右偏斜与左倾斜分布

什么是偏度？

偏度是在概率中观察到的不对称程度分配。当钟形曲线上的数据点不对称分布到中间的左侧和右侧时，钟形曲线会偏向。分布可以是积极的，右手的，也可以是负面的，左和左翼。正态分布表现为零偏度。

偏斜的类型

负相位或左旋转是指分布左侧的较长或较胖的尾巴，而正面或右转的尾巴则是指右侧的较长或较胖的尾巴。这两个偏斜显示了分布的方向或重量。

下面的三个概率分布是直接交换的。这意思是积极偏斜的数据将大于中位数。在左联分布中，负偏斜数据的平均值将小于中值。

右分配或正分布意味着其尾巴在右侧比左侧更明显。由于分布是正的，因此假设其值为正。因此，大多数值结束了意思是。这意味着最极端的值在右侧。

负相干意味着尾巴在左侧而不是右侧更为明显。在负偏度中，大多数值在平均值的右侧找到。这样，最极端的值就在左边。

测量偏度

测量偏度的两种方法包括皮尔逊的偏度的第一和第二系数。皮尔逊的第一个偏度系数或皮尔逊模式偏度，将模式从平均值中减去，并将差异除以标准偏差。

皮尔逊（Pearson）的第二个偏度系数或皮尔逊（Pearson）偏斜的中位数使中位数从平均值中中值，将差异乘以三，并将产物除以标准偏差。

皮尔逊偏度的公式

$\ begin {Aligned}＆\ qquad \ qquad \ qquad \ quad \ quad \ frac {sk_1 = \ frac {\ bar {x} -mo} { s}} {sk_2 = \ frac {3（x-md）} {s}}} \\＆\ textbf {where：} \\＆sk_1 = \ text {pearson's偏度的第一个系数和} SK_2 \\＆\ qquad \ quad \ quad \ text {第二个} \\＆s = \ s = \ text {示例}} \ \ \ \ bar {x} = \ bar {x} = \ text = \ text {is Mean valit} =} \\ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ \ mo = value} \ end {aligned}$​sk2​=s3（（x- md）​sk1​=sxˉ- mo​​在哪里：sk1​=皮尔逊的第一个偏度系数和sk2​第二个s=样品的标准偏差xˉ=是平均值mo=模态（模式）值md=是中位价值​

如果数据表现出强模式，则使用皮尔逊的第一个偏度系数。如果数据具有弱模式或多种模式，则可以优选Pearson的第二个系数，因为它不依赖于模式作为中心趋势的度量。

偏斜告诉投资者什么？

投资者在判断收益分配时指出，因为它像峰度，考虑数据集的极端，而不是仅关注平均值。短期和中期投资者关注极端，因为他们不太可能拥有足够长的位置，无法确信平均水平会奏效。

投资者通常使用标准偏差来预测未来返回，但是标准偏差假定正态分布。由于很少的回报分布看起来正常，因此偏度是基础绩效预测的更好度量。

偏斜风险是在偏斜分布中提高高偏度的数据点的增加的风险。许多试图预测未来表现的财务模型资产假设正态分布。如果数据偏斜，则该模型将始终低估其预测中的偏斜风险。数据的偏差越多，这种财务模型的准确性就越少。

底线

偏度是一种统计措施，显示分布是扭曲还是不对称。如果它是正确的，那将被认为是积极的。在这种情况下，值大于零。如果相反的是真实的，并且尾巴在左侧更为明显，则偏斜为负，值小于零。