Definicja regresji

Co to jest regresja?

Regresja jest miarą statystyczną stosowaną w finansach, inwestowaniu i innych dyscyplinach, która próbuje określić siłę związku między jedną zmienną zależną (zwykle oznaczoną jako Y) a szeregiem innych zmiennych zmiennych (znanych jako zmienne niezależne).

Regresja pomaga menedżerom ds. Inwestycji i finansów wycenić aktywa i zrozumieć związki między zmiennymi, takimi jak ceny towarów i zapasy firm handlujących tymi towarami.

1:21

Regresja

Wyjaśnienie regresji

Dwa podstawowe typy regresji to regresja liniowa i wielokrotna regresja liniowa, chociaż istnieją metody regresji nieliniowej dla bardziej skomplikowanych danych i analiz. Regresja liniowa wykorzystuje jedną zmienną niezależną do wyjaśnienia lub przewidywania wyniku zmiennej zależnej Y, natomiast regresja wielokrotna używa dwóch lub więcej zmiennych niezależnych do prognozowania wyniku.

Regresja może pomóc specjalistom ds. Finansów i inwestycji, a także specjalistom z innych firm. Regresja może również pomóc w przewidywaniu sprzedaży dla firmy na podstawie pogody, poprzedniej sprzedaży, wzrostu PKB lub innych rodzajów warunków. Model wyceny aktywów kapitałowych (CAPM) to często stosowany model regresji w finansowaniu wyceny aktywów i odkrywania kosztów kapitału.

Ogólna forma każdego rodzaju regresji to:

• Regresja liniowa: Y = a + bX + u
• Regresja wielokrotna: Y = a + b ₁ X ₁ ⁺ b ₂ X ₂ + b ₃ X ₃ + ... + b _t X _t + u

Gdzie:

• Y = zmienna, którą próbujesz przewidzieć (zmienna zależna).
• X = zmienna, której używasz do przewidywania Y (zmienna niezależna).
• a = punkt przecięcia.
• b = nachylenie.
• u = resztkowa regresja.

Istnieją dwa podstawowe typy regresji: regresja liniowa i wielokrotna regresja liniowa.

Regresja bierze grupę zmiennych losowych, które, jak się wydaje, przewiduje Y, i próbuje znaleźć matematyczny związek między nimi. Zależność ta ma zazwyczaj postać linii prostej (regresja liniowa), która najlepiej przybliża wszystkie poszczególne punkty danych. W regresji wielokrotnej oddzielne zmienne są różnicowane za pomocą liczb z indeksami dolnymi.

Kluczowe dania na wynos

• Regresja pomaga menedżerom ds. Inwestycji i finansów wycenić aktywa i zrozumieć związki między zmiennymi
• Regresja może pomóc specjalistom ds. Finansów i inwestycji, a także specjalistom z innych firm.

Przykład zastosowania analizy regresji w świecie rzeczywistym

Regresja jest często używana do określenia, jak wiele konkretnych czynników, takich jak cena towaru, stopy procentowe, poszczególne branże lub sektory wpływają na ruch cen aktywów. Wspomniany CAPM opiera się na regresji i służy do prognozowania oczekiwanych zwrotów z zapasów oraz do generowania kosztów kapitału. Zwroty akcji są regresowane w stosunku do zwrotów z szerszego indeksu, takiego jak S&P 500, w celu wygenerowania wersji beta dla poszczególnych akcji.

Beta to ryzyko akcji w stosunku do rynku lub indeksu i jest odzwierciedlone jako nachylenie w modelu CAPM. Oczekiwanym zwrotem dla danych zapasów byłaby zmienna zależna Y, natomiast zmienna niezależna X byłaby premią za ryzyko rynkowe.

Do modelu CAPM można dodać dodatkowe zmienne, takie jak kapitalizacja rynkowa akcji, wskaźniki wyceny i ostatnie zwroty, aby uzyskać lepsze oszacowania zwrotów. Te dodatkowe czynniki są znane jako czynniki Fama-Frencha, nazwane na cześć profesorów, którzy opracowali model wielokrotnej regresji liniowej, aby lepiej wyjaśnić zwroty z aktywów.

Porównaj rachunki inwestycyjne Nazwa dostawcy Opis Ujawnienie reklamodawcy × Oferty przedstawione w tej tabeli pochodzą od partnerstw, od których Investopedia otrzymuje wynagrodzenie.

Terminy pokrewne

Co to jest termin błędu? Pojęcie błędu definiuje się jako zmienną w modelu statystycznym, który jest tworzony, gdy model nie w pełni reprezentuje rzeczywistą zależność między zmiennymi niezależnymi i zależnymi. więcej Jak działa wielokrotna regresja liniowa Wielokrotna regresja liniowa (MLR) to technika statystyczna, która wykorzystuje kilka zmiennych objaśniających do przewidywania wyniku zmiennej odpowiedzi. więcej Linia najlepszego dopasowania Linia najlepszego dopasowania jest wynikiem analizy regresji, która reprezentuje związek między dwiema lub więcej zmiennymi w zbiorze danych. więcej R-kwadrat R-kwadrat jest miarą statystyczną, która reprezentuje proporcję wariancji dla zmiennej zależnej, którą tłumaczy zmienna niezależna. więcej Jak działa metoda najmniejszych kwadratów Metoda najmniejszych kwadratów to technika statystyczna służąca do ustalenia linii najlepszego dopasowania do modelu, określonej równaniem z pewnymi parametrami obserwowanych danych. więcej Heteroskedastyczność W statystykach heteroskedastyczność ma miejsce, gdy odchylenia standardowe zmiennej, monitorowane przez określony czas, nie są stałe. więcej linków partnerskich