好吧，在丢失数据的特殊情况下，我认为最合适的是第二个来源，但我也给你一些其他的：

http://imash.leeds.ac.uk/dicode/wp4/Stats2-Forum/view_topic.php?id=10079

http://www.mathwave.com/articles/distribution-fitting-preliminary.html

pdf： http ://www.vanbelle.org/chapters/webchapter2.pdf

并查看这个相关问题： 有多少数据点适合前高斯分布？

我可以从我的研究中告诉你，如果股票出现亏损回报，你需要相当多的值来正确估计适当的分布。损失分布通常是尖峰和偏斜的，因此可以拒绝正态性假设。特别是如果你对风险管理感兴趣，你会关注尾部。因此，根据我的知识，您至少需要 200 次观察才能大致了解极值的分布。如果您真的想为风险管理做极值理论，您将不得不考虑更多的观察结果，因为这些值大多以很小的概率出现，所以在这种情况下，假设 5% 你只有 0,05*200 =10 个极值。

请注意，您说的是“稳定分布”。在这种情况下这并不是很方便，因为稳定分布是一个不同的主题，例如柯西分布是稳定的。我认为更合适的说法是，估计量应该有一个小的方差，所以如果你对另一个样本进行重新估计，它们不会有太大的变化。这将引出另一个统计话题。