Визначення регресії

Що таке регресія?

Регресія - це статистичне вимірювання, яке використовується у фінансах, інвестиціях та інших дисциплінах, що намагається визначити міцність зв'язку між однією залежною змінною (зазвичай позначається Y) та низкою інших змінних змінних (відомих як незалежні змінні).

Регресія допомагає інвестиційним та фінансовим менеджерам оцінити активи та зрозуміти взаємозв'язки між змінними, такими як ціни на товари та запаси підприємств, які займаються цими товарами.

1:21

Регресія

Пояснена регресія

Два основних типи регресії - це лінійна регресія та множинна лінійна регресія, хоча існують нелінійні методи регресії для більш складних даних та аналізу. Лінійна регресія використовує одну незалежну змінну для пояснення або прогнозування результату залежної змінної Y, тоді як множинна регресія використовує дві або більше незалежних змінних для прогнозування результату.

Регресія може допомогти як фінансовим, так і інвестиційним фахівцям, а також професіоналам інших підприємств. Регресія також може допомогти передбачити продажі для компанії на основі погоди, попередніх продажів, зростання ВВП чи інших видів умов. Модель ціноутворення капітальних активів (CAPM) є часто використовуваною регресійною моделлю у фінансах для ціноутворення активів та виявлення витрат капіталу.

Загальною формою кожного типу регресії є:

• Лінійна регресія: Y = a + bX + u
• Множинна регресія: Y = a + b ₁ X ₁ ⁺ b ₂ X ₂ + b ₃ X ₃ + ... + b _t X _t + u

Де:

• Y = змінна, яку ви намагаєтеся передбачити (залежна змінна).
• X = змінна, яку ви використовуєте для прогнозування Y (незалежна змінна).
• a = перехоплення.
• b = нахил.
• u = регресія залишкова.

Існує два основних типи регресії: лінійна регресія та множинна лінійна регресія.

Регресія бере групу випадкових величин, що вважаються передбачуваними Y, і намагається знайти математичну залежність між ними. Зазвичай це співвідношення у формі прямої (лінійної регресії), яка найкраще наближає всі окремі точки даних. При множинній регресії окремі змінні диференціюються за допомогою чисел з підписниками.

Ключові вивезення

• Регресія допомагає інвестиційним та фінансовим менеджерам оцінити активи та зрозуміти взаємозв'язки між змінними
• Регресія може допомогти як фінансовим, так і інвестиційним фахівцям, а також професіоналам інших підприємств.

Реальний приклад використання регресійного аналізу

Регресія часто використовується, щоб визначити, скільки конкретних факторів, таких як ціна товару, процентні ставки, конкретні галузі чи галузі, впливають на рух цін на актив. Вищезгадана CAPM заснована на регресії, і вона використовується для прогнозування очікуваної віддачі запасів та для отримання витрат на капітал. Прибутковість акцій регресується проти повернення більш широкого індексу, такого як S&P 500, для отримання бета-версії для конкретних акцій.

Бета - це ризик акцій щодо ринку або індексу і відображається як нахил у моделі CAPM. Очікуваною віддачею для відповідних акцій буде залежна змінна Y, тоді як незалежна змінна X буде надбавкою до ринкового ризику.

До моделі CAPM можна додати додаткові змінні, такі як ринкова капіталізація запасів, коефіцієнти оцінки та недавні прибутки, щоб отримати кращі оцінки прибутковості. Ці додаткові фактори відомі як фама-французькі фактори, названі на честь професорів, які розробили модель множинної лінійної регресії для кращого пояснення прибутку активів.

Порівняйте інвестиційні рахунки Ім’я постачальника Опис Розкриття рекламодавця × Пропозиції, що з’являються в цій таблиці, є партнерствами, від яких Investopedia отримує компенсацію.

Пов'язані умови

Що таке термін помилки? Термін помилки визначається як змінна в статистичній моделі, яка створюється тоді, коли модель не повністю представляє фактичну залежність між незалежними та залежними змінними. докладніше Як працює множинна лінійна регресія Множинна лінійна регресія (MLR) - це статистична методика, яка використовує кілька пояснювальних змінних для прогнозування результату змінної відповіді. більше Лінія найкращого пристосування Лінія найкращого пристосування - це результат регресійного аналізу, який представляє взаємозв'язок двох або більше змінних у наборі даних. більше R-Squared R-квадрат - це статистична міра, яка представляє частку дисперсії для залежної змінної, пояснювану незалежною змінною. докладніше Як працює метод найменших квадратів Метод найменших квадратів - це статистична методика визначення лінії, що найкраще підходить для моделі, визначена рівнянням з певними параметрами до спостережуваних даних. більше Гетероскдастичність У статистиці гетерокедастичність буває тоді, коли стандартні відхилення змінної, що відстежуються протягом певного часу, є непостійними. більше Посилання партнерів