Гетероскедастический

Что такое Гетероскедастический?

Гетероскедастичность относится к состоянию, при котором дисперсия остаточного члена или члена ошибки в регрессионной модели широко варьируется. Если это правда, то это может быть систематическое изменение, и может быть какой-то фактор, который может это объяснить. Если это так, то модель может быть плохо определена и ее следует изменить, чтобы эта систематическая дисперсия объяснялась одной или несколькими дополнительными переменными-предикторами.

Противоположность гетероскедастичности – гомоскедастика . Гомоскедастичность относится к состоянию, при котором дисперсия остаточного члена является постоянной или почти постоянной. Гомоскедастичность (также обозначаемая как «гомоскедастичность») – одно из предположений моделирования линейной регрессии. Гомоскедастичность предполагает, что модель регрессии может быть четко определена, что означает, что она дает хорошее объяснение эффективности зависимой переменной.

РАЗРЫВ Гетероскедастик

Гетероскедастичность – важное понятие в регрессионном моделировании, а в инвестиционном мире регрессионные модели используются для объяснения эффективности ценных бумаг и инвестиционных портфелей. Наиболее известной из них является Модель ценообразования капитальных активов (CAPM), которая объясняет эффективность акций с точки зрения их волатильности по отношению к рынку в целом. Расширения этой модели добавили другие переменные-предикторы, такие как размер, импульс, качество и стиль (ценность против роста).

Эти переменные-предикторы были добавлены, потому что они объясняют или учитывают дисперсию в зависимой переменной, производительности портфеля, а затем объясняются CAPM. Например, разработчики модели CAPM знали, что их модель не может объяснить интересную аномалию: высококачественные акции, которые были менее волатильными, чем акции низкого качества, имели тенденцию работать лучше, чем предсказывала модель CAPM. CAPM утверждает, что акции с более высоким риском должны превосходить акции с более низким риском. Другими словами, акции с высокой волатильностью должны превосходить акции с низкой волатильностью. Но качественные акции, которые менее волатильны, имели тенденцию работать лучше, чем прогнозирует CAPM.

Позже другие исследователи расширили модель CAPM (которая уже была расширена за счет включения других переменных-предикторов, таких как размер, стиль и импульс), включив качество в качестве дополнительной переменной-предиктора, также известной как «фактор». Теперь, когда этот фактор включен в модель, была учтена аномалия производительности акций с низкой волатильностью. Эти модели, известные как многофакторные модели , составляют основу факторного инвестирования и интеллектуального бета-тестирования.