R-kvadrato apibrėžimas
R kvadratas (R 2 ) yra statistinis matas, kuris parodo priklausomo kintamojo dispersijos proporciją, kuri paaiškinama nepriklausomu kintamuoju ar kintamaisiais regresijos modelyje. Tuo tarpu koreliacija paaiškina ryšį tarp nepriklausomo ir priklausomo kintamojo, R-kvadratas paaiškina, kiek vieno kintamojo dispersija paaiškina antrojo kintamojo dispersiją. Taigi, jei modelio R2 yra 0, 50, tada maždaug pusę stebėtų pokyčių galima paaiškinti modelio įvestimis.
Investuojant R kvadratas paprastai aiškinamas kaip fondo ar vertybinių popierių judėjimo procentas, kurį galima paaiškinti lyginamojo indekso pokyčiais. Pavyzdžiui, fiksuotų pajamų vertybinių popierių R kvadratas palyginti su obligacijų indeksu identifikuoja vertybinio popieriaus kainos judėjimo proporciją, kuri yra nuspėjama remiantis indekso kainos pokyčiu. Tas pats gali būti taikoma akcijų palyginimui su „S&P 500“ indeksu ar bet kokiu kitu atitinkamu indeksu.
Jis taip pat gali būti žinomas kaip nustatymo koeficientas.
R-kvadrato formulė yra
R2 = 1 - paaiškinta variacijaBendra variacija \ pradžia {suderinta} ir \ tekstas {R} ^ 2 = 1 - \ frakė {\ tekstas {paaiškinta variacija}} {\ tekstas {bendra variacija}} \\ \ pabaiga {suderinta} R2 = 1 - bendra variacijaPaaiškinta variacija
Apskaičiuojamas R kvadratas
Faktiniam R kvadrato skaičiavimui reikia kelių žingsnių. Tai apima priklausomų ir nepriklausomų kintamųjų duomenų taškų (stebėjimų) paėmimą ir geriausiai regresijos modelio radimą, kuris geriausiai tinka. Iš to paskaičiuotumėte numatomas vertes, atimtumėte tikrąsias vertes ir gautumėte rezultatus kvadratu. Gaunamas klaidų sąrašas, padalintas į kvadratą, kuris tada susumuojamas ir lygus paaiškintam dispersijai.
Norėdami apskaičiuoti bendrą dispersiją, iš numatytų verčių atimtumėte vidutinę faktinę vertę, gautus rezultatus suskaičiuotumėte kvadratu ir susumuotumėte. Iš ten pirmą klaidų sumą (paaiškintą dispersiją) padalykite iš antrosios sumos (bendras dispersija), atimkite rezultatą iš vienos ir jūs turite R kvadratą.
1:58R-kvadratas
Ką tau sako R-kvadratas?
R kvadrato vertės svyruoja nuo 0 iki 1 ir paprastai nurodomos procentais nuo 0% iki 100%. 100% R kvadratas reiškia, kad visi vertybinių popierių (ar kitų priklausomų kintamųjų) judesiai yra visiškai paaiškinami indekso (arba jus dominančio (-ių) nepriklausomo (-ų) kintamojo (-ų)) pokyčiais.
Investuojant, didelis R kvadratas, nuo 85% iki 100%, rodo, kad akcijų ar fondo veiklos rezultatai kinta palyginti su indeksu. Fondas, kurio R kvadratas yra mažas ir ne didesnis kaip 70%, rodo, kad vertybiniai popieriai paprastai neatitinka indekso pokyčių. Didesnė R kvadrato vertė parodys naudingesnį beta skaičių. Pvz., Jei akcijos ar fondo R kvadrato vertė yra artima 100%, bet beta yra mažesnė nei 1, greičiausiai ji siūlo didesnę pagal riziką grąžą.
Pagrindiniai išvežamieji daiktai
- R kvadratas yra statistinis tinkamumo matas, kuris parodo, koks priklausomo kintamojo kitimas paaiškinamas nepriklausomu (-iais) kintamuoju (-iais) regresijos modelyje.
- Investuojant R kvadratas paprastai aiškinamas kaip fondo ar vertybinių popierių judėjimo procentas, kurį galima paaiškinti lyginamojo indekso pokyčiais.
- 100% R kvadratas reiškia, kad visi vertybinių popierių (ar kitų priklausomų kintamųjų) judesiai yra visiškai paaiškinami indekso (arba jus dominančio (-ių) nepriklausomo (-ų) kintamojo (-ų)) pokyčiais.
Skirtumas tarp R kvadrato ir pakoreguoto R kvadrato
„R-Squared“ veikia tik taip, kaip numatyta paprastame tiesinės regresijos modelyje su vienu aiškinamuoju kintamuoju. Su daugybine regresija, sudaryta iš kelių nepriklausomų kintamųjų, R kvadratas turi būti pakoreguotas. Pakoreguotas R kvadratas lygina regresijos modelių, apimančių skirtingą skaičių prognozuotojų, aprašomąją galią. Kiekvienas prognozuotojas, pridedamas prie modelio, padidina R kvadratą ir niekada jo nemažina. Taigi modelis su daugiau terminų gali atrodyti labiau tinkamas vien dėl to, kad jame yra daugiau terminų, o pakoreguota R kvadratu kompensuojama kintamųjų pridėjimas ir tik padidėja, jei naujas terminas padidina modelį aukščiau to, kas būtų gaunamas tikimybe ir sumažėja, kai prognozuotojas pagerina modelį mažiau, nei prognozuojama atsitiktinai. Esant netinkamoms sąlygoms, gaunama neteisingai didelė R kvadrato vertė, dėl kurios sumažėja gebėjimas numatyti. Taip nėra su pakoreguotu R kvadratu.
Nors standartinis R kvadratas gali būti naudojamas palyginti dviejų modelių ar skirtingų modelių gerumą, pakoreguotas R kvadratas nėra gera metrika lyginant netiesinius modelius ar kelias tiesines regresijas.
Skirtumas tarp R-kvadrato ir Beta
Beta ir R kvadratai yra du susiję, tačiau skirtingi koreliacijos rodikliai, tačiau beta yra santykinio pavojingumo rodiklis. Investicinis fondas su dideliu R kvadratu labai koreliuoja su etalonu. Jei beta taip pat yra didelis, jis gali duoti didesnę grąžą nei etalonas, ypač bulių rinkose. R kvadratas matuoja, kaip glaudžiai kiekvienas turto kainos pokytis yra susijęs su etalonu. Beta išmatuoja, kokie dideli kainų pokyčiai, palyginti su etalonu. Kartu naudojami R kvadratai ir beta suteikia investuotojams išsamų vaizdą apie turto valdytojų veiklą. Beta lygus 1, 0 reiškia, kad turto rizika (nepastovumas) yra tokia pati kaip jo etalono. Iš esmės R-kvadratas yra statistinės analizės metodas praktiniam vertybinių popierių betų naudojimui ir patikimumui.
R-kvadrato apribojimai
R-kvadratas suteiks jums priklausomo kintamojo judesių santykio įvertinimą remiantis nepriklausomo kintamojo judesiais. Tai nesakys jums, ar jūsų pasirinktas modelis yra geras, ar blogas, taip pat nepasakys, ar duomenys ir prognozės yra šališki. Aukštas ar žemas R kvadratas nebūtinai yra geras ar blogas, nes tai nereiškia nei modelio patikimumo, nei to, ar pasirinkote teisingą regresiją. Galite gauti žemą R kvadratą už gerą modelį arba aukštą R kvadratą, jei netinkamai sumontuotas modelis, ir atvirkščiai.
Palyginkite investicinių sąskaitų teikėjo pavadinimą Aprašymas Skelbėjo informacijos atskleidimas × Šioje lentelėje pateikti pasiūlymai yra iš partnerystės, iš kurios „Investopedia“ gauna kompensaciją.