Какво е мултиколинеарност?
Мултиколинеарността е появата на високи взаимовръзки между независими променливи в модела на множествена регресия. Мултиколинеарността може да доведе до изкривени или подвеждащи резултати, когато изследовател или анализатор се опита да определи доколко всяка независима променлива може да се използва най-ефективно за прогнозиране или разбиране на зависимата променлива в статистически модел. По принцип мултиколинеарността може да доведе до по-големи интервали на доверие и по-малко надеждни стойности на вероятността за независимите променливи. Тоест, статистическите изводи от модел с мултиколинеарност може да не са надеждни.
Разбиране на мултиколинеарността
Статистическите анализатори използват множество регресионни модели, за да предскажат стойността на определена зависима променлива въз основа на стойностите на две или повече независими променливи. Зависимата променлива понякога се нарича променлива за резултат, цел или критерий. Пример за това е мултивариозен регресионен модел, който се опитва да предвиди възвръщаемостта на акциите въз основа на позиции като съотношение цена-печалба, пазарна капитализация, предишни резултати или други данни. Доходността на запасите е зависимата променлива и различните битове на финансови данни са независимите променливи.
Ключови заведения
- Мултиколинеарността е статистическа концепция, при която независимите променливи в даден модел са свързани. Мултиколинеарността между независимите променливи ще доведе до по-малко надеждни статистически изводи. По-добре е да използвате независими променливи, които не са свързани или повтарящи се при изграждането на множество регресионни модели, които използват две или повече променливи,
Мултиколинеарността в модела на множествена регресия показва, че колинеарните независими променливи са свързани по някакъв начин, въпреки че връзката може да бъде или да не е случайна. Например миналото изпълнение може да е свързано с пазарна капитализация, тъй като акциите, които са се представили добре в миналото, ще имат нарастващи пазарни стойности. С други думи, мултиколинеарността може да съществува, когато две независими променливи са силно свързани. Това може също да се случи, ако независима променлива е изчислена от други променливи в набора от данни или ако две независими променливи предоставят подобни и повтарящи се резултати.
Един от най-често срещаните начини за премахване на проблема с мултиколинеарността е първо да се идентифицират колинеарни независими променливи и след това да се премахнат всички, освен една. Възможно е също да се елиминира мултиколинеарността чрез комбиниране на две или повече колинеарни променливи в една променлива. След това може да се проведе статистически анализ, за да се проучи връзката между определената зависима променлива и само една независима променлива.
Пример за мултиколинеарност
За инвестирането мултиколинеарността е често срещано значение при извършване на технически анализ, за да се предскаже вероятното бъдещо движение на цените на ценната книга, като акция или стоково бъдеще. Пазарните анализатори искат да избегнат използването на технически показатели, които са колинеарни, тъй като се основават на много сходни или свързани с тях данни; те са склонни да разкриват подобни прогнози по отношение на зависимата променлива от движението на цените. Вместо това анализът на пазара трябва да се основава на подчертано различни независими променливи, за да се гарантира, че те анализират пазара от различни независими аналитични гледни точки.
Изтъкнатият технически анализатор Джон Болингер, създател на индикатора на Bollinger Bands, отбелязва, че „основното правило за успешното използване на техническия анализ изисква избягване на мултиколинеарност на фона на показателите“.
За да решат проблема, анализаторите избягват да използват два или повече технически индикатора от същия тип. Вместо това те анализират защита, използвайки един тип индикатор, като например индикатор за импулс и след това правят отделен анализ, използвайки различен тип индикатор, като индикатор за тенденция.
Пример за потенциален проблем с мултиколинеарността е извършването на технически анализ само с помощта на няколко подобни индикатора, като стохастика, индексът на относителната якост (RSI) и Уилямс% R, които са всички индикатори на инерция, които разчитат на сходни входни данни и е вероятно да произведат подобни резултати. В този случай е по-добре да премахнете всички, освен един от индикаторите, или да намерите начин да обедините няколко от тях само в един индикатор, като същевременно добавите и индикатор за тенденция, който вероятно не е силно свързан с индикатора на импулса.