photosdematures.com

Ano ang Kurtosis?

Ang Kurtosis sa mga istatistika ay ginagamit upang ilarawan ang pamamahagi ng hanay ng data at inilalarawan kung hanggang saan ang pagkakaiba-iba ng mga punto ng hanay ng data mula sa isang data ng isang normal na pamamahagi. Ginagamit ito upang matukoy kung ang isang pamamahagi ay naglalaman ng matinding mga halaga.

Paliwanag

Sa larangan ng pananalapi, ginagamit ito upang masukat ang dami ng panganib sa pananalapi na nauugnay sa anumang instrumento o transaksyon. Mas higit pa ang kurtosis ay ang panganib sa pananalapi na nauugnay sa nababahalang hanay ng data. Ang Skewness ay isang sukat ng mahusay na proporsyon sa isang pamamahagi samantalang ang kurtosis ay ang sukat ng kabigatan o ang density ng mga buntot ng pamamahagi.

Mga uri ng Kurtosis

Nasa ibaba ang nakalarawan na representasyon ng kurtosis (lahat ng tatlong uri, ang bawat isa ay ipinaliwanag nang detalyado sa kasunod na talata)

# 1 - Mesokurtic

Kung ang kurtosis ng data ay nahulog malapit sa zero o katumbas ng zero, ito ay tinukoy bilang Mesokurtic. Nangangahulugan ito na ang hanay ng data ay sumusunod sa isang normal na pamamahagi. Ang asul na linya sa larawan sa itaas ay kumakatawan sa isang pamamahagi ng Mesokurtic. Sa pananalapi, ang gayong pattern ay naglalarawan ng peligro sa isang katamtamang antas.

# 2 - Leptokurtic

Kapag ang kurtosis ay positibo sa ibang mga termino higit sa zero, ang data ay nahuhulog sa ilalim ng leptokurtic. Ang Leptokurtic ay may mabibigat na matarik na curve sa magkabilang panig na nagpapahiwatig ng mabibigat na populasyon ng mga labas sa set ng data. Sa mga tuntunin ng pananalapi, ipinapakita ng isang pamamahagi ng leptokurtic na ang pagbalik sa pamumuhunan ay maaaring maging lubos na pabagu-bago sa isang malaking sukat sa magkabilang panig. Ang isang pamumuhunan na sumusunod sa pamamahagi ng leptokurtic ay sinasabing isang mapanganib na pamumuhunan ngunit maaari rin itong makabuo ng mabibigat na pagbalik upang mabayaran ang peligro. Ang berdeng kurba sa larawan sa itaas ay kumakatawan sa pamamahagi ng leptokurtic.

# 3 - Platykurtic

Kailan man ang kurtosis ay mas mababa sa zero o negatibo, tumutukoy ito sa Platykurtic. Ang hanay ng pamamahagi ay sumusunod sa banayad o maputla na curve at ang kurba na iyon ay nagpapahiwatig ng maliit na bilang ng mga labas sa isang pamamahagi. Ang isang pamumuhunan na nahuhulog sa ilalim ng platykurtic ay karaniwang hinihingi ng mga namumuhunan dahil sa isang maliit na posibilidad na makabuo ng isang matinding pagbabalik. Gayundin ang maliliit na outliers at flat buntot ay nagpapahiwatig ng mas kaunting peligro na kasangkot sa naturang pamumuhunan. ang pulang linya sa itaas na graphic na representasyon ay naglalarawan ng isang pamamahagi ng platykurtic o isang ligtas na pamumuhunan.

Kahalagahan

• Mula sa pananaw ng mga namumuhunan, ang mataas na kurtosis ng pagbabahagi ng pagbabalik ay nagpapahiwatig na ang isang pamumuhunan ay magbubunga ng paminsan-minsang matinding pagbabalik. Maaari nitong i-swing ang parehong mga paraan na maaaring positibong pagbabalik ng matinding negatibong pagbalik. Kaya't ang nasabing pamumuhunan ay nagdala ng mataas na peligro. Ang nasabing kababalaghan ay kilala bilang peligro sa kurtosis. Sinusukat ng skewness ang pinagsamang laki ng dalawang buntot, sinusukat ng kurtosis ang pamamahagi sa mga halaga sa mga buntot na ito.
• Kapag ang pamamahagi ng kurtosis ay kinakalkula sa anumang hanay ng data ng isang partikular na pamumuhunan, ang peligro ng pamumuhunan laban sa posibilidad na makabuo ng mga pagbalik. Nakasalalay sa halaga at uri na kinabibilangan nito, ang mga hula ng pamumuhunan ay maaaring gawin ng mga tagapayo sa pamumuhunan. Batay sa mga hula ng mga tagapayo ay payuhan ang diskarte at agenda ng pamumuhunan sa mamumuhunan at pipiliin nilang pumunta tungkol sa pamumuhunan. Upang makalkula ang kurtosis sa excel, mayroong isang built-in na function na Kurt sa excel.

Mga kalamangan

• Kinakalkula ito sa hanay ng data ng pamumuhunan, ang halaga na nakuha ay maaaring magamit upang ilarawan ang likas na katangian ng pamumuhunan. Mas malaki ang paglihis mula sa ibig sabihin ay nangangahulugang ang pagbabalik ay mataas din para sa partikular na pamumuhunan.
• Kapag ang labis na kurtosis sa patag, nangangahulugan ito na ang posibilidad ng pagbuo ng isang mataas na pagbalik mula sa pamumuhunan ay mababa at bubuo ng mataas na pagbalik sa ilang mga sitwasyon lamang, regular na ang pagbabalik ay hindi gaanong mataas sa pamumuhunan.
• Ang mataas na labis na labis na kurtosis ay nangangahulugang ang pagbabalik ng pamumuhunan ay maaaring ugoy sa parehong paraan. Nangangahulugan ito na ang nabuong pagbalik ay maaaring maging napakataas o napakababa ayon sa mga outlier sa pamamahagi. Kapag ito ay negatibo, ipinapahiwatig nito na ang paglihis ng data na itinakda mula sa mean ay flat.

Konklusyon

• Ginagamit ang Kurtosis bilang isang hakbang upang tukuyin ang peligro na dala ng isang pamumuhunan. Ang likas na katangian ng pamumuhunan upang makabuo ng mas mataas na pagbalik ay maaari ring mahulaan mula sa halaga ng kinakalkula na kurtosis. Mas malaki ang labis para sa anumang hanay ng data ng pamumuhunan, mas malaki ang paglihis nito mula sa ibig sabihin.
• Nangangahulugan ito na ang naturang pamumuhunan ay may potensyal na makabuo ng mas mataas na mga pagbalik o upang maubos ang halaga ng pamumuhunan sa isang mas malawak na lawak. Ang labis na kurtosis na malapit sa zero o isang patag na paglihis mula sa ibig sabihin ay naglalarawan na ang pamumuhunan ay magkakaroon ng isang maliit na posibilidad na makabuo ng mataas na pagbalik. Maaari itong magamit upang tukuyin ang panganib sa pananalapi ng pamumuhunan. Para sa tagapayo ng puhunan sa kurtosis ay isang mahalagang kadahilanan upang tukuyin ang panganib sa pamumuhunan na nauugnay sa portfolio ng pondo.