以太坊在一段时间内没有稳定下来。 从历史上看，按照收益的标准偏差衡量的风险往往比收益要稳定得多。 与以太坊相比，股票市场相对更稳定。 随着以太坊的建立，我们可能会看到其波动性下降。 这提醒我要睡得好，睡得紧。 股市有它的上回路和下回路，但是这里我们有回报的过山车。 因此，烧掉您的现金以赚取现金。
A 正态分布有时称为钟形曲线，是在许多情况下自然发生的分布。 例如，钟形曲线可以在SAT和GRE之类的测试中看到。 大多数学生将获得 ©，而人数较少的学生将获得B或D的分数。较少比例的学生将获得F或A的分数。这将产生类似于钟形的分布（因此被称为昵称）。 钟形曲线是 对称。 一半的数据将落在 意味着; 一半将落在右边。
许多小组遵循这种类型的模式。 这就是为什么它被广泛用于商业，统计数据以及诸如 FDA:
- 人山人海。
- 测量误差。
- 血压。
- 测验分数。
- 智商得分。
- 工资
经验法则 告诉您数据的百分比在一定数量的范围内 标准偏差 来自 意味着:
•68％的数据属于一个 标准偏差 的 意味着.
•95％的数据在两个范围内 标准偏差 的 意味着.
•99.7％的数据落入了三者之内 标准偏差 的 意味着。 -
以太坊价格变化也是如此。 这张图表的惊人之处在于，与正态分布相比，以太坊价格变化不仅在平均线附近更加集中，而且尾部更胖。 使用正态分布时，大约三分之二的观测值趋向于偏离平均值正负一标准差，而95％的观测值趋向于偏离平均值正负两标准差，而仅0.3％如上图所示，与平均值相差三个标准偏差。
在此图表中我们看到的是，尾部事件比正态分布所预期的要普遍得多。 例如，以太坊最糟糕的单日跌幅发生在12年2020月45日，在Covid-19大流行初期下跌了8％，并且在此期间，股票也大幅下跌，这是低于XNUMX个标准差的事件。平均价格变化。
与正态分布相比，巨大的价格上涨更为普遍。 例如，最大的单日价格上涨幅度为25.3％，发生在7年2017月19.9日，其次是前一日的另一大涨幅，涨幅为XNUMX％。
该图表同时记录了收益和风险。 我在这里以复合年增长率或CAGR（统计学家也称其为几何平均值）或起始值和终止值之间的增长率（替代度量为简单的平均值，均值或算术）衡量回报平均数，即每年的平均回报率（以年为单位）。 我正在衡量收益率标准差的风险。 我正在使用每日价格变化，并将其转换为年化收益率和风险度量。
该图表的惊人之处在于，它展示了以太坊在完全不同的风险收益世界中的表现。 我们在左下角的红色框中想到了传统的资产范围。 像标准普尔500指数这样的广泛股票市场指数的长期平均年收益（包括股息）约为10％，年平均标准偏差略低于20％。 2014-2021年期间与这些长期平均值保持一致。 个别股票的风险要高于整体市场，每只FANG股票就是这种情况，在此期间，FANG的平均回报也高于标准普尔500指数（当然，根据定义，并非所有股票都能超过市场平均水平！ ）。 苹果的回报率超过50％，偏差为40％，Facebook的回报率相同，偏差更低。 以太坊的平均年回报率令人难以置信的三位数，但它也显示出巨大的风险，年化标准差超过100％。
相关性是两个资产价格在相似或不同情况下变化程度的一种统计度量。 相关从-1或完全负相关缩放到+1或完全正相关。 在理想的负相关关系中，当资产A的价格上涨时，资产B的价格下跌相同的数量； 具有完美的正相关性，资产A的价格和资产B的价格同步变动。 从投资组合多元化的角度来看，资产之间的较低甚至负相关性是一件好事，因为单个资产的起伏在一定程度上得到了缓解。 如果您随机选择任何两只股票，则它们很可能具有低正相关。
该图表的惊人之处在于，以太坊的相关性相对于其他资产类别而言是多么低。 与标准普尔500指数的相关系数为0.20，这表明在自己的投资组合中拥有以太坊是有利于平滑股市波动的积极因素。 最让我惊讶的是以太坊和比特币之间的强正相关性。 由于以太坊是一种山寨币，我以为与比特币呈正相关，但与这种强相关性不大。
