Гетероскедастичний

ВИЗНАЧЕННЯ гетероскедастичного

Гетероскедастичний відноситься до стану, при якому дисперсія залишкового члена або терміну помилки в моделі регресії сильно варіюється. Якщо це правда, це може змінюватися систематично, і може бути якийсь фактор, який може пояснити це. Якщо так, тоді модель може бути погано визначена і її слід модифікувати таким чином, щоб ця систематична дисперсія пояснювалася однією або кількома додатковими змінними-предикторами.

Протилежність гетероскедастичної – гомоскедастична. Гомоскедастичність відноситься до стану, при якому дисперсія залишкового члена є постійною або майже такою. Гомоскедастичність (також пишеться “гомосцедастичність”) є одним із припущень моделювання лінійної регресії. Гомоскедастичність припускає, що модель регресії може бути чітко визначена, що означає, що вона дає гарне пояснення роботи залежної змінної.

РОЗБИВКА Гетероскекестична

Гетероскедастичність є важливим поняттям у регресійному моделюванні, а в інвестиційному світі регресійні моделі використовуються для пояснення результатів діяльності з цінними паперами та інвестиційними портфелями. Найвідомішою з них є Модель ціноутворення капіталу (CAPM), яка пояснює ефективність запасу з точки зору його волатильності щодо ринку в цілому. Розширення цієї моделі додали інші змінні предиктора, такі як розмір, імпульс, якість та стиль (значення проти зростання).

Ці змінні-прогнози були додані, оскільки вони пояснюють або враховують дисперсію в залежній змінній, ефективність портфеля, а потім пояснюється CAPM. Наприклад, розробники моделі CAPM усвідомлювали, що їх модель не змогла пояснити цікаву аномалію: високоякісні акції, які були менш мінливими, ніж низькоякісні, як правило, працювали краще, ніж передбачала модель CAPM. CAPM каже, що запаси з підвищеним ризиком повинні перевершити запаси з меншим ризиком. Іншими словами, акції з високою волатильністю повинні перевершувати акції з меншою волатильністю. Але якісні акції, які є менш мінливими, мали тенденцію до досягнення кращих результатів, ніж прогнозував CAPM.

Пізніше інші дослідники розширили модель CAPM (яка вже була розширена, включивши інші змінні предиктора, такі як розмір, стиль та імпульс), включивши якість як додаткову змінну предиктора, також відому як “фактор”. З урахуванням цього фактора, який тепер врахований у моделі, враховано аномалію ефективності запасів з низькою волатильністю. Ці моделі, відомі як багатофакторні моделі, становлять основу факторного інвестування та розумної бета-версії.