kala keliru dengan pengedaran simetri. Pengedaran simetri adalah satu di mana garisan pemisah menghasilkan dua imej cermin, tetapi data sebenar boleh menjadi dua bonggol atau satu siri bukit sebagai tambahan kepada lengkung bel yang menunjukkan taburan normal.
Takeaways Utama
- Distribusi normal adalah istilah yang tepat untuk keluk loncatan kebarangkalian. Taburan normal adalah taburan simetri, tetapi tidak semua taburan simetri adalah normal. Pada kenyataannya, kebanyakan pengedaran harga tidak sempurna.
Skewness dan Kurtosis
Data kehidupan sebenar jarang, jika pernah, mengikut taburan normal yang sempurna. Koefisien skewness dan kurtosis mengukur bagaimana perbezaan taburan yang diberikan adalah dari taburan normal. Skewness mengukur simetri pengedaran. Pengagihan normal adalah simetrik dan mempunyai kecenderungan sifar. Jika pengedaran set data mempunyai skewness kurang daripada sifar, atau skewness negatif, ekor kiri pengedaran lebih panjang daripada ekor kanan; kecenderungan positif membayangkan bahawa ekor kanan pengagihan lebih panjang daripada kiri.
Statistik kurtosis mengukur ketebalan hujung ekor pengagihan berkaitan dengan ekor taburan normal. Pengagihan dengan kurtosis besar mempamerkan data ekor melebihi ekor taburan normal (contohnya, lima atau lebih sisihan piawai dari min). Pengagihan dengan kurtosis rendah mempamerkan data ekor yang umumnya kurang melampau daripada ekor taburan normal. Pengedaran normal mempunyai kurtosis tiga, yang menunjukkan pengedaran tidak mempunyai ekor lemak dan nipis. Oleh itu, jika taburan diperhatikan mempunyai kurtosis yang lebih besar daripada tiga, taburan dikatakan mempunyai ekor berat jika dibandingkan dengan taburan normal. Jika pengedaran mempunyai kurtosis kurang daripada tiga, dikatakan mempunyai ekor nipis jika dibandingkan dengan taburan normal.
Bagaimana Pengedaran Normal digunakan dalam Kewangan
Andaian pengagihan biasa digunakan untuk harga aset serta tindakan harga. Peniaga boleh merancang titik harga dari semasa ke semasa untuk menyesuaikan tindakan harga terkini ke dalam taburan normal. Tindakan harga selanjutnya bergerak dari min, dalam kes ini, lebih mungkin bahawa aset telah selesai atau undervalued. Peniaga boleh menggunakan penyimpangan piawai untuk mencadangkan dagangan yang berpotensi. Jenis perdagangan ini biasanya dilakukan pada bingkai masa yang singkat kerana masa lebih besar membuat lebih sukar untuk memilih mata masuk dan keluar.
Begitu juga, banyak teori statistik cuba memodelkan harga aset di bawah anggapan bahawa mereka mengikut taburan normal. Pada kenyataannya, pengedaran harga cenderung mempunyai ekor lemak, dan, oleh itu, mempunyai kurtosis lebih besar daripada tiga. Aset semacam itu mempunyai pergerakan harga yang lebih besar daripada tiga penyimpangan piawai di luar min lebih kerap daripada yang dijangkakan di bawah anggapan pengedaran normal. Walaupun aset telah melalui tempoh yang panjang di mana ia sesuai dengan taburan normal, tidak ada jaminan bahawa prestasi lalu benar-benar memberitahukan prospek masa depan.
