Heteroskedaziškumas
Statistikoje heteroskedaziškumas (arba heteroskedaziškumas) įvyksta, kai kintamojo standartinės paklaidos, stebimos per tam tikrą laiko tarpą, nėra pastovios. Atsižvelgiant į heteroskedaziškumą, kontrolinis ženklas, vizualiai apžiūrint likusias klaidas, yra tai, kad laikui bėgant jos bus linkusios išblėsti, kaip parodyta paveikslėlyje žemiau.
Heteroskedaziškumas dažnai kyla iš dviejų formų: sąlyginio ir besąlyginio. Sąlyginis heteroskedališkumas identifikuoja nepastovų nepastovumą, kai negalima nustatyti būsimojo didelio ir žemo nepastovumo laikotarpių. Besąlyginis heteroskedaziškumas naudojamas, kai galima nustatyti aukšto ir žemo nepastovumo ateities laikotarpius.
Pagrindiniai išvežamieji daiktai
- Statistikoje heteroskedaziškumas (arba heteroskedaziškumas) įvyksta, kai kintamojo standartinės paklaidos, stebimos per tam tikrą laiko tarpą, nėra pastovios.
- Atsižvelgiant į heteroskedaziškumą, kontrolinis ženklas, vizualiai apžiūrint likusias klaidas, yra tai, kad laikui bėgant jos bus linkusios išblėsti, kaip parodyta paveikslėlyje žemiau.
- Heteroskedaziškumas yra tiesinės regresijos modeliavimo prielaidų pažeidimas, todėl jis gali paveikti ekonometrinės analizės ar tokių finansinių modelių kaip CAPM pagrįstumą.
Nors heteroskedaziškumas nesukelia šališkumo koeficientų įvertinimuose, tačiau jie daro juos ne tokius tikslus; mažesnis tikslumas padidina tikimybę, kad koeficiento įverčiai yra toliau nuo teisingos populiacijos vertės.
Heteroskedaziškumo pagrindai
Finansų srityje sąlyginis heteroskedaziškumas dažnai pastebimas akcijų ir obligacijų kainose. Bet kuriuo laikotarpiu negalima prognozuoti šių akcijų nepastovumo lygio. Besąlygiškas heteroskedaziškumas gali būti naudojamas aptariant kintamuosius, kurie turi atpažįstamą sezoninį kintamumą, pavyzdžiui, elektros energijos suvartojimą.
Heteroskedaziškumas (taip pat rašytinis heteroskedaziškumas ) reiškia klaidų dispersiją arba sklaidos priklausomybę mažiausiai per vieną nepriklausomą kintamąjį tam tikroje imtyje. Šie svyravimai gali būti naudojami apskaičiuojant klaidų skirtumą tarp duomenų rinkinių, tokių kaip laukiami ir faktiniai rezultatai, nes jie parodo duomenų taškų nuokrypį nuo vidutinės vertės.
Kad duomenų rinkinys būtų laikomas tinkamu, dauguma duomenų taškų turi atitikti tam tikrą skaičių standartinių nuokrypių nuo vidurkio, aprašyto Čebiševo teoremoje, dar žinomoje kaip Čebiševo nelygybė. Čia pateikiamos gairės dėl atsitiktinio kintamojo, kuris skiriasi nuo vidurkio, tikimybės.
Remiantis nurodytu standartinių nuokrypių skaičiumi, atsitiktinis kintamasis turi tam tikrą tikimybę egzistuoti tuose taškuose. Pavyzdžiui, gali būti reikalaujama, kad dviejų standartinių nuokrypių diapazonas sudarytų bent 75% duomenų taškų, kad būtų laikomas galiojančiu. Dažna priežastis, dėl kurios nukrypstama nuo minimalaus reikalavimo, dažnai siejama su duomenų kokybės problemomis.
Heteroskedastikos priešingybė yra homoskedastinė. Homoskedasticiškumas reiškia būklę, kai likutinio termino dispersija yra pastovi arba beveik tokia pati. Homoskedasticiškumas yra viena tiesinės regresijos modeliavimo prielaida. Homoskedasticiškumas rodo, kad regresijos modelis gali būti gerai apibrėžtas, tai reiškia, kad jis gerai paaiškina priklausomo kintamojo veikimą.
Heteroskedaziškumo tipai
Besąlygiška
Besąlyginis heteroskedaziškumas yra nuspėjamas ir dažniausiai susijęs su kintamaisiais, kurie yra ciklinio pobūdžio. Tai gali apimti didesnį mažmeninį pardavimą, apie kurį pranešama tradicinių atostogų apsipirkimo laikotarpiu, arba padidėjusį oro kondicionierių remonto skambučių skaičių šiltesniais mėnesiais.
Pokyčiai dispersijoje gali būti tiesiogiai susieti su tam tikrų įvykių ar prognozinių žymenų atsiradimu, jei poslinkiai nėra tradiciškai sezoniniai. Tai gali būti siejama su padidėjusiu išmaniųjų telefonų pardavimu išleidus naują modelį, nes veikla yra cikliška atsižvelgiant į įvykį, bet nebūtinai nustatoma pagal sezoną.
Sąlyginis
Sąlyginis heteroskedaziškumas iš prigimties nenuspėjamas. Nėra jokio įspėjamojo ženklo, kuris priverstų analitikus manyti, kad duomenys bet kuriuo metu bus daugiau ar mažiau išsklaidyti. Dažnai finansiniai produktai laikomi sąlygiškais heteroskedaziškumu, nes ne visus pokyčius galima priskirti tam tikriems įvykiams ar sezoniniams pokyčiams.
Ypatingos aplinkybės
Heteroskedaziškumas ir finansinis modeliavimas
Heteroskedaziškumas yra svarbi regresijos modeliavimo sąvoka, o investiciniame pasaulyje regresijos modeliai naudojami aiškinant vertybinių popierių ir investicinių portfelių efektyvumą. Labiausiai žinomas iš jų yra „Capital Asset Pricing Model“ (CAPM), kuris paaiškina akcijų rezultatus atsižvelgiant į jų kintamumą, palyginti su visa rinka. Išplečiant šį modelį, buvo įtraukti kiti numatomieji kintamieji, tokie kaip dydis, pagreitis, kokybė ir stilius (vertė ir augimas).
Šie numatomieji kintamieji buvo įtraukti, nes jie paaiškina priklausomojo kintamojo dispersiją arba paaiškina jo dispersiją. Portfelio našumą paaiškina CAPM. Pavyzdžiui, CAPM modelio kūrėjai žinojo, kad jų modelis nepaaiškino įdomios anomalijos: aukštos kokybės atsargos, kurios buvo mažiau nepastovios nei žemos kokybės atsargos, buvo linkusios veikti geriau, nei prognozavo CAPM. CAPM sako, kad didesnės rizikos atsargos turėtų būti pranašesnės už mažesnės rizikos atsargas. Kitaip tariant, didelio nepastovumo atsargos turėtų įveikti mažesnio nepastovumo atsargas. Tačiau aukštos kokybės atsargos, kurios yra mažiau nepastovios, buvo linkusios veikti geriau, nei prognozavo CAPM.
Vėliau kiti tyrėjai išplėtė CAPM modelį (kuris jau buvo išplėstas įtraukiant kitus prognozuojančius kintamuosius, pavyzdžiui, dydį, stilių ir pagreitį), įtraukdamas kokybę kaip papildomą prognozuojamąjį kintamąjį, dar vadinamą „veiksniu“. Kadangi šis faktorius dabar įtrauktas į modelį, buvo atsižvelgta į mažo nepastovumo atsargų veiklos anomaliją. Šie modeliai, žinomi kaip daugelio veiksnių modeliai, sudaro pagrindą investuoti į veiksnius ir išmaniąją beta versiją.
Palyginkite investicinių sąskaitų teikėjo pavadinimą Aprašymas Skelbėjo informacijos atskleidimas × Šioje lentelėje pateikti pasiūlymai yra iš partnerystės, iš kurios „Investopedia“ gauna kompensaciją.