तिरछापन
तिरछा क्या है?
तिरछापन एक विकृति या विषमता को संदर्भित करता है जो डेटा के एक सेट में सममित घंटी वक्र, या सामान्य वितरण से विचलित करता है। यदि वक्र को बाईं ओर या दाईं ओर स्थानांतरित किया जाता है, तो इसे तिरछा कहा जाता है। तिरछापन को उस मात्रा के प्रतिनिधित्व के रूप में निर्धारित किया जा सकता है जो किसी दिए गए वितरण को सामान्य वितरण से भिन्न होता है। जबकि एक एक सामान्य वितरण, शून्य का एक तिरछा है lognormal वितरण, उदाहरण के लिए, राइट-तिरछा के कुछ डिग्री प्रदर्शन करेंगे।
चाबी छीन लेना
- स्केवनेस, आंकड़ों में, संभावना वितरण में देखी गई विषमता की डिग्री है।
- वितरण सही (सकारात्मक) तिरछी या बाईं (नकारात्मक) तिरछी भिन्नता को प्रदर्शित कर सकते हैं। एक सामान्य वितरण (घंटी वक्र) शून्य तिरछापन प्रदर्शित करता है।
- रिटर्न वितरण को देखते समय निवेशक सही-तिरछा ध्यान देते हैं क्योंकि यह अतिरिक्त कर्टोसिस की तरह, केवल औसत पर ध्यान केंद्रित करने के बजाय डेटा सेट के चरम का प्रतिनिधित्व करता है।
तिरछी समझ
सकारात्मक और नकारात्मक तिरछा के अलावा, वितरण को शून्य या अपरिभाषित तिरछा भी कहा जा सकता है। किसी वितरण के वक्र में, वक्र के दाईं ओर का डेटा बाईं ओर के डेटा से अलग प्रकार से हो सकता है। इन टेपरिंग को “पूंछ” के रूप में जाना जाता है। नकारात्मक तिरछा वितरण के बाईं ओर एक लंबी या फैटर पूंछ को संदर्भित करता है, जबकि सकारात्मक तिरछा दाईं ओर लंबी या मोटी पूंछ को संदर्भित करता है।
मतलब सकारात्मक विषम डेटा की तुलना में अधिक हो जाएगा मंझला । एक वितरण में जो नकारात्मक रूप से तिरछा होता है, ठीक इसके विपरीत होता है: नकारात्मक रूप से तिरछे डेटा का मतलब औसतन से कम होगा। यदि डेटा सममित रूप से रेखांकन करता है, तो वितरण में तिरछापन होता है, भले ही पूंछ कितनी लंबी या मोटी हो।
नीचे दर्शाए गए तीन संभावना वितरण सकारात्मक रूप से तिरछे (या दाएं-तिरछा) एक बढ़ती हुई डिग्री के हैं। नकारात्मक रूप से तिरछे वितरणों को वाम-तिरछी वितरण के रूप में भी जाना जाता है।
एक संभावना वितरण की पूंछ में गिरने वाली घटनाओं की संभावना का बेहतर ढंग से न्याय करने के लिए कर्टोसिस के साथ तिरछापन का उपयोग किया जाता है ।
तिरछापन मापने
तिरछापन को मापने के कई तरीके हैं। पियर्सन के तिरछेपन के पहले और दूसरे गुणांक दो सामान्य हैं। पियर्सन का तिरछापन का पहला गुणांक, या पियर्सन मोड तिरछापन, मोड को बीच से हटाता है और मानक विचलन द्वारा अंतर को विभाजित करता है । पियर्सन के तिरछेपन का दूसरा गुणांक, या पियर्सन माध्य तिरछापन, माध्य को मध्यमान से घटाता है, अंतर को तीन से गुणा करता है, और मानक विचलन द्वारा उत्पाद को विभाजित करता है।
पियर्सन के तिरछेपन के सूत्र हैं:
यदि डेटा एक मजबूत मोड प्रदर्शित करता है तो पियर्सन का तिरछापन का पहला गुणांक उपयोगी है। यदि डेटा में कमजोर मोड या कई मोड हैं, तो पीयरसन का दूसरा गुणांक बेहतर हो सकता है, क्योंकि यह केंद्रीय प्रवृत्ति के माप के रूप में मोड पर निर्भर नहीं करता है।
तिरछापन आपको क्या बताता है?
रिटर्न वितरण को देखते समय निवेशक तिरछा ध्यान देते हैं क्योंकि यह कुर्तोसिस की तरह, केवल औसत पर ध्यान केंद्रित करने के बजाय डेटा सेट के चरम पर विचार करता है। अल्पकालिक और मध्यम अवधि के निवेशकों को विशेष रूप से चरम पर देखने की जरूरत है क्योंकि वे आश्वस्त होने के लिए लंबे समय तक स्थिति धारण करने की संभावना कम हैं कि औसत खुद ही काम करेगा।
निवेशक आमतौर पर भविष्य के रिटर्न की भविष्यवाणी करने के लिए मानक विचलन का उपयोग करते हैं, लेकिन मानक विचलन एक सामान्य वितरण को मानता है। चूंकि कुछ वापसी वितरण सामान्य के करीब आते हैं, तिरछापन एक बेहतर उपाय है जिसके आधार पर प्रदर्शन की भविष्यवाणियों को आधार बनाया जाता है। यह तिरछा जोखिम के कारण है।
तिरछा वितरण में उच्च तिरछापन के एक डेटा बिंदु को मोड़ने का जोखिम जोखिम है। कई वित्तीय मॉडल जो किसी संपत्ति के भविष्य के प्रदर्शन की भविष्यवाणी करने का प्रयास करते हैं, एक सामान्य वितरण मानते हैं, जिसमें केंद्रीय प्रवृत्ति के उपाय समान हैं। यदि डेटा को तिरछा किया जाता है, तो इस तरह का मॉडल हमेशा अपनी भविष्यवाणियों में विषमता जोखिम को कम करेगा। डेटा जितना अधिक तिरछा होगा, यह वित्तीय मॉडल उतना ही सटीक होगा।
एक तिरछे वितरण के उदाहरण के रूप में एसेट मूल्य
“सामान्य” रिटर्न से प्रस्थान को पिछले दो दशकों में अधिक आवृत्ति के साथ देखा गया है, जिसकी शुरुआत 1990 के दशक के अंत के इंटरनेट बुलबुले से हुई थी। वास्तव में, परिसंपत्ति रिटर्न तेजी से सही-तिरछा हो जाता है। यह अस्थिरता 11 सितंबर के आतंकवादी हमलों, आवास बुलबुले के पतन और बाद में वित्तीय संकट और मात्रात्मक सहजता (क्यूई) के दौरान उल्लेखनीय घटनाओं के साथ हुई ।
के तनाव मुक्त फेडरल रिजर्व बोर्ड के (FRBs) अभूतपूर्व आसान मौद्रिक नीति अस्थिर बाज़ार कार्रवाई और निवेश रिटर्न के और अधिक विषम वितरण के अगले अध्याय हो सकता है। हाल ही में हमने वैश्विक COVID-19 महामारी की शुरुआत के दौरान चरम नकारात्मक कदम देखे।