R-Squared vs. Laraskan R-Squared: Gambaran Keseluruhan
R-squared (R 2) dan R-square yang diselaraskan membolehkan pelabur mengukur nilai dana bersama terhadap nilai penanda aras. Pelabur juga boleh menggunakan pengiraan ini untuk mengukur portfolio mereka terhadap penanda aras yang diberikan.
Nilai-nilai ini berkisar antara 0 dan 100. Angka yang terhasil tidak menunjukkan sejauh mana sekuriti kumpulan tertentu melaksanakan, dan ia hanya mengukur seberapa dekat pulangan dari pegangan itu sejajar dengan penanda aras yang diukur.
R-kuadrat - juga dikenali sebagai pekali penentuan - adalah alat analisis statistik yang digunakan untuk meramalkan hasil masa depan pelaburan dan sejauh mana ia menyerupai satu model diukur.
R-squared diselaraskan membandingkan korelasi pelaburan kepada beberapa model yang diukur.
R-Squared
R-kuadrat tidak boleh mengesahkan sama ada angka pandang koefisien bola dan ramalannya adalah prasangka. Ia juga tidak menunjukkan sama ada model regresi memuaskan; ia boleh menunjukkan angka R-kuasa untuk model yang baik atau angka R-kuasa yang tinggi untuk model yang tidak sesuai. Semakin rendah nilai R2, maka semakin kurang dua pembolehubah berkorelasi dengan satu sama lain. Keputusan lebih tinggi daripada 70% biasanya menunjukkan bahawa portfolio rapat dengan garis panduan yang diukur. Nilai R-squared yang lebih tinggi juga menunjukkan kebolehpercayaan bacaan beta. Beta mengukur volatiliti keselamatan atau portfolio.
Satu perbezaan utama antara R-kuadrat dan R-kuadrat yang diselaraskan ialah R 2 mengandaikan setiap penanda aras ubahsuaian bebas-dalam model menerangkan variasi dalam dana atau portfolio pembolehubah bersandar bergantung. Ia memberikan peratusan variasi yang dijelaskan seolah-olah semua pembolehubah bebas dalam model menjejaskan pembolehubah bergantung. Di dunia nyata, perhubungan satu sama satu jarang berlaku. Diselaraskan R-kuadrat, sebaliknya, memberikan peratusan variasi yang dijelaskan oleh hanya pembolehubah bebas yang, pada hakikatnya, mempengaruhi pemboleh ubah bergantung.
R-Squared sering digunakan dengan regresi linear statistik untuk meramalkan pergerakan harga saham, tetapi ia hanya salah satu petunjuk teknikal yang banyak yang harus dilakukan para peniaga dalam senjata mereka. Kursus Analisis Teknikal Investopedia menyediakan gambaran menyeluruh mengenai penunjuk teknikal dan corak carta dengan lebih daripada lima jam video atas permintaan. Anda akan mempelajari semua teknik yang paling popular dan cara menggunakannya dalam pasaran nyata untuk memaksimumkan pulangan yang disesuaikan dengan risiko.
Diselaraskan R-Squared
R-kuadrat yang diselaraskan membandingkan kuasa deskriptif model regresi-dua atau lebih pembolehubah-yang merangkumi pelbagai pembolehubah bebas yang dikenali sebagai peramal. Setiap peramal atau pembolehubah bebas, ditambah kepada model, meningkatkan nilai R-kuadrat dan tidak akan berkurangan. Jadi, model yang merangkumi beberapa peramal akan mengembalikan nilai R2 yang lebih tinggi dan nampaknya lebih baik. Walau bagaimanapun, hasil ini adalah kerana ia termasuk lebih banyak istilah.
R-squared diselaraskan untuk menambah pembolehubah dan hanya meningkat jika ramalan baru meningkatkan model di atas apa yang akan diperolehi oleh kebarangkalian. Sebaliknya, ia akan berkurangan apabila ramalan menaikkan model kurang daripada apa yang diramalkan secara kebetulan.
Apabila terlalu sedikit titik data digunakan dalam model statistik ia dipanggil overfitting. Berlebihan boleh mengembalikan nilai R-kuadrat tinggi yang tidak berasas. Angka salah ini boleh menyebabkan keupayaan menurun untuk meramalkan prestasi prestasi. R-kuadrat yang diselaraskan adalah versi R2 yang diubah suai untuk bilangan peramal dalam model. R-kuadrat yang diselaraskan boleh menjadi negatif tetapi tidak selalu.
Sedang nilai R-kuadrat antara 0 dan 100 dan menunjukkan hubungan linear dalam sampel data walaupun tidak ada hubungan asas, R-kuadrat yang diselaraskan memberikan anggaran terbaik tahap hubungan dalam populasi asas.
Untuk menunjukkan korelasi model dengan R-kuasa dua, pilih model dengan had tertinggi. Walau bagaimanapun, cara terbaik untuk membandingkan model ialah dengan memilih satu dengan R-kuadrat yang diselaraskan dengan lebih kecil. Laraskan R-kuadrat bukan model tipikal untuk membandingkan model tidak linear tetapi, sebaliknya menunjukkan beberapa regresi linier.
Takeaways Utama
- Satu perbezaan utama antara R-kuadrat dan R-kuadrat yang diselaraskan adalah bahawa R-kuadrat mengandaikan bahawa setiap pembolehubah bebas dalam model menerangkan variasi dalam pembolehubah bergantung. R-kuadrat tidak dapat mengesahkan sama ada angka koefisien angka ballpark dan ramalan-ramalannya adalah prasangka. R-kuadrat yang diselaraskan adalah versi diubahsuai R-kuasa dua untuk bilangan peramal dalam model.
