偏度、峰度与肥尾风险

均值和方差告诉你中心和噪声。偏度和峰度告诉你危险在哪。

两个收益率序列可以有相同的均值和标准差，崩盘时却完全不一样。差别在分布的形状里——用偏度和峰度衡量。

偏度：长尾在哪一边

偏度衡量不对称性：

Skew = (1 ÷ n) · Σ( (xi − μ) ÷ σ )³

• 负偏 → 左尾长。大亏损比大盈利更常发生。股票指数的典型特征。
• 正偏 → 右尾长。偶尔大赢，频繁小亏。见于长期期权或趋势跟踪策略。

一个偏度 −1.0 的市场大多数日子看起来"正常"，却藏着向下跳空的倾向。忽略偏度的仓位管理会被打懵。

峰度：尾巴有多肥

峰度衡量尾部权重：

Kurtosis = (1 ÷ n) · Σ( (xi − μ) ÷ σ )⁴  − 3

那个 "−3" 让正态分布等于零（超额峰度）。

• 超额峰度 > 0 → 尖峰厚尾：尾巴比正态肥，峰比正态尖
• 超额峰度 = 0 → 正态
• 超额峰度 < 0 → 平峰：尾巴薄（市场里少见）

真实的指数收益率经常出现 5–20+ 的超额峰度。这就是肥尾的量化签名：安静的日子比钟形曲线预测的多，崩盘的日子也比它预测的多。

这对交易员意味着啥

• 止损位：负偏市场奖励那种你可能永远撞不到的紧止损——直到某天撞上
• 期权定价：虚值看跌期权被 Black-Scholes 系统性低估，正是因为负偏和超额峰度
• 仓位管理：肥尾市场里 kelly 式仓位要命——偶尔来个 8σ 亏损就把杠杆账户打光

读数字

怎么用形状

1. 在你的交易收益率和底层收益率上都算偏度和超额峰度
2. 负偏 + 高峰度 = 对多头最危险的组合
3. 峰度高时，把基于正态的风险限制换成历史或 t 分布限制
4. 止损和出场对观察到的最差尾部做压力测试，不是 3σ 理论值

小结

偏度揭示稀有事件落在哪一边。峰度揭示这些事件有多稀有。两者对均值和方差都不可见——而两者恰恰决定你的策略能不能熬过第一次崩盘。