这篇博客探讨了正态分布在财务分析中的应用，包括计算回报率、均值和标准差，以及缩放收益。通过纳斯达克历史数据，展示了如何计算和标准化回报率，强调缩放收益在评估投资效率中的作用。此外，讨论了分箱技术在数据简化和可视化中的重要性，同时提及了回报率随机性的假设及其在金融理论中的应用。
正态分布
正态分布是一种连续型概率分布，也被称为高斯分布或钟形曲线分布。它被广泛应用于统计学和自然科学中，如在财务分析、生物学、物理学、心理学和社会科学等领域中。
正态分布的特点是具有单峰性，即它的概率密度函数具有一个峰值，而且峰值对称地位于均值的左右两侧。它还具有标准差和方差的特征，这些特征可以用来测量数据的分散程度。正态分布的形状可以通过均值和标准差来调整。
正态分布的概率密度函数是：
f ( x ∣ μ , σ 2 ) = 1 σ 2 π e − ( x − μ ) 2 2 σ 2 f(x | \mu,\sigma^2) = \frac{1}{\sigma\sqrt{2\pi}} e^{-\frac{(x-\mu)^2}{2\sigma^2}} f(x∣μ,σ2)=σ2π1
最低0.47元/天 解锁文章
扫一扫
1046
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
