Какво е хетерокедастичност?
В статистиката хетероскедастичността (или хетеросцедастичността) се случва, когато стандартните грешки на променлива, наблюдавани през определен период от време, са неконстантни. С хетерокедастичността, сигнализиращият знак при визуална проверка на остатъчните грешки е, че те ще са склонни да изчезват с времето, както е показано на изображението по-долу.
Хетероскедастичността често възниква в две форми: условна и безусловна. Условната хетерокедастичност идентифицира непостоянна волатилност, когато бъдещите периоди на висока и ниска волатилност не могат да бъдат идентифицирани. Безусловната хетерокедастичност се използва, когато могат да се идентифицират фючърсни периоди с висока и ниска волатилност.
Изображение от Джули Банг © Инвестопедия 2019
Ключови заведения
- В статистиката хетерокедастичността (или хетероседастичността) се случва, когато стандартните грешки на променлива, наблюдавани през определен период от време, са не постоянни. С хетерокедастичността знакът за предаване при визуална проверка на остатъчните грешки е, че те ще имат тенденция да се разпростира във времето, както е показано на изображението по-долу. Гетерокедастичността е нарушение на допусканията за моделиране на линейна регресия и по този начин може да повлияе на валидността на иконометричен анализ или финансови модели като CAPM.
Докато хетерокедастичността не предизвиква пристрастия в оценките на коефициентите, това ги прави по-малко прецизни; по-ниската точност увеличава вероятността оценките на коефициента да са по-далеч от правилната стойност на популацията.
Основите на хетерокедастичността
Във финансите условната хетерокедастичност често се наблюдава в цените на акциите и облигациите. Нивото на нестабилност на тези акции не може да се предвиди за всеки период. Безусловната хетерокедастичност може да се използва, когато се обсъждат променливи, които имат идентифицируема сезонна променливост, като например потреблението на електроенергия.
Тъй като се отнася до статистиката, хетерокедастичността (също изписана хетероседастичност) се отнася до отклонението на грешката или зависимостта от разсейване в рамките на минимум една независима променлива в рамките на определена извадка. Тези вариации могат да бъдат използвани за изчисляване на границата на грешка между наборите от данни, като очаквани резултати и реални резултати, тъй като осигурява мярка за отклонението на точките от данни от средната стойност.
За да може даден набор от данни да се счита за подходящ, по-голямата част от данните трябва да са в определен брой стандартни отклонения от средната стойност, описана в теоремата на Чебишев, известна също като неравенство на Чебишев. Това дава насоки относно вероятността на случайна променлива, различаваща се от средната стойност.
Въз основа на посочения брой стандартни отклонения, случайна променлива има особена вероятност да съществува в тези точки. Например може да се изисква диапазон от две стандартни отклонения да съдържа най-малко 75% от точките с данни, които да се считат за валидни. Често срещана причина за отклонения извън минималното изискване често се приписва на проблеми с качеството на данните.
Обратното на хетерокедастичното е хомоскедастично. Хомоскедастичността се отнася до състояние, при което дисперсията на остатъчния термин е постоянна или почти такава. Хомоскедастичността е едно предположение за моделиране на линейна регресия. Хомоскедастичността предполага, че регресионният модел може да бъде добре дефиниран, което означава, че той дава добро обяснение на работата на зависимата променлива.
Видовете Heteroskedasticity
безусловен
Безусловната хетерокедастичност е предвидима и най-често се отнася до променливи, които са по цикличен характер. Това може да включва по-големи продажби на дребно, отчетени по време на традиционния период за ваканционно пазаруване или увеличаване на повикванията за ремонт на климатик през топлите месеци.
Промените в отклонението могат да бъдат обвързани директно с настъпването на определени събития или прогнозни маркери, ако промените не са традиционно сезонни. Това може да бъде свързано с увеличаване на продажбите на смартфони с пускането на нов модел, тъй като активността е циклична въз основа на събитието, но не е задължително определена от сезона.
условен
Условната хетерокедастичност не е предвидима от природата. Няма индикатор, който да кара анализаторите да вярват, че данните ще станат повече или по-малко разпръснати във всеки един момент. Често финансовите продукти се считат за обект на условна хетерокедастичност, тъй като не всички промени могат да бъдат причислени към конкретни събития или сезонни промени.
Специални съображения
Хетерокедастичност и финансово моделиране
Хетероскедастичността е важно понятие в регресионното моделиране, а в инвестиционния свят се използват регресионни модели, които обясняват представянето на портфейлите от ценни книжа и инвестициите. Най-известният от тях е Моделът за ценообразуване на капиталовите активи (CAPM), който обяснява представянето на акцията по отношение на нейната нестабилност спрямо пазара като цяло. Разширенията на този модел са добавили и други променливи на прогноза като размер, импулс, качество и стил (стойност спрямо растеж).
Тези променливи на прогноза са добавени, защото обясняват или отчитат отклонение в зависимата променлива. Изпълнението на портфейла се обяснява от CAPM. Например, разработчиците на модела CAPM бяха наясно, че техният модел не успя да обясни интересна аномалия: висококачествените запаси, които бяха по-малко променливи от нискокачествените запаси, имаха тенденция да се представят по-добре от прогнозирания модел на CAPM. CAPM казва, че акциите с по-висок риск трябва да превъзхождат запасите с по-малък риск. С други думи, запасите с висока волатилност трябва да победят запасите с по-ниска волатилност. Но висококачествените акции, които са по-малко променливи, са склонни да се представят по-добре от предвидените от CAPM.
По-късно други изследователи разшириха модела на CAPM (който вече беше разширен, за да включи други променливи прогнози като размер, стил и импулс), за да включат качеството като допълнителна променлива прогноза, известна също като „фактор“. С този фактор сега е включен в модела, се отчита аномалията на производителността на запасите с ниска волатилност. Тези модели, известни като многофакторни модели, формират основата на факторното инвестиране и интелигентната бета версия.
