Каква е остатъчната сума от квадрати (RSS)?
Остатъчната сума от квадрати (RSS) е статистическа техника, използвана за измерване на размера на дисперсията в набор от данни, която не се обяснява с регресионен модел. Регресията е измерване, което помага да се определи силата на връзката между зависима променлива и поредица от други променливи променливи или независими променливи.
Остатъчната сума от квадрати измерва размера на грешката, останала между регресионната функция и набора от данни. По-малка остатъчна сума от квадратите представлява регресионна функция. Остатъчната сума от квадрати - известна също като сума от квадратни остатъци - по същество определя колко добре регресионният модел обяснява или представя данните в модела.
Ключови заведения
- Остатъчната сума от квадрати (RSS) е статистическа техника, използвана за измерване на размера на дисперсията в набор от данни, който не се обяснява с регресионен модел. Остатъчната сума от квадрати е едно от многото статистически свойства, които се наслаждават на ренесанс на финансовите пазари. В идеалния случай сумата от квадратните остатъци трябва да бъде по-малка или по-ниска стойност във всеки регресионен модел.
Разбиране на остатъчната сума от квадрати (RSS)
Финансовите пазари все повече стават все по-количествено задвижвани; като такива, в търсене на предимство, много инвеститори използват усъвършенствани статистически техники, за да помогнат в своите решения. Големите данни, машинното обучение и приложенията за изкуствен интелект допълнително налагат използването на статистически свойства за ръководство на съвременните инвестиционни стратегии. Остатъчната сума от квадрати - или RSS статистика - е едно от многото статистически свойства, които се радват на ренесанс.
Статистическите модели се използват от инвеститорите и ръководителите на портфейли, за да проследят цената на инвестицията и да използват тези данни, за да предскажат бъдещи движения. Изследването, наречено регресионен анализ, може да включва анализ на връзката в движението на цените между дадена стока и акциите на компаниите, ангажирани с производството на стоката.
Всеки модел може да има отклонения между прогнозираните стойности и реалните резултати. Въпреки че отклоненията могат да бъдат обяснени от регресионния анализ, остатъчната сума от квадрати представлява отклоненията или грешките, които не са обяснени.
Тъй като може да се направи достатъчно сложна регресионна функция за тясно прилягане на почти всеки набор от данни, е необходимо по-нататъшно проучване, за да се определи дали регресионната функция всъщност е полезна за обясняване на дисперсията на набора от данни. Обикновено, обаче, по-малка или по-ниска стойност за остатъчната сума от квадратчета е идеална за всеки модел, тъй като означава, че има по-малко вариации в набора от данни. С други думи, колкото по-ниска е сумата на квадратните остатъци, толкова по-добър е регресионният модел при обяснението на данните.
