R-Squared vs. Skorygowany R-Squared: Przegląd
Kwadrat R (R 2) i skorygowany R-kwadrat pozwalają inwestorowi zmierzyć wartość funduszu wspólnego inwestowania względem wartości wskaźnika. Inwestorzy mogą również wykorzystać te obliczenia do zmierzenia swojego portfela w stosunku do danego poziomu referencyjnego.
Wartości te mieszczą się w zakresie od 0 do 100. Wynikowa liczba nie wskazuje, jak dobrze dana grupa papierów wartościowych osiąga wyniki, a jedynie mierzy, w jakim stopniu zwroty z gospodarstw wyrównują się z wynikami mierzonego wskaźnika.
Kwadrat R - znany również jako współczynnik determinacji - jest narzędziem analizy statystycznej służącym do przewidywania przyszłego wyniku inwestycji i tego, jak ściśle dopasowuje się do jednego zmierzonego modelu.
Skorygowany kwadrat R porównuje korelację inwestycji z kilkoma mierzonymi modelami.
R-kwadrat
Kwadrat R nie może zweryfikować, czy wartość współczynnika Ballpark i jego prognozy są naruszone. Nie pokazuje również, czy model regresji jest zadowalający; może pokazywać figurę w kształcie litery R dla dobrego modelu lub wysoką figurę w kształcie litery R dla modelu, który nie pasuje. Im niższa wartość R2, tym mniej dwie zmienne korelują ze sobą. Wyniki wyższe niż 70% zwykle wskazują, że portfel ściśle odpowiada mierzonemu poziomowi odniesienia. Wyższe wartości R-kwadrat wskazują również wiarygodność odczytów beta. Beta mierzy zmienność papierów wartościowych lub portfela.
Jedną z głównych różnic między kwadratem R a skorygowanym kwadratem R jest to, że R 2 zakłada każdą zmienną niezależną - punkt odniesienia - w modelu wyjaśnia zmienność zmiennej zależnej - fundusz lub portfel. Podaje procent wyjaśnionej zmienności, tak jakby wszystkie zmienne niezależne w modelu wpływały na zmienną zależną. W prawdziwym świecie ten stosunek jeden do jednego rzadko się zdarza. Z drugiej strony, skorygowane R-kwadrat daje procent zmienności wyjaśniony tylko tymi zmiennymi niezależnymi, które w rzeczywistości wpływają na zmienną zależną.
R-Squared jest często używany ze statystycznymi regresjami liniowymi do przewidywania ruchów cen akcji, ale jest to tylko jeden z wielu technicznych wskaźników, które handlowcy powinni mieć w swoich arsenałach. Kurs analizy technicznej Investopedia zapewnia kompleksowy przegląd wskaźników technicznych i wzorców wykresów z ponad pięcioma godzinami wideo na żądanie. Poznasz wszystkie najpopularniejsze techniki i sposoby ich stosowania na prawdziwych rynkach, aby zmaksymalizować zwroty skorygowane o ryzyko.
Skorygowano R-kwadrat
Skorygowany kwadrat R porównuje siłę opisową modeli regresji - dwóch lub więcej zmiennych - które obejmują różnorodną liczbę zmiennych niezależnych - znanych jako predyktor. Każda predyktor lub zmienna niezależna dodana do modelu zwiększa wartość R-kwadrat i nigdy jej nie zmniejsza. Tak więc model zawierający kilka predyktorów zwróci wyższe wartości R2 i może wydawać się lepiej dopasowany. Jednak wynik ten wynika z tego, że obejmuje więcej warunków.
Skorygowany kwadrat R kompensuje dodawanie zmiennych i zwiększa się tylko wtedy, gdy nowy predyktor poprawia model powyżej tego, co można by uzyskać przez prawdopodobieństwo. I odwrotnie, zmniejszy się, gdy predyktor poprawi model w mniejszym stopniu niż przewidywany przez przypadek.
Gdy w modelu statystycznym wykorzystywanych jest zbyt mało punktów danych, nazywa się to nadmiernym dopasowaniem. Przeregulowanie może zwrócić nieuzasadnioną wysoką wartość R-kwadrat. Ta nieprawidłowa liczba może prowadzić do zmniejszenia zdolności do przewidywania wyników. Skorygowany R-kwadrat jest zmodyfikowaną wersją R2 dla liczby predyktorów w modelu. Skorygowany R-kwadrat może być ujemny, ale nie zawsze.
Podczas gdy wartość R-kwadrat pomiędzy 0 a 100 i pokazuje liniową zależność w próbce danych, nawet gdy nie ma podstawowej zależności, skorygowany R-kwadrat daje najlepsze oszacowanie stopnia związku w populacji podstawowej.
Aby pokazać korelację modeli z kwadratem R, wybierz model z najwyższym limitem. Jednak najlepszym i najłatwiejszym sposobem porównania modeli jest wybranie jednego z mniejszym skorygowanym R-kwadratem. Skorygowany R-kwadrat nie jest typowym modelem do porównywania modeli nieliniowych, ale pokazuje wiele regresji liniowych.
Kluczowe dania na wynos
- Jedną z głównych różnic między R-kwadratem a skorygowanym R-kwadratem jest to, że R-kwadrat zakłada, że każda niezależna zmienna w modelu wyjaśnia zmienność zmiennej zależnej. R-kwadrat nie może zweryfikować, czy niekorzystny jest współczynnik współczynnika Ballpark i jego przewidywania. Skorygowany R-kwadrat jest zmodyfikowaną wersją R-kwadratu dla liczby predyktorów w modelu.
