ఫైనాన్స్ వెనుక ఉన్న గణితం కొంచెం గందరగోళంగా మరియు శ్రమతో కూడుకున్నది. అదృష్టవశాత్తూ, చాలా కంప్యూటర్ ప్రోగ్రామ్లు సంక్లిష్టమైన గణనలను చేస్తాయి. ఏదేమైనా, వివిధ గణాంక నిబంధనలు మరియు పద్ధతులు, వాటి అర్ధాలను అర్థం చేసుకోవడం మరియు తగిన భద్రతను ఎంచుకునేటప్పుడు మరియు పోర్ట్ఫోలియోపై కావలసిన ప్రభావాన్ని పొందేటప్పుడు పెట్టుబడులను ఉత్తమంగా విశ్లేషించడం చాలా ముఖ్యం.
ఒక ముఖ్యమైన నిర్ణయం సాధారణ మరియు లాగ్నార్మల్ పంపిణీల మధ్య ఎంచుకోవడం, రెండూ తరచుగా పరిశోధనా సాహిత్యంలో సూచించబడతాయి. ఎంచుకోవడానికి ముందు, మీరు తెలుసుకోవాలి:
- అవి ఏమిటి వాటి మధ్య తేడాలు ఉన్నాయి అవి పెట్టుబడి నిర్ణయాలను ఎలా ప్రభావితం చేస్తాయి
సాధారణ వెర్సస్ లాగ్నార్మల్
ఒక సంఘటన సంభవించే సంభావ్యతను వివరించడానికి గణాంక గణితంలో సాధారణ మరియు లాగ్నార్మల్ పంపిణీలు ఉపయోగించబడతాయి. నాణెంను తిప్పడం సంభావ్యతకు సులభంగా అర్థమయ్యే ఉదాహరణ. మీరు నాణెం 1000 సార్లు తిప్పినట్లయితే, ఫలితాల పంపిణీ ఏమిటి? అంటే, అది ఎన్నిసార్లు తలలు లేదా తోకలపైకి వస్తుంది? ఇది తలలు లేదా తోకలపైకి దిగే 50% సంభావ్యత ఉంది. ఈ ప్రాథమిక ఉదాహరణ ఫలితాల సంభావ్యత మరియు పంపిణీని వివరిస్తుంది.
అనేక రకాల పంపిణీలు ఉన్నాయి, వాటిలో ఒకటి సాధారణ లేదా బెల్ కర్వ్ పంపిణీ.
చిత్రం జూలీ బ్యాంగ్ © ఇన్వెస్టోపీడియా 2019
సాధారణ పంపిణీలో, 68% (34% + 34%) ఫలితాలు ఒక ప్రామాణిక విచలనం పరిధిలోకి వస్తాయి, మరియు 95% (68% + 13.5% + 13.5%) రెండు ప్రామాణిక విచలనాల పరిధిలోకి వస్తాయి. మధ్యలో (పై చిత్రంలో 0 పాయింట్) మధ్యస్థం (సెట్లోని మధ్య విలువ), మోడ్ (చాలా తరచుగా సంభవించే విలువ) మరియు సగటు (అంకగణిత సగటు) అన్నీ ఒకే విధంగా ఉంటాయి.
లాగ్నార్మల్ పంపిణీ సాధారణ పంపిణీకి అనేక విధాలుగా భిన్నంగా ఉంటుంది. ఒక ప్రధాన వ్యత్యాసం దాని ఆకారంలో ఉంది: సాధారణ పంపిణీ సుష్ట, అయితే లాగ్నార్మల్ పంపిణీ కాదు. లాగ్నార్మల్ పంపిణీలోని విలువలు సానుకూలంగా ఉన్నందున, అవి కుడి-వక్ర వక్రతను సృష్టిస్తాయి.
చిత్రం జూలీ బ్యాంగ్ © ఇన్వెస్టోపీడియా 2019
పెట్టుబడి నిర్ణయం తీసుకోవడంలో ఏ పంపిణీని ఉపయోగించడం సముచితమో నిర్ణయించడంలో ఈ వక్రత ముఖ్యం. ఇంకొక వ్యత్యాసం ఏమిటంటే, లాగ్నార్మల్ పంపిణీని పొందటానికి ఉపయోగించే విలువలు సాధారణంగా పంపిణీ చేయబడతాయి.
ఒక ఉదాహరణతో స్పష్టం చేద్దాం. పెట్టుబడిదారుడు భవిష్యత్ స్టాక్ ధరను తెలుసుకోవాలనుకుంటాడు. స్టాక్స్ మిశ్రమ రేటుతో పెరుగుతాయి కాబట్టి, ఆమె వృద్ధి కారకాన్ని ఉపయోగించాలి. Expected హించిన ధరలను లెక్కించడానికి, ఆమె ప్రస్తుత స్టాక్ ధరను తీసుకొని వివిధ రాబడి రేట్ల ద్వారా గుణించాలి (ఇవి సమ్మేళనం ఆధారంగా గణితశాస్త్రపరంగా ఉత్పన్నమయ్యే ఘాతాంక కారకాలు), ఇవి సాధారణంగా పంపిణీ చేయబడతాయి. పెట్టుబడిదారుడు రాబడిని నిరంతరం కలిపినప్పుడు, ఆమె ఒక లాగ్నార్మల్ పంపిణీని సృష్టిస్తుంది. రిటర్న్ రేట్లు కొన్ని ప్రతికూలంగా ఉన్నప్పటికీ ఈ పంపిణీ ఎల్లప్పుడూ సానుకూలంగా ఉంటుంది, ఇది సాధారణ పంపిణీలో 50% సమయం జరుగుతుంది. భవిష్యత్ స్టాక్ ధర ఎల్లప్పుడూ సానుకూలంగా ఉంటుంది ఎందుకంటే స్టాక్ ధరలు below 0 కంటే తగ్గవు.
సాధారణ వర్సెస్ లాగ్నార్మల్ డిస్ట్రిబ్యూషన్ ఎప్పుడు ఉపయోగించాలి
మునుపటి ఉదాహరణ పెట్టుబడిదారులకు నిజంగా ముఖ్యమైనది ఏమిటో తెలుసుకోవడానికి మాకు సహాయపడింది: ప్రతి పద్ధతిని ఎప్పుడు ఉపయోగించాలి. స్టాక్ ధరలను విశ్లేషించేటప్పుడు లాగ్నార్మల్ చాలా ఉపయోగపడుతుంది. ఉపయోగించిన వృద్ధి కారకం సాధారణంగా పంపిణీ చేయబడుతుందని భావించినంత కాలం (మేము రాబడి రేటుతో as హించినట్లు), అప్పుడు లాగ్నార్మల్ పంపిణీ అర్ధమే. స్టాక్ ధరలను మోడల్ చేయడానికి సాధారణ పంపిణీ ఉపయోగించబడదు ఎందుకంటే దీనికి ప్రతికూల వైపు ఉంది మరియు స్టాక్ ధరలు సున్నా కంటే తగ్గవు.
లాగ్నార్మల్ డిస్ట్రిబ్యూషన్ యొక్క మరొక సారూప్య ఉపయోగం ఎంపికల ధరలతో ఉంటుంది. బ్లాక్-స్కోల్స్ మోడల్-ధర ఎంపికలకు ఉపయోగించబడుతుంది-ఆప్షన్ ధరలను నిర్ణయించడానికి లాగ్నార్మల్ పంపిణీని దాని ప్రాతిపదికగా ఉపయోగిస్తుంది.
దీనికి విరుద్ధంగా, మొత్తం పోర్ట్ఫోలియో రాబడిని లెక్కించేటప్పుడు సాధారణ పంపిణీ బాగా పనిచేస్తుంది. సాధారణ పంపిణీ ఉపయోగించబడుతుంది ఎందుకంటే బరువున్న సగటు రాబడి (పోర్ట్ఫోలియోలో భద్రత యొక్క బరువు మరియు దాని రాబడి రేటు) వాస్తవ పోర్ట్ఫోలియో రాబడిని (సానుకూల లేదా ప్రతికూల) వివరించడంలో మరింత ఖచ్చితమైనది, ప్రత్యేకించి బరువులు ఒక తేడాతో ఉంటే పెద్ద డిగ్రీ. కిందిది ఒక సాధారణ ఉదాహరణ:
పోర్ట్ఫోలియో హోల్డింగ్స్ | తూనికలు | రిటర్న్స్ | వెయిటెడ్ రిటర్న్స్ |
స్టాక్ ఎ | 40% | 12% | 40% * 12% = 4.8% |
స్టాక్ బి | 60% | 6% | 60% * 6% = 3.6% |
మొత్తం బరువున్న సగటు రాబడి | 4.8% * 3.6% = 8.4% |
మొత్తం పోర్ట్ఫోలియో పనితీరు కోసం లాగ్నార్మల్ రిటర్న్ ఎక్కువ కాలం పాటు లెక్కించడంలో వేగంగా ఉన్నప్పటికీ, ఇది వ్యక్తిగత స్టాక్ బరువులు పట్టుకోవడంలో విఫలమవుతుంది, ఇది రాబడిని విపరీతంగా వక్రీకరిస్తుంది. అలాగే, పోర్ట్ఫోలియో రాబడి సానుకూలంగా లేదా ప్రతికూలంగా ఉంటుంది మరియు ప్రతికూల అంశాలను సంగ్రహించడంలో లాగ్నార్మల్ పంపిణీ విఫలమవుతుంది.
బాటమ్ లైన్
సాధారణ మరియు లాగ్నార్మల్ పంపిణీలను వేరుచేసే సూక్ష్మ నైపుణ్యాలు ఎక్కువ సమయం నుండి తప్పించుకోగలిగినప్పటికీ, ప్రతి పంపిణీ యొక్క రూపాన్ని మరియు లక్షణాల పరిజ్ఞానం పోర్ట్ఫోలియో రాబడిని మరియు భవిష్యత్తు స్టాక్ ధరలను ఎలా మోడల్ చేయాలో అంతర్దృష్టిని అందిస్తుంది.
పెట్టుబడి ఖాతాలను పోల్చండి Invest ఈ పట్టికలో కనిపించే ఆఫర్లు ఇన్వెస్టోపీడియా పరిహారం పొందే భాగస్వామ్యాల నుండి. ప్రొవైడర్ పేరు వివరణసంబంధిత వ్యాసాలు
ప్రాథమిక విశ్లేషణ కోసం సాధనాలు
సాధారణ స్టాక్ సంభావ్యత పంపిణీ పద్ధతులను ఉపయోగించడం
ప్రమాద నిర్వహణ
అస్థిరత యొక్క ఉపయోగాలు మరియు పరిమితులు
అడ్వాన్స్డ్ ఆప్షన్స్ ట్రేడింగ్ కాన్సెప్ట్స్
బ్లాక్-స్కూల్స్ లాగా వాల్యుయేషన్ మోడల్స్ ఎలా నిర్మించాలి
ప్రమాద నిర్వహణ
GBM తో మోంటే కార్లో అనుకరణను ఎలా ఉపయోగించాలి
పదవీ విరమణ ప్రణాళిక
మోంటే కార్లో సిమ్యులేషన్ ఉపయోగించి పదవీ విరమణ ప్రణాళిక
ప్రాథమిక విశ్లేషణ కోసం సాధనాలు
అస్థిరత కొలతలను అర్థం చేసుకోవడం
భాగస్వామి లింకులుసంబంధిత నిబంధనలు
ఆడ్స్ అంటే ఏమిటి? సంభావ్యత పంపిణీ ఎలా పనిచేస్తుంది సంభావ్యత పంపిణీ అనేది ఒక గణాంక ఫంక్షన్, ఇది యాదృచ్ఛిక వేరియబుల్ ఇచ్చిన పరిధిలో తీసుకునే సాధ్యం విలువలు మరియు సంభావ్యతలను వివరిస్తుంది. వక్రీకరణ గురించి మరింత తెలుసుకోండి డేటా సమితిలో సుష్ట బెల్ కర్వ్ లేదా సాధారణ పంపిణీలో వక్రీకరణ లేదా అసమానతను సూచిస్తుంది. బ్లాక్ స్కోల్స్ ధర మోడల్ ఎలా పనిచేస్తుంది బ్లాక్ స్కోల్స్ మోడల్ అనేది స్టాక్స్ వంటి ఆర్థిక పరికరాల కాలక్రమేణా ధరల వైవిధ్యం యొక్క నమూనా, ఇతర విషయాలతోపాటు, యూరోపియన్ కాల్ ఎంపిక యొక్క ధరను నిర్ణయించడానికి ఉపయోగించవచ్చు. బెల్ కర్వ్ రింగింగ్ బెల్ కర్వ్ అనేది వేరియబుల్ కొరకు పంపిణీ చేసే అత్యంత సాధారణ రకం మరియు అందువల్ల ఇది సాధారణ పంపిణీగా పరిగణించబడుతుంది. "బెల్ కర్వ్" అనే పదం ఒక సాధారణ పంపిణీని వర్ణించడానికి ఉపయోగించే గ్రాఫ్ బెల్ ఆకారపు గీతను కలిగి ఉంటుంది. మరింత పంపిణీ T పంపిణీని అర్థం చేసుకోవడం AT పంపిణీ అనేది ఒక రకమైన సంభావ్యత ఫంక్షన్, ఇది చిన్న నమూనా పరిమాణాలు లేదా తెలియని వ్యత్యాసాల కోసం జనాభా పారామితులను అంచనా వేయడానికి తగినది. మరింత లాగ్-సాధారణ పంపిణీ లాగ్-సాధారణ పంపిణీ అనేది సంబంధిత సాధారణ పంపిణీ నుండి లాగరిథమిక్ విలువల యొక్క గణాంక పంపిణీ. మరింత