Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch.

Trả lời ngắn: Kurtosis là thước đo cho biết hai đuôi của một phân phối nặng hay nhẹ so với phân phối chuẩn. Kurtosis cao thường đi cùng nhiều giá trị nằm rất xa tâm hơn; Kurtosis thấp thường đi cùng đuôi nhẹ hơn. Chỉ số này mô tả dữ liệu, không dự báo biến động tiếp theo.

Đọc xong, bạn sẽ hiểu:

  • Vì sao nên đọc Kurtosis qua hai đuôi thay vì chỉ nhìn độ cao của đỉnh.
  • Vì sao tài liệu có nơi dùng mốc 3, có nơi dùng mốc 0.
  • Cách kiểm ba dãy số bằng Google Sheets mà không biến một hệ số thành tín hiệu.

Skewness #16 hỏi phân phối bất đối xứng về phía nào. Bài này chuyển sang câu hỏi khác: dù cùng đối xứng, hai đuôi có thể chứa mức độ xuất hiện của các giá trị nằm xa rất khác nhau không?

1. Kurtosis là gì? Hãy nhìn hai đuôi trước

Phân phối là cách các giá trị xuất hiện và trải ra. Đuôi là phần thưa dần ở hai đầu của phân phối. Trong bài này, phân phối chuẩn là hình chuông đối xứng được dùng làm mốc so sánh.

Khi nói một phân phối có đuôi nặng, ta muốn nói nó có xu hướng xuất hiện nhiều giá trị rất xa tâm hơn so với chuẩn. Đuôi nhẹ là trường hợp ngược lại. “Nặng” không có nghĩa mọi quan sát đều lớn. Nó nói về phần hiếm nằm xa hai phía.

NIST định nghĩa Kurtosis theo đúng góc nhìn này: dữ liệu có Kurtosis cao thường có đuôi nặng hoặc các điểm nằm xa; dữ liệu có Kurtosis thấp thường có đuôi nhẹ hơn. (NIST)

Hình 1 — Kurtosis nên được đọc bằng hai đuôi so với mốc chuẩn, không chỉ bằng chiều cao của đỉnh.

Một số tài liệu mô tả Kurtosis bằng “độ nhọn” hoặc “peakedness”. Cách nhớ đó dễ làm người mới chỉ nhìn đỉnh ở giữa. Đỉnh cao có thể xuất hiện cùng đuôi nặng trong vài phân phối, nhưng chiều cao đỉnh một mình không đủ kết luận. Hai hình có phần giữa trông khá giống vẫn có thể khác mạnh ở hai đầu.

Hình dung hai con đường có đoạn giữa bằng phẳng như nhau, nhưng một đường có vài ổ gà rất sâu ở xa. Ví dụ này chỉ giúp nhớ vai trò của trường hợp hiếm; nó không thay histogram hay số liệu.

Kurtosis không cho biết đuôi trái hay phải nặng hơn, xác suất chính xác hay thời điểm biến động. Việc xác định hướng bất đối xứng thuộc về Skewness.

2. Vì sao mốc có lúc là 3, có lúc là 0?

Có hai quy ước thường gặp:

  • Pearson kurtosis là cách ghi trong đó phân phối chuẩn có Kurtosis bằng 3.
  • Excess kurtosis, hay Kurtosis vượt chuẩn, lấy Pearson kurtosis trừ 3. Vì vậy phân phối chuẩn có mốc 0.

NIST lưu ý người dùng phần mềm phải biết chương trình đang theo quy ước nào. (NIST) Hai con số không mâu thuẫn; chúng chỉ đặt vạch xuất phát khác nhau.

Hình 2 — Cùng một hình dạng có thể mang hai con số, tùy mốc Pearson hay excess.

Ví dụ:

Pearson kurtosis Excess kurtosis Cách đọc theo mốc chuẩn
2 -1 Nhẹ đuôi hơn chuẩn
3 0 Bằng mốc chuẩn theo Kurtosis
5 +2 Nặng đuôi hơn chuẩn

Trong phần thực hành, ta dùng hàm KURT của Google Sheets và đọc kết quả theo mốc dương, âm và gần 0:

  • Dương: nặng đuôi hơn mốc chuẩn theo quy ước excess.
  • Âm: nhẹ đuôi hơn mốc chuẩn theo quy ước excess.
  • Gần 0: gần mốc chuẩn theo thước đo này.

Google Docs Editors Help mô tả cú pháp KURT(value1, [value2, ...]) và dấu dương/âm. Khi ghi chép, hãy ghi rõ “KURT trong Sheets” thay vì một số thiếu quy ước.

“Gần 0” không đồng nghĩa dữ liệu tuân theo phân phối chuẩn. Dãy vẫn có thể nhiều cụm, bất đối xứng hoặc có khoảng trống.

3. Ba dãy cùng đối xứng nhưng Kurtosis khác nhau

Xét ba dãy giả, mỗi dãy có 10 giá trị:

  • A: -1, -1, -1, -1, -1, 1, 1, 1, 1, 1
  • B: -3, -2, -1, 0, 0, 0, 0, 1, 2, 3
  • C: -6, 0, 0, 0, 0, 0, 0, 0, 0, 6

Mean là tổng chia cho số giá trị. Skewness là thước đo hướng bất đối xứng; SKEW là hàm Sheets tính thước đo đó cho mẫu. Cả ba dãy đều có Mean bằng 0, đối xứng quanh 0 và SKEW bằng 0. Tuy nhiên, KURT cho ba kết quả khác nhau:

Dãy Mean SKEW KURT Cách đọc
A 0 0 -2,57 Đuôi nhẹ hơn chuẩn
B 0 0 +0,08 Gần mốc excess 0
C 0 0 +4,50 Đuôi nặng hơn chuẩn

Hình 3 — Cùng đối xứng không có nghĩa là hai đuôi nặng như nhau.

Dãy A chỉ có -1 và +1. Không điểm nào cách tâm xa hơn 1 nên KURT âm mạnh. Dãy B trải dần từ -3 đến +3 và cho kết quả gần 0. Dãy C có tám số 0 nhưng hai điểm -6 và +6 nằm xa tâm, khiến KURT dương cao.

Về cơ chế, Kurtosis liên quan đến moment bậc bốn: khoảng cách của mỗi giá trị khỏi Mean được nâng lên lũy thừa bốn trong cách tính. Vì vậy, điểm nằm xa nhận trọng số lớn. Người mới chưa cần thuộc công thức đầy đủ; chỉ cần nhớ rằng khoảng cách gấp đôi không chỉ đóng góp gấp đôi.

Ba dãy nhỏ chỉ để học. Histogram của B không tự nhiên biến thành đường chuông chỉ vì KURT≈0,08.

4. Năm lỗi và giới hạn cần chặn

Lỗi 1: chỉ nhìn đỉnh. Hãy đọc cả histogram và các điểm nằm xa.

Lỗi 2: trộn mốc 3 với mốc 0. Pearson 3 và excess 0 có thể mô tả cùng mốc chuẩn. Thiếu tên quy ước khiến so sánh sai ngay từ đầu.

Lỗi 3: dùng một ngưỡng cứng. Dương không tự động “nguy hiểm”; âm không tự động “an toàn”. Ý nghĩa phụ thuộc dữ liệu và mục tiêu.

Lỗi 4: bỏ qua cỡ mẫu cùng điểm nằm xa. Mẫu là phần dữ liệu quan sát để tìm hiểu một nhóm lớn hơn. Với mẫu nhỏ, một điểm sai nhập liệu hoặc một sự kiện hiếm có thể thay đổi KURT mạnh.

Lỗi 5: biến mô tả thành dự báo. Kurtosis cũ không chỉ ra biến động ngày mai hay hướng tăng giảm.

Histogram là biểu đồ gom số vào các bin, hay khoảng giữa hai mốc, rồi đếm số quan sát. Google cho biết chiều cao mỗi cột biểu thị số giá trị trong khoảng đó. (Google Docs Editors Help)

Hình 4 — Một hệ số chỉ có ý nghĩa khi đi cùng quy ước và hình dạng dữ liệu.

Checklist an toàn:

  1. Xác nhận số đang dùng Pearson hay excess Kurtosis.
  2. Xem dữ liệu gốc và histogram với bin hợp lý.
  3. Kiểm tra cỡ mẫu, dữ liệu thiếu và lỗi nhập.
  4. Soi các giá trị nằm rất xa Mean.
  5. Đọc thêm Skewness và độ lệch chuẩn (Standard Deviation), thước đo mức dữ liệu trải quanh Mean, để biết hướng cùng độ phân tán.
  6. Viết kết luận có điều kiện, không suy thành tín hiệu.

Đứng ngoài nếu chỉ có một con số nhưng không rõ công thức, nguồn dữ liệu hoặc khoảng thời gian. Dừng xem lại nếu sửa một điểm nhập sai làm dấu hay kết luận đổi mạnh, hoặc nếu các nhóm dữ liệu khác nhau bị trộn vào một histogram.

5. Thực hành 15 phút bằng Google Sheets

Mở Google Sheets miễn phí và nhập:

  • A2:A11: -1, -1, -1, -1, -1, 1, 1, 1, 1, 1
  • B2:B11: -3, -2, -1, 0, 0, 0, 0, 1, 2, 3
  • C2:C11: -6, 0, 0, 0, 0, 0, 0, 0, 0, 6

Với cột A, dùng:

  • =AVERAGE(A2:A11)
  • =SKEW(A2:A11)
  • =KURT(A2:A11)

Kéo công thức sang B và C. Sau đó tạo ba histogram với cùng cách chia bin để việc so sánh bớt méo do thiết lập biểu đồ.

a. Mẫu đối chiếu đã điền

Dãy Mean SKEW KURT Ghi chép
A 0 0 -2,57 Hai nhóm ở ±1, không có điểm xa hơn
B 0 0 +0,08 Gần mốc excess 0, nhưng không kết luận chuẩn
C 0 0 +4,50 Hai điểm ±6 nằm xa tâm

Thử nghiệm thêm: chỉ đổi giá trị +6 cuối cột C thành +12, giữ -6 như cũ. Kết quả mẫu mới là Mean 0,60, SKEW khoảng +1,91 và KURT khoảng +6,33. Cả bất đối xứng lẫn độ nặng đuôi đều đổi, nên hãy xem lại hai chỉ số thay vì chỉ đọc KURT.

Nếu đổi đồng thời ±6 thành ±12, KURT vẫn +4,50 vì hình dạng chỉ đổi thang đo.

Toàn bộ số trên là dữ liệu giả để học thao tác. Chưa dùng tiền thật, không gắn kết quả với một tài sản và không tạo lệnh giao dịch.

6. Tổng kết và bài tiếp theo

a. Năm ý chính

  • Kurtosis so độ nặng của hai đuôi với phân phối chuẩn.
  • Pearson dùng mốc 3; excess Kurtosis dùng mốc 0.
  • Cùng Mean và Skewness không có nghĩa Kurtosis giống nhau.
  • KURT gần 0 không chứng minh dữ liệu tuân theo phân phối chuẩn.
  • Phải kiểm quy ước, histogram, cỡ mẫu và điểm nằm xa trước khi kết luận.

b. Câu hỏi tự kiểm tra

  • Vì sao chỉ nhìn chiều cao của đỉnh chưa đủ để đọc Kurtosis?
  • Pearson kurtosis 5 tương ứng excess Kurtosis bao nhiêu?
  • Ba dãy A/B/C giống nhau ở hai chỉ số nào nhưng khác nhau ở chỉ số nào?
  • Khi nào nên dừng xem lại trước khi dùng kết quả KURT?

c. Gợi ý đáp án

Xem gợi ý câu 1

Vì Kurtosis tập trung vào độ nặng của hai đuôi; phần giữa giống nhau vẫn có thể đi cùng các đuôi rất khác. → xem mục 1.

Xem gợi ý câu 2

Excess Kurtosis bằng 5 trừ 3, tức +2. → xem mục 2.

Xem gợi ý câu 3

Cả ba có Mean 0 và SKEW 0, nhưng KURT lần lượt khoảng -2,57; +0,08; +4,50. → xem mục 3.

Xem gợi ý câu 4

Dừng khi không rõ quy ước hoặc nguồn, mẫu quá nhỏ, có lỗi dữ liệu, hay một điểm làm kết luận đổi mạnh. → xem mục 4.

d. Thuật ngữ cần nhớ

Thuật ngữ Giải thích ngắn
Kurtosis Thước đo độ nặng hai đuôi so với chuẩn.
Đuôi Phần thưa dần ở hai đầu phân phối.
Đuôi nặng Có xu hướng nhiều giá trị rất xa tâm hơn chuẩn.
Phân phối chuẩn Hình chuông đối xứng dùng làm mốc so sánh.
Pearson kurtosis Quy ước chuẩn có Kurtosis bằng 3.
Excess kurtosis Pearson trừ 3, nên chuẩn có mốc 0.
Skewness Thước đo hướng bất đối xứng.
Moment bậc bốn Cách tính nhấn mạnh khoảng cách xa Mean.
Histogram Biểu đồ đếm dữ liệu theo khoảng.
KURT Hàm Sheets tính Kurtosis của dãy số.

e. Nguồn tham khảo

Bài trước: Skewness #16. Bài tiếp theo: Percentile #18, nơi ta xác định một giá trị đang đứng ở đâu so với phần còn lại của dữ liệu.

Nội dung này phục vụ mục đích giáo dục, không phải lời khuyên đầu tư hoặc tín hiệu giao dịch. Mọi thị trường và sản phẩm tài chính đều có rủi ro mất vốn.