Formülde:

• :

  Hisse senedinin kendine özgü getirisini $ε_{i,d}$ temsil eder, bu da $R_{i,d} = α_i + β_iR_{m,d} + γ_iR_{n,d} + ε_{i,d}$ lineer regresyon modeliyle tahmin edilir. Bunların arasında, $R_{i,d}$ hisse senedi i'nin d günündeki getirisi, $R_{m,d}$ piyasa getirisi ve $R_{n,d}$ sektör getirisidir. $\alpha_i$ hisse senedi i'nin kesişim terimi, $\beta_i$ hisse senedi i'nin piyasa riskine maruz kalması ve $\gamma_i$ hisse senedi i'nin sektör riskine maruz kalmasıdır. $\epsilon_{i,d}$ hisse senedi i'nin d günündeki kendine özgü getirisini, yani piyasa ve sektör etkileri çıkarıldıktan sonraki getiriyi temsil eder, bu da şirketin kendine özgü risklerini ve getirilerini yansıtır.

• :

  Aşırı kuyruk olaylarını tanımlamak için kullanılan ve getiri oranının ortalamadan ne kadar saptığını temsil eden eşiktir. Pozitif ve negatif k sırasıyla pozitif ve negatif aşırı getiri olaylarının sınırlarını tanımlar. Genellikle k, 1 ile 2 arasında bir değer alır. Örneğin, standart sapmanın 1,5 katı eşik olarak kullanılabilir, yani k = 1,5. Bu değerin büyüklüğü kuyruk olasılığının hesaplanmasını etkileyecektir. Veri dağılımına ve özel uygulama senaryolarına göre uygun bir eşik seçilmesi önerilir.

• :

  Karakteristik getiri x'in olasılık yoğunluk fonksiyonunu temsil eder, bu da karakteristik getirinin her bir değer aralığı içindeki olasılık dağılımını tanımlar.

• :

  Karakteristik getiri x'in k'ye eşit veya büyük olma olasılığını, yani pozitif aşırı bir olayın meydana gelme olasılığını temsil eder.

• :

  Karakteristik getiri oranının x'in -k'ye eşit veya küçük olma olasılığını, yani negatif aşırı bir olayın meydana gelme olasılığını temsil eder.