KabuGuide.com Blog # A B C D E F G H I J K L M N O P Q R S T U V W X Y Z NASDAQ NYSE AMEX

不均一とは何ですか?

統計では、特定の時間にわたって監視するときの変数の標準誤差、不均一(または不均一)が発生し、非一定です。不均一で、残留誤差の目視検査時にTELL-物語の記号は、以下の画像に示されるように、彼らは、時間をかけてファンアウトになる傾向があるということです。

条件付きと無条件:不均一は、多くの場合、2つの形で発生します。条件付き不均一は、高及び低揮発性の将来の期間を識別することができない非定数ボラティリティを識別する。高及び低揮発性の先物期間を識別することができる場合に無条件不均一が使用されます。

不均一分散。 Investopedia

不均一は、係数の推定に偏りが発生することはありませんが、それは彼らがあまり正確作るん。低精度係数の推定値が正しい人口値からさらにある可能性を増加させる。###不均一の基本

金融では、条件付きの不均一は、多くの場合、株式や債券の価格に見られます。これらの株式の変動性のレベルは、任意の期間にわたって予測することはできません。このような電力使用量として識別季節的変動を有する変数を議論する際に無条件不均一を使用することができます。

それは統計に関連する、不均一(また綴ら不均一)は、特定のサンプル内の一つの独立変数の最小の内、誤差分散、または散乱の依存性を指します。これらの変動は、平均値からのデータ点の偏差の尺度を提供するように、そのような予想結果と実際の結果のようなデータセット間の誤差のマージンを計算するために使用することができます。

また、チェビシェフの不等式として知られているチェビシェフの定理によって記載されているように、関連する考慮すべきデータセットのデータポイントの大多数は、平均からの標準偏差の特定の数以内でなければなりません。これは、平均値からの確率変数の異なる確率に関するガイドラインを提供します。

指定された標準偏差の数に基づいて、確率変数は、これらの点内に存在する特定の確率を有します。例えば、2つの標準偏差の範囲が有効と見なされるべきデータ点の少なくとも75%を含有することが必要とされ得ます。最小要件外の分散の一般的な原因は、多くの場合、データ品質の問題に起因しています。

heteroskedasticの反対がhomoskedasticです。 Homoskedasticity残留用語の分散が一定またはほぼそうである状態を指します。 Homoskedasticityは、線形回帰モデルの1つの仮定です。 Homoskedasticityは、それが従属変数のパフォーマンスの良い説明を提供することを意味し、回帰モデルは、明確に定義されたであることを示唆しています。

重要ポイント

統計では、不均一(あるいは不均一)が特定の時間にわたって監視変数の標準誤差は、非constant.Withの不均一されている場合に発生、残留誤差の目視検査時に伝える - 物語記号は、彼らは傾向があるということです。below.Heteroskedasticityは、線形回帰モデリングのための前提条件に違反しており、それは、計量​​経済学的分析やCAPMなどの財務モデルの有効性に影響を与えることができる画像に示すように、時間をかけてファンに###種類の不均一

無条件

無条件の不均一は予測可能であり、最も多くの場合、本質的に循環的である変数に関するものです。これは、より高い小売伝統的な休日のショッピング期間中に報告された販売または暖かい季節にエアコンの修理コールの増加を含めることができます。

シフトは伝統的に季節でない場合は、分散内の変更は、特定のイベントまたは予測マーカーの発生に直接接続することができます。これは、周期的なイベントに基づいていますが、必ずしも季節によって決定されていない活動として新モデルのリリースでスマートフォンの売上高の増加に関連することができます。

条件付きの

条件付き不均一分散は、本質的に予測することはできません。データは、任意の時点で多かれ少なかれ散乱になるだろうと信じて、アナリストをリードして何の証拠となる兆候はありません。いないすべての変更は、特定のイベントや季節の変化に起因することができますよう多くの場合、金融商品は条件付き不均一分散の対象と考えられています。

特別な考慮事項

不均一と金融モデリング

不均一は、回帰モデリングにおける重要な概念であり、投資の世界では、回帰モデルは、有価証券及び投資ポートフォリオのパフォーマンスを説明するために使用されています。ほとんどのこれらのよく知られた、全体として市場にその揮発性の相対的な用語で株式のパフォーマンスを説明する資本資産価格モデル(CAPM)、です。このモデルの拡張は、このような大きさ、勢い、品質、およびスタイル(成長対値)などの他の予測変数を追加しました。

彼らは説明したり、従属変数の分散を占めるため、これらの予測変数が追加されました。ポートフォリオのパフォーマンスは、CAPMによって説明されます。 、高品質の株式、低品質の株式よりも揮発性の低いましたCAPMモデルが予測よりもパフォーマンスが向上する傾向にあった:例えば、CAPMモデルの開発者は、彼らのモデルは興味深い異常を説明するために失敗したことを知っていました。 CAPMは、リスクの高い銘柄が低リスクの株式をアウトパフォームする必要があること言います。言い換えれば、高揮発性の株式市場は、低ボラティリティ株式を打つ必要があります。しかし、低揮発性のある高品質な銘柄は、CAPMによって予測よりも良好に機能する傾向にありました。

その後、他の研究者はまたとして知られている追加の予測変数としての品質を含めるように(すでに、サイズ、スタイル、勢いなどの他の予測変数を含むように拡張されていた)CAPMモデルを拡張し、「要因。」この要因は、現在のモデルに含めると、低揮発性の株式のパフォーマンスの異常が占めました。マルチファクターモデルとして知られているこれらのモデルは、因子投資やスマートベータの基礎を形成します。