Heteroskedasticity (Română)

ce este Heteroskedasticity?

În statistici, r (sau r) se întâmplă atunci când abaterile standard de prezis variabilă, monitorizat de peste valori diferite de o variabilă independentă sau ca legate prealabile perioade de timp, sunt non-constant. Cu heteroskedasticitate, semnul martor la inspecția vizuală a erorilor reziduale este că acestea vor tinde să se împrăștie în timp, așa cum este descris în imaginea de mai jos.Heteroskedasticitatea apare adesea în două forme: condiționată și necondiționată., Heteroskedasticitatea condiționată identifică volatilitatea nonconstantă legată de volatilitatea perioadei anterioare (de exemplu, zilnică). Heteroskedasticitatea necondiționată se referă la modificări structurale generale ale volatilității care nu sunt legate de volatilitatea perioadei anterioare. Heteroskedasticitatea necondiționată este utilizată atunci când pot fi identificate perioade viitoare de volatilitate ridicată și scăzută.,

elementele de bază ale Heteroskedasticității

în finanțe, heteroskedasticitatea condiționată este adesea observată în prețurile acțiunilor și obligațiunilor. Nivelul volatilității acestor acțiuni nu poate fi prevăzut în nicio perioadă. Heteroskedasticitatea necondiționată poate fi utilizată atunci când se discută variabile care au variabilitate sezonieră identificabilă, cum ar fi utilizarea energiei electrice.,

se referă la statistici, heteroscedasticitate (de asemenea, scris r) se referă la varianța erorilor, sau dependența de împrăștiere, în termen de un minim de o variabilă independentă într-un anumit eșantion. Aceste variații pot fi utilizate pentru a calcula marja de eroare între seturile de date, cum ar fi rezultatele așteptate și rezultatele reale, deoarece oferă o măsură a deviației punctelor de date de la valoarea medie.,pentru ca un set de date să fie considerat relevant, majoritatea punctelor de date trebuie să se încadreze într-un anumit număr de abateri standard de la medie, așa cum este descris de teorema lui Chebyshev, cunoscută și sub numele de inegalitatea lui Chebyshev. Aceasta oferă linii directoare cu privire la probabilitatea unei variabile aleatoare care diferă de medie.

pe baza numărului de abateri standard specificate, o variabilă aleatorie are o probabilitate particulară de a exista în acele puncte., De exemplu, poate fi necesar ca un interval de două abateri standard să conțină cel puțin 75% din punctele de date care trebuie considerate valide. O cauză comună a variațiilor în afara cerinței minime este adesea atribuită problemelor de calitate a datelor.

opusul heteroskedasticului este homoskedastic. Homoskedasticitatea se referă la o condiție în care varianța termenului rezidual este constantă sau aproape așa. Homoskedasticitatea este o ipoteză a modelării regresiei liniare., Este necesar să se asigure că estimările sunt corecte, că limitele de predicție pentru variabila dependentă sunt valide și că intervalele de încredere și valorile p pentru parametri sunt valide.

tipurile heteroskedasticitate

necondiționată

Heteroskedasticitatea necondiționată este previzibilă și se poate referi la variabile care sunt ciclice prin natură. Aceasta poate include vânzări cu amănuntul mai mari raportate în timpul perioadei tradiționale de cumpărături de vacanță sau creșterea apelurilor de reparare a aerului condiționat în lunile mai calde.,schimbările din cadrul varianței pot fi legate direct de apariția anumitor evenimente sau markeri predictivi dacă schimbările nu sunt în mod tradițional sezoniere. Acest lucru poate fi legat de o creștere a vânzărilor de smartphone-uri odată cu lansarea unui nou model, deoarece activitatea este ciclică bazată pe eveniment, dar nu neapărat determinată de sezon.Heteroskedasticitatea se poate referi, de asemenea, la cazurile în care datele se apropie de o limită—unde varianța trebuie să fie neapărat mai mică din cauza limitei care restricționează intervalul de date.,

condițional

Heteroskedasticitatea condiționată nu este previzibilă prin natură. Nu există niciun semn care să-i determine pe analiști să creadă că datele vor deveni mai mult sau mai puțin împrăștiate în orice moment. Adesea, produsele financiare sunt considerate supuse heteroskedasticității condiționate, deoarece nu toate modificările pot fi atribuite unor evenimente specifice sau schimbări sezoniere.o aplicație comună a heteroskedasticității condiționate este pe piețele bursiere, unde volatilitatea de astăzi este puternic legată de volatilitatea de ieri., Acest model explică perioadele de volatilitate ridicată persistentă și volatilitate scăzută.

Considerații Speciale

Heteroscedasticitatea și Modelare Financiară

Heteroscedasticitatea este un concept important în regresia de modelare, și în lumea de investiții, modele de regresie sunt folosite pentru a explica performanța de valori mobiliare și a portofoliilor de investiții. Cel mai cunoscut dintre acestea este modelul de stabilire a prețurilor activelor de Capital (CAPM), care explică performanța unui stoc în ceea ce privește volatilitatea acestuia față de piață în ansamblu., Extensiile acestui model au adăugat alte variabile predictoare, cum ar fi dimensiunea, impulsul, calitatea și stilul (valoare versus creștere).

aceste variabile predictor au fost adăugate deoarece explică sau reprezintă varianța variabilei dependente. Performanța portofoliului este explicată de CAPM. De exemplu, dezvoltatorii modelului CAPM au fost conștienți de faptul că modelul lor nu a reușit să explice o anomalie interesantă: stocurile de înaltă calitate, care erau mai puțin volatile decât stocurile de calitate scăzută, au avut tendința de a funcționa mai bine decât modelul CAPM prevăzut., CAPM spune că stocurile cu risc mai mare ar trebui să depășească performanțele stocurilor cu risc mai mic.cu alte cuvinte, stocurile cu volatilitate ridicată ar trebui să bată stocurile cu volatilitate mai mică. Dar stocurile de înaltă calitate, care sunt mai puțin volatile, au avut tendința de a avea performanțe mai bune decât cele prevăzute de CAPM.mai târziu, alți cercetători au extins modelul CAPM (care a fost deja extins pentru a include alte variabile predictoare, cum ar fi dimensiunea, stilul și impulsul) pentru a include calitatea ca variabilă predictor suplimentară, cunoscută și ca „factor.,”Cu acest factor inclus acum în model, a fost contabilizată anomalia de performanță a stocurilor cu volatilitate scăzută. Aceste modele, cunoscute sub numele de modele multi-factor, formează baza investiției factorului și a beta-ului inteligent.div>