Chưa ai giúp, quân ta lại đọc kỹ hơn và tự giải thích cho quân mình hiểu vậy.
Tớ có gì hiểu sai các bạn đi trước chỉ bảo bổ sung giúp nhé. Thực sự là phần này không chỉ hơi khó nhớ mà còn khó hiểu đối với tớ. Ngay việc đọc mấy cái tên "kurtosis", "leptokurtic", "platykurtic" là đã đủ méo mồm rồi. Cảm giác vậy. :004:
Ai giải thích/confỉm giúp tớ:
1. Tại sao kurtosis của normal distribution lại luôn bằng 3?
Tương đương với thắc mắc tại sao lại có công thức:
Excess kurtosis = sample kurtosis - 3
Mình không hiểu tại sao ở đâu "tòi ra" cái số 3. Nếu bắt nhớ thì nhớ được nhưng muốn hiểu bản chất của nó.
Skew và Kurtosis là hai cách đánh giá mức độ rủi ro của một danh mục đầu tư portfolio. Skew? Skew đo mức rủi ro bằng cách tìm ra các phần tử "observations" trong tập nghiên cứu có giá trị ở xa mean hơn. Nghĩa là đánh giá mức độ phân tán của các phần tử cá biệt so với "tendency of center distribution".
Ví dụ: giả sử trong một tập thể người, nếu coi chiều cao là một đặc điểm quan sát "observation" và nếu giả định cứ những người cao là hay gây sự đánh nhau với những người còn lại thì chiều cao là yếu tố gây rủi ro. Người càng cao thì càng thích oánh nhau. Để đánh giá mức độ rủi ro của tập thể người ta sẽ đi tính một vài thông số sau:
* Tính chiều cao trung bình của tập thể- gọi là mean
* Bắt tập thể đó đứng xếp hàng theo thứ tự người cao đứng trước, thấp đứng sau và sau đó tìm chiều cao của người đứng thứ tự giữa - gọi là median
* Đếm số người có cùng một chiều cao và lấy ra số lượng người có cùng chiều cao nhiều nhất- gọi là mode
Giả sử tập thể người trên có mean<median<mode, nghĩa là tập thể đó có nhiều anh cao vượt trội hơn so với chiều cao trung bình của những người còn lại >>> Tập thể này có nhiều rủi ro đánh lộn lẫn nhau. Nôm na là như vậy cho nó dễ nhập tâm.
Một portfolio càng cho negative skew thì càng rủi ro <<< một portfolio có negative skew khi mean < meadian < mode
Khi nói skew người ta hay liên tưởng tới hình vẽ mô tả phân phối xác suất, khi các phần tử gây rủi ro hơn càng nhiều (hay nói cách khác, khi mean<median<mode) thì các mode càng "pull" sang bên phải và làm kéo dài cái đuôi bên trái hình vẽ khiến nó có dạng "flatter tail", đuôi phẳng. Đuôi phẳng bên trái đồng nghĩa với độ rủi ro cao.
Giá trị skew có 3 giá trị:
* Positive skew xảy ra khi mode<median<mean và đuôi phải phẳng thoải hơn
* Negative skew xảy ra khi mean<median<mode và đuôi trái phẳng thoải hơn
* Zero skew xảy ra khi mean=mode=median nằm trên một trục và 2 cái đuôi đối xứng nhau, gọi là phân phối chuẩn đều "symmetric"
2. "Leptokurtic" và "Platykurtic" có phải là "excess kurtosis" không?
3. Có trường hợp nào một phân phối đang cần đánh giá có skew nhưng không hề có kurtosis không? Nghĩa là một phân phối có là normal distribution nhưng không có kurtosis?
4. Giải thích giúp nghĩa từ "fat tail" đó là "tail" có hình dạng như thế nào? (Nếu vẽ hình giải thích giúp mình thì tốt)
Thank you.
Kurtosis? Kurtosis cũng để đo rủi ro nhưng đo bằng cách so sánh với độ lệch chuẩn "standard deviation" trong một phân phối xác suất chuẩn "normal distribution" chứ không so sánh với giá trị trung bình. Điều quan trọng phải nhớ khi đánh giá mức rủi ro dựa vào kurtosis đó là NÓ PHẢI ĐƯỢC SO SÁNH VỚI MỘT PHÂN PHỐI XÁC SUẤT CHUẨN "normal distribution"
Kurtosis của "normal distribution" luôn bằng 3, bởi người ta đã chứng minh bằng phép toán thống kê xác suất là nó luôn bằng 3 nên buộc ai học CFA phần này cũng phải khẩu phục dù tâm chưa phục.
Để đánh giá rủi ro người ta phải so sánh "excess kurtosis" với kurtosis chuẩn (trong đó ngầm qui định kurtosis chuẩn có giá trị luôn luôn bằng 3). Công thức tính "excess kurtosis" như sau:
Excess kurtosis = sample kurtosis - 3 {A} Leptokurtic là trạng thái "positive excess kurtosis", nghĩa là khi "excess kurtosis" trong công thức {A} cho giá trị lớn hơn 0
Platykurtic là trạng thái "negative excess kurtosis", nghĩa là khi "excess kurtosis" trong công thức {A} cho giá trị nhỏ hơn 0.
Vậy cả "leptokurtic" và "platykurtic" đề là "excess kurtosis" >>> có lẽ lên gọi là "kurtosis lệch" cho nó trung tính bởi chẳng biết nó lệch tăng hay lệch giảm nữa :004:
Kurtosis như thế nào thì được coi là rủi ro? Càng "lép" thì càng rủi ro...Hiii...
Nghĩa là:
Nếu có "leptokurtic" và "Platykurtic" thì dĩ nhiên "leptokurtic" sẽ rủi ro hơn "platykurtic"
Nếu có 2 cái "leptokurtic" thì cái nào "lép hơn" sẽ rủi ro hơn.
Nếu có cả skew vào nữa thì cứ thằng nào skew âm và "lép nhiều" thì quá rủi ro.
Cuối cùng thì cũng phân biệt được tí chút. Các bạn bổ sung giúp/ hoặc sửa giúp nếu tớ hiểu sai nhé!
P/S: Xennont, trangnam qua check giúp chị với. Thank you!