Formalmente, la media aritmetica di un insieme di *n* numeri {x₁, x₂, …, xₙ} è definita come la somma di tutti i numeri divisa per il numero di elementi nell’insieme: μ = (x₁ + x₂ + … + xₙ) / n. Questa è la tipologia di media più comunemente utilizzata, ma esistono altre medie, come la media geometrica (√(x₁ * x₂ * … * xₙ)) e la media armonica (n / (1/x₁ + 1/x₂ + … + 1/xₙ), particolarmente utili in contesti specifici come i rendimenti finanziari o i calcoli di velocità medie.
La comprensione delle medie è fondamentale in finanza quantitativa per diverse ragioni. Per esempio, la media aritmetica dei rendimenti di un asset nel tempo fornisce una misura della sua performance media. Consideriamo un investimento con rendimenti annuali del 10%, 15%, e -5%. La media aritmetica è (10% + 15% – 5%) / 3 = 6.67%, fornendo una sintesi della performance. Tuttavia, è importante notare che la media aritmetica può essere sensibile ai valori anomali (outliers). Un singolo rendimento estremamente alto o basso può distorcere significativamente il risultato.
In pratica, le medie vengono utilizzate per una vasta gamma di applicazioni, dalla valutazione di portafogli alla modellazione di serie temporali. Ad esempio, la media mobile è uno strumento tecnico utilizzato nell’analisi dei prezzi delle azioni per identificare trend e punti di inversione. La media geometrica è preferibile alla media aritmetica quando si calcola il rendimento medio di un investimento su più periodi, poiché tiene conto dell’effetto composto. La scelta della media appropriata dipende dal contesto specifico e dalle caratteristiche dei dati.
Nonostante la sua utilità, la media presenta dei limiti. Come già accennato, è sensibile agli outliers. Inoltre, non fornisce informazioni sulla dispersione dei dati, ovvero su quanto i singoli valori si discostano dalla media. Per una comprensione completa, è necessario integrare la media con altre misure statistiche, come la deviazione standard o la varianza, che quantificano la volatilità e la dispersione dei dati attorno alla media. Infine, la media può essere fuorviante se applicata a dati non distribuiti normalmente.
« Back to Glossary Index
