Rahoituksen takana oleva matematiikka voi olla hieman hämmentävä ja työläs. Onneksi suurin osa tietokoneohjelmista tekee monimutkaisia laskelmia. Eri tilastointitermien ja -menetelmien, niiden merkitysten ja sijoitusten parhaan analysoinnin ymmärtäminen on kuitenkin välttämätöntä, kun valitaan sopiva arvopaperi ja saadaan haluttu vaikutus salkkuun.
Yksi tärkeä päätös on valita normaalien versioiden lognormaalien jakaumien välillä, ja niihin viitataan usein tutkimuskirjallisuudessa. Ennen valintaa sinun on tiedettävä:
- Minkälaisia he ovatMitä eroja on niiden välilläMiten ne vaikuttavat sijoituspäätöksiin
Normaali vs. normaali
Sekä normaalia että lognormaaleja jakaumia käytetään tilastollisessa matematiikassa kuvaamaan tapahtuman todennäköisyyttä. Kolikon kääntäminen on helposti ymmärrettävä esimerkki todennäköisyydestä. Jos käännät kolikon 1000 kertaa, mikä on tulosten jakauma? Eli kuinka monta kertaa se laskeutuu päähän tai pyrstöön? On 50% todennäköisyys, että se laskeutuu joko pään tai pyrstön päälle. Tämä perus esimerkki kuvaa tulosten todennäköisyyttä ja jakautumista.
Jakautumisia on monen tyyppisiä, joista yksi on normaali tai kellokäyrän jakauma.

Kuva Julie Bang © Investopedia 2019
Normaalijakaumassa 68% (34% + 34%) tuloksista on yhden standardipoikkeaman sisällä, ja 95% (68% + 13, 5% + 13, 5%) on kahden standardipoikkeaman sisällä. Keskipisteessä (yllä olevan kuvan 0 piste) mediaani (sarjan keskiarvo), tila (arvo, joka esiintyy yleisimmin) ja keskiarvo (aritmeettinen keskiarvo) ovat kaikki samat.
Lognormaalijakauma eroaa normaalijakaumasta monella tavalla. Suurin ero on muodossaan: normaali jakauma on symmetrinen, kun taas lognormaalinen jakauma ei ole. Koska arvot lognormaalissa jakaumassa ovat positiivisia, ne luovat oikein vinossa käyrän.

Kuva Julie Bang © Investopedia 2019
Tämä vinous on tärkeä määritettäessä, mitä jakelua on sopivaa käyttää sijoituspäätöksenteossa. Lisäerotus on, että arvot, joita käytetään lognormaalisen jakauman johtamiseen, jakautuvat normaalisti.
Selvitetään esimerkillä. Sijoittaja haluaa tietää odotettavissa olevan osakekurssin tulevaisuudessa. Koska varastot kasvavat vaikeasti, hänen on käytettävä kasvutekijää. Laskeakseen mahdolliset odotetut hinnat, hän laskee nykyisen osakekurssin ja kertoo sen eri tuottoprosenteilla (jotka ovat matemaattisesti johdettuja eksponentiaalisia tekijöitä, jotka perustuvat yhdistämiseen), joiden oletetaan jakautuvan normaalisti. Kun sijoittaja yhdistää jatkuvasti tuottoja, hän luo lognormaalin jakauman. Tämä jakauma on aina positiivinen, vaikka jotkut tuottoprosentit ovat negatiiviset, mikä tapahtuu 50% ajasta normaalijakaumassa. Tulevaisuuden osakekurssi on aina positiivinen, koska osakehinnat eivät voi laskea alle 0 dollarin.
Milloin normaalia ja lognormaaleja jakelua käytetään
Edellä oleva esimerkki auttoi meitä pääsemään siihen, mikä sijoittajilla todella on: milloin käyttää jokaista menetelmää. Lognormal on erityisen hyödyllinen osakehintoja analysoitaessa. Niin kauan kuin käytetyn kasvutekijän oletetaan jakautuvan normaalisti (kuten oletamme tuottoprosentin kanssa), niin looginen normaalijakauma on järkevä. Normaalijakaumaa ei voida käyttää osakehintojen mallintamiseen, koska sillä on negatiivinen puoli eikä osakehinnat saa laskea alle nollan.
Toinen samanlainen lognormaalijakauman käyttö on optioiden hinnoittelu. Black-Scholes-malli, jota käytetään optioiden hinnoitteluun, käyttää lognormaalijakaumaa perustana optioiden hintojen määrittämisessä.
Toisaalta normaali jakelu toimii paremmin laskettaessa salkun kokonaistuottoa. Normaalijakaumaa käytetään, koska painotettu keskimääräinen tuotto (salkun arvopaperin painon ja tuottoprosentin tulos) kuvaa tarkemmin todellista salkun tuottoa (positiivista tai negatiivista), etenkin jos painot vaihtelevat suuri tutkinto. Seuraava on tyypillinen esimerkki:
| Salkunhoito | Painot | tuotto | Painotettu palautus |
| Varastossa A | 40% | 12% | 40% * 12% = 4, 8% |
| Kanta B | 60% | 6% | 60% * 6% = 3, 6% |
| Kokonaispainotettu keskimääräinen tuotto | 4, 8% * 3, 6% = 8, 4% |
Vaikka salkun kokonaissuorituksen lognormaali tuotto voi olla nopeampi laskea pidemmällä ajanjaksolla, se ei kaappaa yksittäisiä osakepainoja, mikä voi vääristää tuottoa valtavasti. Myös salkun tuotot voivat olla positiivisia tai negatiivisia, ja looginen normaalijakauma ei pysty kaappaamaan negatiivisia puolia.
Pohjaviiva
Vaikka normaalit ja epätavalliset jakaumat erottavat vivahteet voivat paeta meitä suurimman osan ajasta, kunkin jakelun ulkonäön ja ominaisuuksien tuntemus antaa käsityksen portfolion tuottojen ja tulevien osakekurssien mallintamisesta.
Vertaile sijoitustilejä × Tässä taulukossa olevat tarjoukset ovat peräisin kumppanuuksista, joista Investopedia saa korvauksen. Palveluntarjoajan nimi KuvausAiheeseen liittyvät artikkelit

Työkalut perusanalyysiin
Käytetään yleisiä osaketodennäköisyyden jakautumismenetelmiä

Riskienhallinta
Haihtuvuuden käyttötarkoitukset ja rajat

Lisäoptioiden kaupankäynnin käsitteet
Kuinka rakentaa arvostusmalleja, kuten Black-Scholes

Riskienhallinta
Kuinka käyttää Monte Carlo -simulaatiota GBM: n kanssa

Eläkesuunnittelu
Eläkkeelle siirtymisen suunnittelu Monte Carlo -simulaation avulla

Työkalut perusanalyysiin
Volatiliteettimittausten ymmärtäminen
KumppanilinkitAiheeseen liittyvät ehdot
Mitkä ovat todennäköisyydet? Kuinka todennäköisyysjakauma toimii Todennäköisyysjakauma on tilastollinen funktio, joka kuvaa mahdollisia arvoja ja todennäköisyyksiä, joita satunnaismuuttuja voi ottaa tietyllä alueella. lisätietoja vinostuksesta Kaltevuus viittaa vääristymiin tai epäsymmetrisiin symmetrisiin kellokäyriin tai normaalijakaumaan datajoukossa. lisää Kuinka Black Scholes -mallimalli toimii Black Scholes -malli on malli hintojen vaihtelusta ajan myötä rahoitusinstrumenteille, kuten osakkeille, joita voidaan käyttää muun muassa määrittämään eurooppalaisen myyntioption hinta. lisää Bell-käyrän soittaminen Bell-käyrä on muuttujan yleisin jakaumatyyppi, minkä vuoksi sitä pidetään normaalijakaumana. Termi "kellokäyrä" johtuu siitä, että normaalin jakauman kuvaajana käyrä graafi muodostuu kellonmuotoisesta viivasta. enemmän T-jakauman ymmärtäminen AT-jakauma on tyyppinen todennäköisyysfunktio, joka soveltuu arvioimaan populaatioparametrejä pienille otoskokoille tai tuntemattomille variansseille. lisää Log-normaalijakauma Log-normaalijakauma on logaritmisten arvojen tilastollinen jakauma vastaavasta normaalijakaumasta. lisää
