什么是偏度？
偏斜是指一组数据中对称钟形曲线或正态分布的失真或不对称。 如果曲线向左或向右移动，则称其为偏斜。 偏斜度可以量化为表示给定分布与正态分布的差异程度。 正态分布的偏斜为零，而对数正态分布的偏斜例如会出现某种程度的右偏。
下面描述的三个概率分布呈正偏（或右偏）程度增加。 负偏分布也称为左偏分布。 偏度与峰度一起使用，可以更好地判断事件落在概率分布尾部的可能性。
重要要点
- 统计中的偏度是概率分布中对称钟形曲线的失真程度，分布可以表现出不同程度的右（正）偏度或左（负）偏度，投资者在判断收益分布时会注意到偏度，因为它类似于峰度考虑的是数据集的极端，而不是仅仅关注平均值。
解释偏度
除了正偏斜和负偏斜之外，分布也可以说具有零或不确定的偏斜。 在分布曲线中，曲线右侧的数据与左侧的数据可能会逐渐变细。 这些渐细部被称为“尾部”。 负偏斜是指分布左侧的较长或较胖的尾巴，而正偏斜是指右侧的较长或较胖的尾巴。
正偏斜数据的平均值将大于中位数。 在负偏斜的分布中，情况恰好相反：负偏斜数据的平均值将小于中位数。 如果数据对称地显示图形，则无论尾巴有多长或多胖，分布的偏度为零。
有几种测量偏度的方法。 皮尔森的第一和第二偏度系数是两个常见的偏度系数。 皮尔逊的第一个偏度系数或皮尔逊模式偏度从平均值中减去模式，然后将差除以标准偏差。 皮尔逊的第二偏度系数或皮尔森中值偏度从平均值中减去中值，将差值乘以三，然后将乘积除以标准差。
皮尔逊偏度的公式为：
</ s> </ s> </ s> Sk1 = sX-MoSk2 = s3X-Md其中：Sk1 =皮尔逊的第一偏度系数，Sk2的秒数=样品的标准偏差X =平均值Mo =模态（模式）值
如果数据显示强模式，则Pearson的第一个偏度系数很有用。 如果数据具有弱模式或多个模式，则皮尔逊第二系数可能更可取，因为它不依赖于模式作为集中趋势的度量。
什么是偏度？
偏度告诉你什么？
投资者在评估收益分配时会注意到偏度，因为像峰度一样，它考虑的是数据集的极端，而不是仅仅关注平均值。 尤其是短期和中期投资者，需要考虑极端情况，因为他们不太可能持有足够长的头寸来确信平均水平会成功。
投资者通常使用标准差来预测未来收益，但是标准差假定为正态分布。 由于很少有收益分布接近正常值，因此偏度是更好的基于业绩预测的度量。 这是由于偏斜风险。
偏度风险是在偏斜分布中出现高偏度数据点的风险增加。 许多试图预测资产的未来表现的财务模型都采用正态分布，其中集中趋势的度量是相等的。 如果数据偏斜，则这种模型将始终低估其偏斜风险。 数据偏斜越多，此财务模型的准确性就越差。
