R-квадрат и скорректированный R-квадрат: в чем разница?
R-квадрат и скорректированный R-квадрат: обзор
R-квадрат и скорректированный R-квадрат позволяют инвесторам измерить эффективность паевого инвестиционного фонда по сравнению с эталонным. Инвесторы также могут использовать их для расчета эффективности своего портфеля по сравнению с заданным эталоном.
В мире инвестирования R-квадрат выражается в процентах от 0 до 100, где 100 означает идеальную корреляцию, а ноль — отсутствие корреляции вообще. Цифра не показывает, насколько хорошо работает конкретная группа ценных бумаг. Он только измеряет, насколько близко доходность совпадает с доходностью измеренного эталона. Он также смотрит назад — это не предсказание будущих результатов.
Скорректированный R-квадрат может обеспечить более точное представление об этой корреляции, также учитывая, сколько независимых переменных добавлено к конкретной модели, относительно которой измеряется фондовый индекс. Это сделано потому, что такое добавление независимых переменных обычно увеличивает надежность этой модели, то есть для инвесторов корреляцию с индексом.
Ключевые выводы
- R-квадрат и скорректированный R-квадрат помогают инвесторам измерить корреляцию между паевым инвестиционным фондом или портфелем с фондовым индексом.
- Скорректированный R-квадрат, модифицированная версия R-квадрата, повышает точность и надежность, учитывая влияние дополнительных независимых переменных, которые имеют тенденцию искажать результаты измерений R-квадрата.
- Прогнозируемый R-квадрат, в отличие от скорректированного R-квадрата, используется, чтобы указать, насколько хорошо регрессионная модель предсказывает ответы для новых наблюдений.
- Одно из заблуждений относительно регрессионного анализа состоит в том, что низкое значение R-квадрата всегда плохо.
R-квадрат
R-квадрат (R 2 ) — это статистическая мера, которая представляет долю дисперсии для зависимой переменной, которая объясняется независимой переменной или переменными в регрессионной модели. R-квадрат объясняет, в какой степени дисперсия одной переменной объясняет дисперсию второй переменной. Таким образом, если R 2 модели равен 0,50, то примерно половина наблюдаемой вариации может быть объяснена входными данными модели.
Результат R-квадрата от 70 до 100 указывает на то, что данный портфель внимательно отслеживает рассматриваемый фондовый индекс, в то время как оценка от 0 до 40 указывает на очень низкую корреляцию с индексом. Более высокие значения R-квадрата также указывают на надежность показаний измеряет волатильность ценной бумаги или портфеля.
Хотя R-квадрат может возвращать число, которое указывает уровень корреляции с индексом, он имеет определенные ограничения, когда дело доходит до измерения влияния независимых переменных на корреляцию. Вот где скорректированный R-квадрат полезен для измерения корреляции.
Краткий обзор
R-Squared — лишь один из многих инструментов, которые трейдеры должны иметь в своем арсенале. Курс технического анализа Investopedia предоставляет исчерпывающий обзор технических индикаторов и графических моделей с более чем пятичасовым видео по запросу. В нем описаны все наиболее эффективные инструменты и способы их использования на реальных рынках для получения максимальной прибыли с поправкой на риск.
Скорректированный R-квадрат
Скорректированный R-квадрат — это модифицированная версия R-квадрата, скорректированная с учетом количества предикторов в модели. Скорректированный R-квадрат увеличивается, когда новый член улучшает модель больше, чем можно было бы ожидать случайно. Он уменьшается, когда предсказатель улучшает модель меньше, чем ожидалось. Обычно скорректированный R-квадрат положительный, а не отрицательный. Он всегда ниже, чем R-квадрат.
Добавление большего количества независимых переменных или предикторов в регрессионную модель имеет тенденцию к увеличению значения R-квадрата, что соблазняет создателей модели добавить еще больше переменных. Это называется переобучением и может вернуть неоправданно высокое значение R-квадрата. Скорректированный R-квадрат используется для определения того, насколько надежна корреляция и насколько она определяется добавлением независимых переменных.
В модели портфеля, которая имеет больше независимых переменных, скорректированный R-квадрат поможет определить, какая часть корреляции с индексом связана с добавлением этих переменных. Скорректированный R-квадрат компенсирует добавление переменных и увеличивается только в том случае, если новый предиктор улучшает модель по сравнению с тем, что было бы получено с помощью вероятности. И наоборот, оно будет уменьшаться, когда предсказатель улучшает модель меньше, чем предсказано случайно.
Ключевые отличия
Наиболее очевидное различие между скорректированным R-квадратом и R-квадратом просто состоит в том, что скорректированный R-квадрат учитывает и проверяет различные независимые переменные по отношению к фондовому индексу, а R-квадрат — нет. Из-за этого многие инвестиционные профессионалы предпочитают использовать скорректированный R-квадрат, потому что он может быть более точным. Кроме того, инвесторы могут получить дополнительную информацию о том, что влияет на акции, тестируя различные независимые переменные с использованием скорректированной модели R-квадрата.
С другой стороны, R-квадрат имеет свои ограничения. Одним из наиболее существенных ограничений использования этой модели является то, что R-квадрат нельзя использовать для определения того, смещены ли оценки коэффициентов и прогнозы. Более того, в множественной линейной регрессии R-квадрат не может сказать нам, какая переменная регрессии важнее, чем другая.
Скорректированный R-квадрат против предсказанного R-квадрата
Прогнозируемый R-квадрат, в отличие от скорректированного R-квадрата, используется, чтобы указать, насколько хорошо регрессионная модель предсказывает ответы для новых наблюдений. Таким образом, если скорректированный R-квадрат может предоставить точную модель, которая соответствует текущим данным, прогнозируемый R-квадрат определяет, насколько вероятно, что эта модель будет точной для будущих данных.
Примеры R-квадрат и скорректированный R-квадрат
Когда вы анализируете ситуацию, в которой есть гарантия минимальной систематической ошибки или ее отсутствия, использование R-квадрата для вычисления взаимосвязи между двумя переменными очень полезно. Однако при исследовании взаимосвязи, скажем, между показателями одной акции и остальных показателей S & P500, важно использовать скорректированный R-квадрат для определения любых несоответствий в корреляции.
Если инвестор ищет индексный фонд, который внимательно отслеживает S & P500, он захочет протестировать различные независимые переменные относительно индекса акций, такие как отрасль, активы под управлением, как долго акции были доступны на рынке и т. Д. чтобы убедиться, что у них есть наиболее точная цифра корреляции.
Особые соображения
Правый квадрат и оптимизация
Основная идея регрессионного анализа заключается в том, что, если отклонения между наблюдаемыми значениями и предсказанными значениями линейной модели небольшие, модель имеет хорошо согласованные данные. Степень соответствия — это математическая модель, которая помогает объяснить и учесть разницу между этими наблюдаемыми данными и предсказанными данными. Другими словами, критерий согласия — это проверка статистической гипотезы, чтобы увидеть, насколько хорошо данные выборки соответствуют распределению из совокупности с нормальным распределением.
Низкое значение R-квадрата против высокого значения R-квадрат
Одно из заблуждений относительно регрессионного анализа состоит в том, что низкое значение R-квадрата всегда плохо. Это не так. Например, некоторые наборы данных или области исследований по своей природе имеют большее количество необъяснимых вариаций. В этом случае значения R-квадрат, естественно, будут ниже. Исследователи могут сделать полезные выводы о данных даже при низком значении R-квадрата.
В другом случае, например, при инвестировании, высокое значение R-квадрата — обычно от 85% до 100% — указывает на то, что доходность акций или фонда движется относительно в соответствии с индексом. Это очень полезная информация для инвесторов, поэтому для успешного проекта необходимо более высокое значение R-квадрат.
Часто задаваемые вопросы о R-квадрате и скорректированном R-квадрате
В чем разница между R-квадрат и скорректированный R-квадрат?
Наиболее существенное различие между скорректированным R-квадратом и R-квадратом просто состоит в том, что скорректированный R-квадрат учитывает и проверяет различные независимые переменные по модели, а R-квадрат — нет.
Что лучше: R-квадрат или скорректированный R-квадрат?
Многие инвесторы предпочитают скорректированный R-квадрат, потому что скорректированный R-квадрат может обеспечить более точное представление о корреляции, также принимая во внимание, сколько независимых переменных добавлено к конкретной модели, относительно которой измеряется фондовый индекс.
Что мне следует использовать: скорректированный R-квадрат или R-квадрат?
Многие инвесторы добились успеха, используя скорректированный R-квадрат вместо R-квадрата из-за его способности сделать более точное представление о корреляции между одной переменной и другой. Скорректированный R-квадрат делает это, принимая во внимание, сколько независимых переменных добавлено к конкретной модели, относительно которой измеряется фондовый индекс.
Что такое допустимая величина R-квадрат?
Многие люди считают, что существует магическое число, когда дело доходит до определения значения R-квадрата, которое отмечает признак достоверного исследования, однако это не так. Поскольку некоторые наборы данных изначально настроены на более неожиданные вариации, чем другие, получение высокого значения R-квадрата не всегда реально. Однако в некоторых случаях идеальным является значение R-квадрат между 70-90%.
Суть
R-квадрат и скорректированный R-квадрат позволяют инвесторам измерить эффективность паевого инвестиционного фонда по сравнению с эталонным. Многие инвесторы добились успеха, используя скорректированный R-квадрат вместо R-квадрата из-за его способности сделать более точное представление о корреляции между одной переменной и другой.