交易不符合正態分布

Ⅰ 交易模型的評估

對於交易模型的收益和風險評估，很多投資者往往只關心凈利潤和回報率，而忽略了交易模型的風險測量評估，其實這正是交易模型最為關鍵的部分。
兩個管理者的起始凈值和到期凈值一樣，但是管理者A的期貨基金的凈值在中間經歷了大幅起落，使投資者在投資途中的風險加大，加大了投資者和管理者的心理壓力，管理者可能產生情緒波動，不能很好地執行交易模型的交易信號，產生了非市場性風險，投資者也將很可能在中途贖回基金投資，而不能取得最後的回報。
而管理者B的期貨基金的凈值在中間相對平穩，投資者所面臨的風險減少，投資者和管理者心態平穩，管理者不去追求短期的高回報，凈值則穩定增長，管理者完成交易模型成功的概率也比管理者A的期貨基金要大。
交易模型的評估項目大體包括：凈利潤、回報率、總交易次數、盈虧次數比率、標准離差/標准離差率、回報回調率、風險指標d七個方面。
標准離差/標准離差率
期貨基金交易模型常用的收益和風險評估是標准離差/標准離差率，因為標准離差/標准差離率越小，說明交易模型的收益分布概率越集中，期貨基金交易模型實際收益越接近理論收益，風險越低。評估步驟如下：
1.計算交易模型收益期望值
E=∑Xi×Pi，E為收益期望值、Xi為第i筆交易的收益、Pi為第i種結果收益的概率。
2.計算交易模型的收益標准離差
δ=∑（Xi－E）2×Pi
3.標准離差率
V=δ÷E
4.權衡交易模型優劣
選擇收益高且標准離差率小的交易模型。
風險指標d
在使用標准離差率對期貨基金交易模型收益和風險評估的前提條件是交易模型的分布必須符合正態分布，也就收益分布是對稱的，對於不符合正態分布的交易模型的收益和風險評估就沒有意義了。往往出現收益為負的交易模型的標准離差率小於收益為正的交易模型，因此我們在這里引入了風險指標d。
d=|∑n÷∑c|，∑n為交易模型收益小於0的次數和收益的乘積、∑c為交易模型收益大於0的次數和收益的乘積。
引入風險指標d的好處是不用對交易模型的收益分布做任何假設，就可以對交易模型的收益進行比較。

Ⅱ 我也遇到了和你一樣的問題，請問對於不符合正態分布的你用什麼方法繼續分析的大俠幫忙

我的也是，正態性檢驗p值小於0.05，不符合正態分布，經對數轉換後也不符合正態分布。所以我版就用的是非參數檢驗權。analyze-noparametric test -2 independent sample
希望我的回答對你有所幫助，謝謝。

Ⅲ 如何快速確定數據符不符合正態分布

正態下做擬合優度檢驗，一般有三種方法，Anderson-Darling，Ryan-Joiner，Kolmogorov-Smirnov
第三種也稱為科式檢驗是比較常用回的
一般擬合優度答檢驗只要不是特殊情況（比如列聯表）計算量都是很大，不過現在有很多統計軟體可以計算

Ⅳ 畢業論文研究數據幾乎都不符合正態分布有沒有影響

來回答你的問題，你說即使是不合乎發布，有沒有影響是有影響的。

Ⅳ 克里格差值中不符合正態分布怎麼辦

統計一下，看原數據符合什麼分布，如果符合對數正態分布，可以把內利用對數克立格容法進行估值。
一般地，分布狀態呈現趨勢的，那麼就可以首先模擬這種趨勢，然後利用泛克立格法進行估計。
還有可以利用非線性克立格法，例如指示克立格法，它不依賴於數據的分布，所以就不必考慮分布狀態的問題了。

Ⅵ 當數據不符合正態分布，且希望能符合正態分布時候可以用哪些方法

正態分布法：X服從一個數學期望為μ、方差為σ^2的正態分布，記為N(μ，σ^2)。其概版率密度函數為正態分布的期權望值μ決定了其位置，其標准差σ決定了分布的幅度。當μ = 0，σ = 1時便符合正態分布了。

正態曲線呈鍾型，兩頭低，中間高，左右對稱因其曲線呈鍾形，因此人們又經常稱之為鍾形曲線。

服從標准正態分布,通過查標准正態分布表就可以直接計算出原正態分布的概率值。故該變換被稱為標准化變換。

Ⅶ 數據不符合正態分布能用均值加減標准誤差表示嗎

可以.但是有些分布的這樣表示意義不大.原因是正態分布這樣做 是因為正態在均值左右的標准差覆蓋面積基本穩定確定.那樣表示會比較方便.

Ⅷ 我的數據不符合正態分布，是不是不能用多因素方差分析了

如果嚴重偏態 需要考慮對數據進行下處理 再做分析

Ⅸ 想問一下，在spss中，如果數據不符合正態分布，但是強行用了T檢驗，Pear

會出現檢驗效能沒這么高的問題，相關檢驗不是t檢驗，regression也不是t檢驗，不要混淆

Ⅹ 用SPSS做相關分析時，數據不呈正態分布，是不是就不能用pearson分析了要用spearman分析

這個首先要看你的變數數據是否都屬於連續性數據，如果都是連續性數專據，然後繪制一下變數屬的散點圖，看看是否是顯著的不符合正態分布，如果完全不符合的話 那就只能用其他的來分析，如果只是略微偏態 還是可以用pearson分析
如果數據分類等級數據類型，則直接用spearman方法