Определение за регресия

Какво е регресия?

Регресията е статистическо измерване, използвано във финанси, инвестиране и други дисциплини, което се опитва да определи силата на връзката между една зависима променлива (обикновено обозначена с Y) и поредица от други променливи променливи (известни като независими променливи).

Регресията помага на инвестиционните и финансовите мениджъри да оценят активите и да разберат връзките между променливи, като например цените на стоките и запасите на предприятията, които се занимават с тези стоки.

01:21

регресия

Обяснена регресия

Двата основни типа регресия са линейна регресия и множествена линейна регресия, въпреки че има нелинейни регресионни методи за по-сложни данни и анализи. Линейната регресия използва една независима променлива, за да обясни или прогнозира резултата от зависимата променлива Y, докато множествената регресия използва две или повече независими променливи, за да предскаже резултата.

Регресията може да помогне на специалисти по финанси и инвестиции, както и в професионалисти в други бизнеси. Регресията може също да помогне за прогнозиране на продажбите за компания въз основа на времето, предишни продажби, растеж на БВП или други видове условия. Моделът за ценообразуване на капиталови активи (CAPM) е често използван регресионен модел във финансите за ценообразуване на активи и откриване на разходи за капитал.

Общата форма на всеки тип регресия е:

• Линейна регресия: Y = a + bX + u
• Множествена регресия: Y = a + b ₁ X ₁ ⁺ b ₂ X ₂ + b ₃ X ₃ + ... + b _t X _t + u

Където:

• Y = променливата, която се опитвате да предвидите (зависима променлива).
• X = променливата, която използвате за прогнозиране на Y (независима променлива).
• a = прихващането.
• b = наклонът.
• u = остатъчната регресия.

Има два основни типа регресия: линейна регресия и множествена линейна регресия.

Регресията взема група от случайни променливи, за които се смята, че предсказват Y, и се опитва да намери математическа връзка между тях. Тази връзка обикновено е под формата на права линия (линейна регресия), която най-добре приближава всички отделни точки от данни. При множествена регресия отделните променливи се диференцират чрез използване на числа с абонаменти.

Ключови заведения

• Регресията помага на инвестиционните и финансовите мениджъри да оценят активите и да разберат връзките между променливите
• Регресията може да помогне на специалисти по финанси и инвестиции, както и в професионалисти в други бизнеси.

Пример за реалния свят как се използва регресионен анализ

Регресията често се използва, за да се определи колко конкретни фактори като цената на стоката, лихвените проценти, определени отрасли или сектори влияят върху движението на цените на даден актив. Горепосочената CAPM се основава на регресия и се използва за проектиране на очакваната възвръщаемост на акциите и за генериране на капиталови разходи. Възвръщаемостта на акциите се регресира спрямо възвръщаемостта на по-широк индекс, като S&P 500, за да генерира бета за конкретния запас.

Бета е рискът на акциите във връзка с пазара или индекса и се отразява като наклон в модела на CAPM. Очакваната възвръщаемост на въпросния състав би била зависимата променлива Y, докато независимата променлива X ще бъде премията за пазарен риск.

Допълнителни променливи като пазарната капитализация на запасите, коефициентите на оценка и скорошната възвръщаемост могат да бъдат добавени към модела на CAPM, за да се получат по-добри оценки за възвръщаемостта. Тези допълнителни фактори са известни като фама-френски фактори, наречени на професорите, разработили модела на множествена линейна регресия, за да обяснят по-добре възвръщаемостта на активите.

Сравнете инвестиционни сметки Име на доставчика Описание Разкриване на рекламодатели × Офертите, които се появяват в тази таблица, са от партньорства, от които Investopedia получава компенсация.

Свързани условия

Какво е грешка термин? Терминът за грешка се дефинира като променлива в статистически модел, който се създава, когато моделът не представя напълно реалната връзка между независимите и зависимите променливи. повече Как работи множествената линейна регресия Множествената линейна регресия (MLR) е статистическа техника, която използва няколко обяснителни променливи, за да прогнозира резултата от променлива на отговора. повече Line of Best Fit Линията на най-добро напасване е резултат от регресионен анализ, който представлява връзката между две или повече променливи в набор от данни. повече R-Squared R-квадрат е статистическа мярка, която представлява пропорцията на дисперсията за зависима променлива, която се обяснява с независима променлива. повече Как работи методът на най-малките квадрати Методът на най-малките квадрати е статистическа техника за определяне на линията, която е най-подходяща за даден модел, определена чрез уравнение с определени параметри към наблюдаваните данни. повече Хетерокедастичност В статистиката хетерокедастичността се случва, когато стандартните отклонения на променлива, наблюдавани за определен период от време, са непостоянни. повече партньорски връзки