منحنی زنگوله‌ای (Bell Curve) نموداری است که نشان می‌دهد چگونه مقادیر در یک مجموعه داده توزیع شده‌اند، به‌طوری که اکثر مقادیر نزدیک به میانگین قرار دارند و تعداد کمتری در دو انتهای طیف ظاهر می‌شوند. این منحنی برای درک الگوها، روندها و تغییرات در داده‌ها استفاده می‌شود.
منحنی زنگوله‌ای نوعی توزیع رایج است که به عنوان توزیع نرمال (Normal Distribution) نیز شناخته می‌شود. اصطلاح "منحنی زنگوله‌ای" از این واقعیت ناشی می‌شود که نمودار مورد استفاده برای نمایش توزیع نرمال، یک منحنی متقارن به شکل زنگوله را تشکیل می‌دهد. بالاترین نقطه منحنی، یا قله زنگوله، نشان‌دهنده محتمل‌ترین رویداد در مجموعه داده‌ها (میانگین، مد و میانه در این مورد) است، در حالی که سایر رویدادهای ممکن به‌صورت متقارن در اطراف میانگین توزیع شده‌اند و در هر طرف قله، منحنی به سمت پایین شیب پیدا می‌کند.
نکات کلیدی
- منحنی زنگوله‌ای نموداری است که توزیع نرمال را نشان می‌دهد و شکلی شبیه به زنگوله دارد.
- قله منحنی، میانگین، مد و میانه داده‌های جمع‌آوری‌شده را نشان می‌دهد.
- انحراف معیار (Standard Deviation) عرض نسبی منحنی زنگوله‌ای را در اطراف میانگین نشان می‌دهد.
- منحنی‌های زنگوله‌ای (توزیع‌های نرمال) به طور گسترده در آمار، از جمله در تحلیل داده‌های اقتصادی و مالی، استفاده می‌شوند.
نحوه عملکرد منحنی زنگوله‌ای
اصطلاح "منحنی زنگوله‌ای" برای توصیف نمایش گرافیکی یک توزیع احتمال نرمال استفاده می‌شود که انحرافات معیار آن از میانگین، شکل منحنی زنگوله‌ای را ایجاد می‌کند.
انحراف معیار معیاری است که برای تعیین میزان پراکندگی داده‌ها در مجموعه‌ای از مقادیر حول میانگین استفاده می‌شود. میانگین به نوبه خود به میانگین تمام نقاط داده در مجموعه داده یا دنباله اشاره دارد و در بالاترین نقطه منحنی زنگوله‌ای قرار خواهد گرفت.
تحلیلگران مالی و سرمایه‌گذاران اغلب از توزیع احتمال نرمال برای تحلیل بازده یک اوراق بهادار یا حساسیت کلی بازار استفاده می‌کنند. در مالی، انحرافات معیاری که بازده یک اوراق بهادار را نشان می‌دهند به عنوان نوسان (Volatility) شناخته می‌شوند.
به عنوان مثال، سهامی که منحنی زنگوله‌ای را نشان می‌دهد معمولاً سهام شرکت‌های معتبر (Blue-Chip Stocks) هستند و دارای نوسان کمتر و الگوهای رفتاری قابل‌پیش‌بینی‌تر هستند. سرمایه‌گذاران از توزیع احتمال نرمال بازده گذشته یک سهام برای پیش‌بینی بازده مورد انتظار آینده استفاده می‌کنند.
علاوه بر معلمان که از منحنی زنگوله‌ای برای مقایسه نمرات آزمون استفاده می‌کنند، این منحنی اغلب در دنیای آمار نیز به کار می‌رود و می‌تواند به طور گسترده‌ای اعمال شود. منحنی‌های زنگوله‌ای گاهی در مدیریت عملکرد نیز استفاده می‌شوند و کارمندانی که عملکرد شغلی متوسطی دارند در توزیع نرمال نمودار قرار می‌گیرند.
کارکنان با عملکرد بالا و پایین در دو طرف منحنی با شیب نزولی نشان داده می‌شوند. این می‌تواند برای شرکت‌های بزرگ‌تر هنگام انجام بررسی‌های عملکرد یا تصمیم‌گیری‌های مدیریتی مفید باشد.
مثال از منحنی زنگوله‌ای
عرض یک منحنی زنگوله‌ای توسط انحراف معیار آن تعریف می‌شود، که به عنوان سطح تغییرات داده‌ها در یک نمونه حول میانگین محاسبه می‌شود. با استفاده از قانون تجربی (Empirical Rule)، به عنوان مثال، اگر 100 نمره آزمون جمع‌آوری شده و در یک توزیع احتمال نرمال استفاده شود، 68٪ از این نمرات آزمون باید در یک انحراف معیار بالاتر یا پایین‌تر از میانگین قرار گیرند.
حرکت به سمت دو انحراف معیار از میانگین باید 95٪ از 100 نمره آزمون جمع‌آوری‌شده را شامل شود. حرکت به سمت سه انحراف معیار از میانگین باید 99.7٪ از نمرات را نشان دهد.
نمرات آزمونی که نقاط پرت شدید هستند، مانند نمره 100 یا 0، به عنوان نقاط داده دم بلند (Long-Tail Data Points) در نظر گرفته می‌شوند که به‌طور کامل خارج از محدوده سه انحراف معیار قرار دارند.
منحنی زنگوله‌ای در مقابل توزیع‌های غیرنرمال
با این حال، فرض توزیع احتمال نرمال همیشه در دنیای مالی صادق نیست. ممکن است سهام و سایر اوراق بهادار گاهی توزیع‌های غیرنرمال را نشان دهند که شبیه منحنی زنگوله‌ای نیستند.
توزیع‌های غیرنرمال دم‌های چاق‌تری (Fatter Tails) نسبت به توزیع احتمال نرمال (منحنی زنگوله‌ای) دارند. دم چاق‌تر به سرمایه‌گذاران سیگنال‌های منفی می‌دهد که احتمال بازده منفی بیشتر است.
محدودیت‌های منحنی زنگوله‌ای
ارزیابی یا رتبه‌بندی عملکرد با استفاده از منحنی زنگوله‌ای، گروه‌های افراد را مجبور به دسته‌بندی به عنوان ضعیف، متوسط یا خوب می‌کند. برای گروه‌های کوچک‌تر، مجبور کردن تعداد مشخصی از افراد به هر دسته برای تناسب با منحنی زنگوله‌ای به افراد آسیب می‌رساند.
گاهی اوقات، ممکن است همه آن‌ها فقط کارگران یا دانش‌آموزان متوسط یا حتی خوب باشند، اما با توجه به نیاز به تناسب رتبه‌بندی یا نمرات آن‌ها با منحنی زنگوله‌ای، برخی افراد به اجبار در گروه ضعیف قرار می‌گیرند. در واقعیت، داده‌ها کاملاً نرمال نیستند.
گاهی اوقات عدم تقارن (Skewness) بین آنچه بالاتر و پایین‌تر از میانگین قرار می‌گیرد وجود دارد. در موارد دیگر، دم‌های چاق (Excess Kurtosis) وجود دارند که باعث می‌شود رویدادهای دم محتمل‌تر از آنچه توزیع نرمال پیش‌بینی می‌کند باشند.
ویژگی‌های منحنی زنگوله‌ای چیست؟
منحنی زنگوله‌ای یک منحنی متقارن است که حول میانگین یا متوسط تمام نقاط داده اندازه‌گیری‌شده متمرکز است. عرض یک منحنی زنگوله‌ای توسط انحراف معیار تعیین می‌شود—68٪ از نقاط داده در یک انحراف معیار از میانگین، 95٪ از نقاط داده در دو انحراف معیار و 99.7٪ از نقاط داده در سه انحراف معیار از میانگین قرار دارند.
منحنی زنگوله‌ای در مالی چگونه استفاده می‌شود؟
تحلیلگران اغلب از منحنی‌های زنگوله‌ای و سایر توزیع‌های آماری هنگام مدل‌سازی نتایج بالقوه مختلف مرتبط با سرمایه‌گذاری استفاده می‌کنند. بسته به تحلیل انجام‌شده، این‌ها ممکن است شامل قیمت‌های آینده سهام، نرخ‌های رشد درآمدی آینده، نرخ‌های نکول بالقوه یا سایر پدیده‌های مهم باشند.
قبل از استفاده از منحنی زنگوله‌ای در تحلیل خود، سرمایه‌گذاران باید به‌دقت بررسی کنند که آیا نتایج مورد مطالعه واقعاً به‌صورت نرمال توزیع شده‌اند یا خیر. عدم انجام این کار می‌تواند به‌طور جدی دقت مدل حاصل را تضعیف کند.
محدودیت‌های منحنی زنگوله‌ای چیست؟
اگرچه منحنی زنگوله‌ای یک مفهوم آماری بسیار مفید است، کاربردهای آن در مالی می‌تواند محدود باشد زیرا پدیده‌های مالی، مانند بازده مورد انتظار بازار سهام، به‌طور کامل در یک توزیع نرمال قرار نمی‌گیرند. بنابراین، تکیه بیش از حد به منحنی زنگوله‌ای هنگام پیش‌بینی این رویدادها می‌تواند به نتایج غیرقابل‌اعتمادی منجر شود.
اگرچه اکثر تحلیلگران از این محدودیت آگاه هستند، غلبه بر این نقص نسبتاً دشوار است زیرا اغلب مشخص نیست که از کدام توزیع آماری به عنوان جایگزین استفاده شود.
نتیجه‌گیری
منحنی زنگوله‌ای یک توزیع نرمال را نشان می‌دهد و به طور گسترده در مالی و اقتصاد برای تحلیل داده‌ها و ارزیابی عملکرد آینده استفاده می‌شود. با این حال، با وجود مفید بودن، منحنی‌های زنگوله‌ای محدودیت‌هایی دارند، زیرا همه داده‌ها به‌طور نرمال توزیع نمی‌شوند.
نظرات کاربران