Использование графиков и исторических данных является обычным явлением в частных инвестициях, но использование статистического анализа обычно связано с количественными инвестициями и методами активного управления фондами.

Привет, я профессиональный и опытный аналитик данных и эксперт по электронной коммерции. Я помогаю инвесторам принимать важные решения. Я проведу анализ данных, визуализацию и составлю отчет. Нажмите здесь, чтобы связаться со мной, ИЛИ вы можете написать мне по адресу [email protected]

Если вы хотите стать успешным инвестором или трейдером, вы должны знать эти 10 статистических данных, приведенных ниже:

Меры центрального значения

В статистическом анализе есть три показателя центральной тенденции: среднее, медиана и мода. Все три являются сводными мерами, которые пытаются наилучшим образом описать весь набор данных в одном значении, представляющем ядро ​​распределения этого набора данных.

1. Режим

Это наиболее часто встречающееся значение в наборе данных. Однако режим не обязательно будет отражать центральное значение набора данных. Кроме того, в наборе данных может быть две или более мод или вообще не быть мод.

2. Среднее арифметическое

Среднее значение — это среднее значение набора данных. Средние значения полезны во многих обстоятельствах в бизнесе.

Интернет-магазины всегда запрашивают ваш возрастной диапазон при создании учетной записи. Это полезно не только им, но и другим ритейлерам и производителям товаров для таргетирования рекламы на определенные возрастные группы.

В инвестициях, особенно для учреждений, становится все более важным знать средние цены покупки в определенное время дня, чтобы знать, достигает ли ваше учреждение наилучшего исполнения своих покупок активов.

3. Медиана

Носитель — это среднее число в наборе данных.

Представьте на примере зарплаты в компании. Допустим, есть три широких диапазона заработной платы: 80% этих зарплат приходится на полуквалифицированных и неквалифицированных рабочих, 15% — на квалифицированных рабочих и руководителей, и только 5% — на старших менеджеров и руководителей. искажает среднюю заработную плату вверх. Работник средней квалификации, зарабатывающий 30 000 фунтов стерлингов в год, вряд ли будет впечатлен, узнав, что средняя заработная плата там, где он работает, составляет 45 000 фунтов стерлингов в год. Он знает, что зарабатывает больше, чем неквалифицированный рабочий, но из-за средней зарплаты его путь вверх по корпоративной лестнице кажется ужасно долгим.

Его заработная плата, вероятно, будет более тесно связана с медианой, учитывая процент работников в этой группе набора данных.

Модели распространения

4. Нормальное распределение

Нормальное распределение также называют стандартным нормальным распределением или моделью распределения Гаусса.

Нормальное распределение можно отобразить на одной горизонтальной оси, которая представляет собой полный спектр значений в заданном наборе данных.

Половина этого набора данных будет иметь значения выше среднего, а половина будет иметь значения ниже среднего. Большинство точек данных будут лежать близко к среднему значению, а остальные будут отклоняться в каждом направлении.

Нормальные модели распределения в исторической доходности мало что говорят инвестору, кроме того, что актив, по-видимому, ведет себя чудесным образом и его доходность в основном отражает историческое среднее значение.

5. Асимметрия

Асимметрия измеряет симметрию или асимметрию распределения.

В стандартном нормальном распределении, как указано выше, асимметрия будет равна нулю. Отрицательная асимметрия будет искажать кривую нормального распределения влево, а положительная асимметрия будет иметь противоположный эффект.

Изучая годовую доходность актива за определенный период времени, профессиональный инвестор будет искать инвестиции, которые демонстрируют положительную асимметрию — доходность, превышающую среднее историческое значение.

Однако в некоторых обстоятельствах это оказалось катастрофическим для инвесторов. Когда формируются рыночные пузыри, актив может демонстрировать положительную асимметрию, побуждая инвесторов покупать на вершине рынка. Затем, когда перекос становится отрицательным, у них может возникнуть соблазн продать с убытком.

Статистический анализ настолько же интуитивен, насколько и человек, который его использует.

6. Эксцесс

Эксцесс - еще одна мера отклонения от нормального распределения, но она касается крайностей. Это вводит хорошо известный инвестиционный термин «хвостовой риск».

Модель распределения, о которой говорят, что у нее толстый хвост, является признаком эксцесса. Риск хвоста возникает, когда вероятность того, что инвестиции могут измениться более чем на три стандартных отклонения (см. ниже) от среднего значения, больше, чем в модели нормального распределения.

Отклонение от среднего

7. Дисперсия

Дисперсия используется в качестве инструмента анализа данных для изучения того, как каждое отдельное значение в наборе чисел отличается от среднего арифметического этого набора данных.

Дисперсия также используется в управлении рисками, чтобы помочь определить уровень риска, который может принять инвестор при покупке определенного актива, но обычно как квадрат стандартного отклонения, который мы рассмотрим далее.

8. Стандартное отклонение

Стандартное отклонение — это просто квадратный корень из дисперсии, но это одна из самых важных мер в статистическом анализе.

Применительно к годовой доходности инвестиций стандартное отклонение может помочь определить историческую волатильность этих инвестиций.

Стандартное отклонение — это фундаментальная мера риска в инвестициях, которую большинство профессиональных управляющих фондами и портфелями используют для расчета вероятной доходности инвестиций.

Зная доходность инвестиций за несколько предыдущих лет, можно рассчитать среднюю или среднюю доходность, и исходя из этого стандартное отклонение сообщает инвестиционному менеджеру о вероятной волатильности средней доходности.

Если годовой доход находится в пределах стандартного отклонения, то это стабильная инвестиция. Если доходность в некоторые годы выходит за пределы стандартного отклонения, она более волатильна.

Меры подобия

9. Ковариация

Трейдеры используют статистический анализ для определения доходности рискованных инвестиций в портфеле. Когда два или более рискованных актива перемещаются в тандеме, говорят, что они имеют высокую или положительную ковариацию.

Положительная ковариация не особенно приветствуется в портфеле активов. Можно ожидать более высокой степени доходности от рискованных активов, но также и более высокой степени потерь, когда что-то пойдет не так, и вы не хотите, чтобы два или более рискованных актива пошли не так одновременно.

Низкая или отрицательная ковариация обеспечивает большую диверсификацию портфеля активов, потому что, когда один рискованный актив не работает хорошо, другие рисковые активы должны компенсировать эту низкую эффективность.

10. Коэффициент корреляции

Простую корреляцию можно увидеть при сравнении двух графиков рядом. Глаз может обнаружить простые соответствия между пиками и впадинами.

Однако для более точной оценки корреляции коэффициент корреляции можно определить, разделив сумму ковариаций рассматриваемых переменных на сумму их стандартных отклонений.

Ответ должен находиться в диапазоне от 1 до -1. Положительное значение означает, что существует положительная корреляция между двумя переменными. Чем ближе к 1, тем выше корреляция между ними. Противоположный эффект будет наблюдаться при отрицательном коэффициенте.

Этот тип статистического анализа используется управляющими фондами для определения того, насколько хорошо работает их фонд по сравнению с его эталонным индексом.

Если вы не понимаете вышеперечисленных математических вещей или у вас недостаточно времени для этого, я здесь, чтобы помочь вам.Нажмите здесь, чтобы связаться со мной ИЛИ вы можете написать мне по электронной почте birenkarena1712@ gmail.com