KNOWECON WIKI

ARTICLE

偏度

偏度 (Skewness) 偏度（Skewness）是概率论和统计学中衡量概率分布或数据集不对称程度的度量，描述分布尾部相对于中心位置的偏离方向和幅度。偏度是第三阶标准化矩，与均值、方差共同构成描述数据分布形态的核心统计量体系。 偏度的类型 偏度可分为三种主要类型，其直观判断依据是分布曲线拖尾的方向。 正偏度（右偏）：分布右侧尾部比左侧更长，大部分数据集中在

浏览 79 更新 2025-10-26

偏度 (Skewness)

偏度（Skewness）是概率论和统计学中衡量概率分布或数据集不对称程度的度量，描述分布尾部相对于中心位置的偏离方向和幅度。偏度是第三阶标准化矩，与均值、方差共同构成描述数据分布形态的核心统计量体系。

偏度的类型

偏度可分为三种主要类型，其直观判断依据是分布曲线拖尾的方向。

正偏度（右偏）：分布右侧尾部比左侧更长，大部分数据集中在左侧，少数极大取值将尾部向右拉伸。此时均值 >> 中位数 >> 众数。个人收入分布是典型正偏——多数人收入较低，少数极高收入者拖出右侧长尾。

负偏度（左偏）：分布左侧尾部比右侧更长，大部分数据集中在右侧，少数极小取值将尾部向左拉伸。此时均值 << 中位数 << 众数。金融市场中，股票收益率常呈负偏，意味着极端下跌概率高于正态分布预期。

零偏度（对称分布）：分布完全对称，均值、中位数、众数三者相等。正态分布是最著名的零偏度对称分布。

数学定义

设随机变量 XX 的均值为 μ\mu，标准差为 σ\sigma，则总体偏度的计算公式为：

γ1=E[(X−μσ)3]=E[(X−μ)3]σ3\gamma_1 = E\left[\left(\frac{X-\mu}{\sigma}\right)^3\right] = \frac{E[(X-\mu)^3]}{\sigma^3}

对于样本数据 {x1,x2,…,xn}\{x_1, x_2, \dots, x_n\}，调整后的样本偏度 G1G_1 为：

G1=n(n−1)(n−2)∑i=1n(xi−xˉs)3G_1 = \frac{n}{(n-1)(n-2)} \sum_{i=1}^{n} \left(\frac{x_i - \bar{x}}{s}\right)^3

其中 xˉ\bar{x} 是样本均值，ss 是样本标准差的无偏估计。

偏度值的解释

  • γ1=0\gamma_1 = 0：分布完全对称。
  • γ1>0\gamma_1 > 0：正偏（右偏），数值越大右偏程度越高。
  • γ1<0\gamma_1 < 0：负偏（左偏），绝对值越大左偏程度越高。

经验参考：偏度绝对值在 0.50.5 以内视为大致对称，0.50.5 至 11 为中等偏斜，超过 11 为高度偏斜。

经济与金融中的意义

在投资组合管理中，正偏收益率分布意味着存在获得异常高回报的可能性（"彩票效应"），对投资者有吸引力；负偏分布意味着存在极端损失的尾部风险，是风险规避者希望规避的。均值-方差-偏度框架将偏度纳入投资决策，弥补了传统马科维茨模型的不足。

在风险管理中，资产收益率往往呈现显著负偏度，极端负收益概率远高于正态分布预测。2008年金融危机即源于基于正态假设的风险模型低估尾部风险。预期亏空和极值理论等工具已成为风险管理的标准配置。

在计量经济学中，数据严重偏度可能导致模型估计偏差和统计推断失效。常用处理方法包括对数转换、Box-Cox变换等修正手段。时间序列分析中，收益率偏度也是ARCH/GARCH模型诊断的重要指标。