DEFINISYON ng Heteroskedastic
Ang Heteroskedastic ay tumutukoy sa isang kondisyon kung saan ang pagkakaiba-iba ng natitirang termino, o termino ng error, sa isang modelo ng regression na magkakaiba-iba. Kung ito ay totoo, maaaring mag-iba ito sa sistematikong paraan, at maaaring may ilang kadahilanan na maaaring ipaliwanag ito. Kung gayon, kung gayon ang modelo ay maaaring hindi maayos na tinukoy at dapat mabago upang ang sistematikong pagkakaiba-iba na ito ay ipinaliwanag ng isa o higit pang mga variable na variable.
Ang kabaligtaran ng heteroskedastic ay homoskedastic. Ang homoskedasticity ay tumutukoy sa isang kondisyon kung saan ang pagkakaiba-iba ng natitirang termino ay pare-pareho o halos gayon. Ang Homoskedasticity (na-spell din na "homoscedasticity") ay isang pagpapalagay ng pagmomodelo sa linear regression. Ang Homoskedasticity ay nagmumungkahi na ang modelo ng regression ay maaaring maayos na tinukoy, nangangahulugang nagbibigay ito ng isang mahusay na paliwanag sa pagganap ng umaasang variable.
BREAKING DOWN Heteroskedastic
Ang Heteroskedasticity ay isang mahalagang konsepto sa pagmomolde ng regression, at sa mundo ng pamumuhunan, ang mga modelo ng regression ay ginagamit upang ipaliwanag ang pagganap ng mga security at portfolio portfolio. Ang pinaka-kilalang mga ito ay ang Capital Asset Pricing Model (CAPM), na nagpapaliwanag sa pagganap ng isang stock sa mga tuntunin ng pagkasumpungin nito na nauugnay sa merkado bilang isang buo. Ang mga extension ng modelong ito ay nagdagdag ng iba pang mga variable ng prediktor tulad ng laki, momentum, kalidad, at estilo (halaga kumpara sa paglago).
Ang mga variable na prediktor na ito ay naidagdag dahil ipinaliwanag nila o account para sa pagkakaiba-iba sa umaasa sa variable, pagganap ng portfolio, pagkatapos ay ipinaliwanag ng CAPM. Halimbawa, ang mga nag-develop ng modelo ng CAPM ay may kamalayan na ang kanilang modelo ay nabigo na ipaliwanag ang isang kagiliw-giliw na anomalya: ang mga mataas na kalidad na stock, na hindi gaanong pabagu-bago ng stock na may mababang kalidad, ay may gawi na gampanan kaysa sa hinulaang modelo ng CAPM. Sinabi ng CAPM na ang mga stock na mas mataas na peligro ay dapat na mas mataas ang mga stock na may mas mababang panganib. Sa madaling salita, ang mga stock na may mataas na pagkasumpungin ay dapat talunin ang mga stock na mas mababang pagkasumpungin. Ngunit ang mga de-kalidad na stock, na hindi gaanong pabagu-bago, ay may gawi na gampanan kaysa sa hinulaan ng CAPM.
Nang maglaon, ang iba pang mga mananaliksik ay nagpalawak ng modelo ng CAPM (na kung saan ay pinalawak na isama ang iba pang mga variable na prediktor tulad ng laki, estilo, at momentum) upang isama ang kalidad bilang isang karagdagang variable ng prediktor, na kilala rin bilang isang "factor." Gamit ang kadahilanan na kasama na ngayon sa modelo, ang pagganap na anomalya ng mababang pagkasumpungin stock ay naitala para sa. Ang mga modelong ito, na kilala bilang mga modelo ng multi-factor, ay bumubuo ng batayan ng pamumuhunan sa kadahilanan at matalinong beta.
