Phân phối chuẩn
Phân phối chuẩn (tiếng Anh: Normal Distribution), còn gọi là phân phối Gauss, là một phân phối xác suất liên tục đối xứng quanh giá trị trung bình, có hình dạng đặc trưng giống chiếc chuông. Đây là một trong những khái niệm nền tảng quan trọng nhất của thống kê học và được ứng dụng rất phổ biến trong phân tích tài chính, định giá tài sản, quản trị rủi ro và xây dựng các mô hình dự báo trong ngân hàng. Phân phối chuẩn được ký hiệu là X ~ N(μ, σ²), trong đó μ là giá trị kỳ vọng (trung bình) và σ là độ lệch chuẩn. Hàm mật độ xác suất của phân phối chuẩn có dạng:
f(x) = (1 / (σ√(2π))) × e^(-(x-μ)² / (2σ²))
Toàn bộ diện tích dưới đường cong hàm mật độ xác suất bằng 1, phản ánh tổng xác suất của mọi kết quả có thể xảy ra. Một tính chất đặc biệt quan trọng là khi một biến ngẫu nhiên tuân theo phân phối chuẩn, có thể áp dụng quy tắc 68-95-99.7 (còn gọi là quy tắc 3 sigma) để ước lượng xác suất: khoảng 68% giá trị nằm trong phạm vi một độ lệch chuẩn tính từ trung bình, khoảng 95% giá trị nằm trong phạm vi hai độ lệch chuẩn và khoảng 99,7% giá trị nằm trong phạm vi ba độ lệch chuẩn.
Đặc điểm và tính chất của phân phối chuẩn
Phân phối chuẩn sở hữu nhiều tính chất toán học đặc biệt giúp nó trở thành công cụ mạnh mẽ trong phân tích dữ liệu. Thứ nhất, phân phối này hoàn toàn đối xứng qua trục đứng đi qua giá trị trung bình, nghĩa là trung bình, trung vị và mode của phân phối trùng nhau và đều bằng μ. Thứ hai, hệ số bất đối xứng (skewness) bằng 0 và hệ số nhọn (kurtosis) bằng 3, biểu thị phân phối có hình dạng cân đối. Thứ ba, tổng của hai hay nhiều biến ngẫu nhiên độc lập tuân theo phân phối chuẩn cũng là một biến ngẫu nhiên tuân theo phân phối chuẩn — đây chính là cơ sở của Định lý giới hạn trung tâm. Thứ tư, phân phối chuẩn chuẩn hóa (Standard Normal Distribution) với ký hiệu Z ~ N(0, 1) là trường hợp đặc biệt khi μ = 0 và σ = 1, được sử dụng rộng rãi trong các bảng tra cứu xác suất. Bất kỳ biến ngẫu nhiên X ~ N(μ, σ²) nào cũng có thể chuyển đổi về dạng chuẩn hóa thông qua công thức Z = (X - μ) / σ.
Ứng dụng trong tài chính và ngân hàng
Trong thực tiễn ngân hàng, phân phối chuẩn là nền tảng của rất nhiều mô hình định lượng. Mô hình Black-Scholes dùng để định giá quyền chọn (option) giả định giá tài sản cơ sở tuân theo phân phối chuẩn logarithm (log-normal). Mô hình VaR (Value at Risk) — công cụ đo lường rủi ro thị trường phổ biến trong quản trị rủi ro ngân hàng — thường sử dụng phân phối chuẩn để ước tính khoản lỗ tối đa ở một mức độ tin cậy nhất định. Ví dụ, nếu lợi nhuận danh mục đầu tư có μ = 0,1% và σ = 2% mỗi ngày, thì với mức tin cậy 95%, VaR một ngày được tính là 1,645 × 2% - 0,1% = 3,19% (ứng với xác suất 5% danh mục sẽ lỗ trên 3,19% trong một ngày). Ngoài ra, phân phối chuẩn còn được dùng để kiểm định giả thuyết thống kê, mô hình hóa tỷ giá hối đoái, lãi suất, lợi nhuận cổ phiếu và nhiều biến tài chính khác.
Hạn chế và những điểm cần lưu ý
Mặc dù được ứng dụng rộng rãi, phân phối chuẩn vẫn có những hạn chế đáng kể. Trong thực tế, nhiều biến tài chính như lợi nhuận cổ phiếu, tỷ giá hay giá hàng hóa thường có đuôi dày (fat tails) — nghĩa là xác suất xảy ra các sự kiện cực đoan lớn hơn nhiều so với dự đoán của phân phối chuẩn. Hiện tượng này khiến mô hình VaR dựa trên phân phối chuẩn có thể đánh giá thấp rủi ro thực tế, dẫn đến những tổn thất bất ngờ trong khủng hoảng tài chính. Do đó, các chuyên gia quản trị rủi ro thường sử dụng thêm các phân phối thay thế như phân phối Student-t, phân phối Cauchy, hoặc mô hình GARCH để mô tả tốt hơn hành vi của dữ liệu tài chính. Khi áp dụng phân phối chuẩn trong thực tế, người làm mô hình cần kiểm tra tính chuẩn của dữ liệu bằng các kiểm định như Shapiro-Wilk, Kolmogorov-Smirnov hay Q-Q plot trước khi đưa vào sử dụng.
Ví dụ minh họa cho người luyện thi
Giả sử một chi nhánh ngân hàng thống kê thời gian chờ giao dịch trung bình của khách hàng trong ngày, thu được dữ liệu có dạng phân phối chuẩn với trung bình μ = 8 phút và độ lệch chuẩn σ = 2 phút. Khi đó, theo quy tắc 68-95-99.7, khoảng 95% khách hàng có thời gian chờ từ 4 đến 12 phút (μ ± 2σ), và khoảng 99,7% khách hàng chờ từ 2 đến 14 phút (μ ± 3σ). Nếu ban lãnh đạo muốn đảm bảo 90% khách hàng chờ không quá X phút, ta tính: Z(0,90) = 1,28, suy ra X = 8 + 1,28 × 2 = 10,56 phút. Đây là cơ sở để chi nhánh đặt mục tiêu thời gian phục vụ và bố trí nhân sự giao dịch viên hợp lý.
Nội dung mang tính tham khảo, không thay thế tư vấn chuyên môn trong lĩnh vực tài chính ngân hàng.