量化交易术语

偏度 Skewness：金融数据"非对称分布"的统计学测量

Q: Q2：金融数据 Skewness 一般是？

美股长期 Skewness ≈ -0.5（轻微负偏）；外汇 EUR/USD ≈ 0；BTC Skewness 极端波动（每月不同）。看具体品种 + 时间窗口。

✍️ 汇合作编辑部 · 📅 2026-05-12 · ⏱ 阅读约 8 分钟 · 👁 1 次阅读

偏度（Skewness）是统计学概念在金融市场的应用，衡量收益分布的"非对称性"。本文详解 Skewness 公式、正负偏度含义、和 Kurtosis 的对比、量化交易应用。

偏度（Skewness）是统计学概念在金融市场的应用，衡量收益分布的非对称性。金融数据并非完美正态分布，多数有"肥尾"+ 偏度。本文详解 Skewness 公式、正负含义，以及在外汇返佣策略评估中的应用。

1. Skewness 公式

Skewness = E[(X - μ)³ / σ³]

E：期望（均值）
μ：均值
σ：标准差
结果：正 / 负 / 0

2. Skewness 含义

Skewness	分布	含义
= 0	对称（正态）	—
> 0（正偏）	右长尾	少数大赢 + 多数小亏
< 0（负偏）	左长尾 ⚠️	少数大亏 + 多数小赢

3. 正偏 vs 负偏策略对比

偏度	典型策略	心理
正偏	趋势跟随	耐心扛连亏，等大赢
负偏	均值回归	多数小赢，怕大亏 ⚠️

4. 各策略偏度

策略	典型偏度
趋势跟随	+0.5 到 +1.5（正偏）
均值回归	-0.5 到 -1.0（负偏）⚠️
网格 EA	-1.5 到 -3.0（极负偏）⚠️⚠️
套利	接近 0
卖出 OTM 期权	-2 到 -4（极负偏）⚠️

5. 危险的负偏策略

负偏策略外表"稳定"但有黑天鹅风险：

2007 网格 EA 一夜爆仓
2018 卖出 VIX 期权 1 日损失 100%
2024 日元突涨套息盘大量爆仓
对策：避免 / 严格止损

6. Skewness 实战应用

6.1 EA 评估

正偏 + 长期盈利 = 真趋势策略 ⭐
负偏 + 短期盈利 = 极端风险（避免）
偏度极端（|S| > 2）= 警告

6.2 风险管理

负偏策略 → 仓位减半
极负偏 → 完全避免
正偏策略 → 心理准备扛连亏

7. EUR/USD 历史 Skewness

2024 日 EUR/USD Skewness ≈ -0.2（轻微负偏）
极端事件（如 2024-08-05）→ 短期 Skewness 大幅负
反映"突然下跌可能性 > 突然上涨"

8. Kurtosis 峰度（相关）

Skewness 描述"对称性"，Kurtosis 描述"肥尾"：

正态分布 Kurtosis = 3
金融数据 Kurtosis 通常 5-10（肥尾）
极端事件多于正态预期

9. Skewness 计算工具

Excel：=SKEW()
Python：scipy.stats.skew()
R：moments::skewness()
Bloomberg：直接显示

10. 选 EA 的 Skewness 标准

Skewness > 0（理想）
Skewness 0 - 0.5（可接受）
Skewness < -0.5（警告）⚠️
Skewness < -1（避免）⚠️⚠️

11. Skewness 局限

对样本敏感（需 100+ 数据点）
极端事件影响大
不能预测未来
仅描述历史分布

常见误区 / 风险提示

误区 1：高胜率 = 安全 — 错。高胜率 + 负偏 = 极端风险
误区 2：Skewness 可忽略 — 错。负偏 EA 可能一夜爆仓
误区 3：所有偏度都同样重要 — 错。负偏更危险

❓ 常见问题 FAQ

Q1：Skewness 怎么用？

选 EA 时看 Skewness：1) 正偏 + Sharpe > 1 = 优秀策略；2) 负偏 + 高胜率 = 警告；3) Skewness < -1 = 拒绝。

Q2：金融数据 Skewness 一般是？