R

Ano ang R-Squared?

Ang R-parisukat (R ²) ay isang panukalang istatistika na kumakatawan sa proporsyon ng pagkakaiba-iba para sa isang dependant variable na ipinaliwanag ng isang independiyenteng variable o variable sa isang modelo ng regression. Samantalang ipinapaliwanag ng correlation ang lakas ng ugnayan sa pagitan ng isang independiyenteng at umaasa na variable, ipinaliwanag ng R-parisukat sa kung anong saklaw ang pagkakaiba-iba ng isang variable na nagpapaliwanag ng pagkakaiba-iba ng pangalawang variable. Kaya, kung ang R ² ng isang modelo ay 0.50, pagkatapos ay humigit-kumulang sa kalahati ng sinusunod na pagkakaiba-iba ay maaaring ipaliwanag sa pamamagitan ng mga input ng modelo.

Sa pamumuhunan, ang R-parisukat ay karaniwang binibigyang kahulugan bilang porsyento ng isang pondo o paggalaw ng seguridad na maaaring maipaliwanag ng mga paggalaw sa isang benchmark index. Halimbawa, ang isang R-parisukat para sa isang nakapirming seguridad na kinikita kumpara sa isang index ng pagkakakilanlan ay kinikilala ang proporsyon ng seguridad sa paggalaw ng presyo na mahuhula batay sa isang paggalaw ng presyo ng index. Ang parehong ay maaaring mailapat sa isang stock kumpara sa S&P 500 index, o anumang iba pang nauugnay na index.

Maaari rin itong makilala bilang koepisyent ng pagpapasiya.

Ang Formula para sa R-Squared Ay

R2 = 1 − Kabuuang Uri ng pagkakaiba-iba Naipakikita ang Pagkakaiba

Mga Key Takeaways

• Ang R-Squared ay isang panukalang istatistika ng akma na nagpapahiwatig kung magkano ang pagkakaiba-iba ng isang umaasa sa variable na ipinaliwanag ng independiyenteng variable (s) sa isang regression model.In pamumuhunan, ang R-parisukat ay karaniwang binibigyang kahulugan bilang porsyento ng isang pondo o paggalaw ng seguridad. na maipaliwanag ng mga paggalaw sa isang benchmark index.An R-parisukat ng 100% ay nangangahulugan na ang lahat ng mga paggalaw ng isang seguridad (o iba pang umaasang variable) ay ganap na ipinaliwanag ng mga paggalaw sa index (o ang independiyenteng variable (s) interesado ka. sa).

Kinakalkula ang R-parisukat

Ang aktwal na pagkalkula ng R-parisukat ay nangangailangan ng maraming mga hakbang. Kasama dito ang pagkuha ng mga puntos ng data (mga obserbasyon) ng mga dependant at independiyenteng mga variable at paghahanap ng linya ng pinakamainam na akma, madalas mula sa isang modelo ng pagbabalik. Mula doon ay kalkulahin mo ang hinulaang mga halaga, ibawas ang aktwal na mga halaga at parisukat ang mga resulta. Nagbubunga ito ng isang listahan ng mga error na parisukat, na kung saan ay pagkatapos ay kabuuan at katumbas ng ipinaliwanag na pagkakaiba-iba.

Upang makalkula ang kabuuang pagkakaiba-iba, ibabawas mo ang average na aktwal na halaga mula sa hinulaang mga halaga, parisukat ang mga resulta at kabuuan. Mula doon, hatiin ang unang kabuuan ng mga error (ipinaliwanag na pagkakaiba-iba) sa ikalawang kabuuan (kabuuang pagkakaiba-iba), ibawas ang resulta mula sa isa, at mayroon kang R-parisukat.

R-parisukat

Ano ang Sinasabi sa iyo ng R-Squared?

Ang mga halaga ng R-parisukat mula sa 0 hanggang 1 at karaniwang nakasaad bilang porsyento mula 0% hanggang 100%. Ang isang R-parisukat ng 100% ay nangangahulugan na ang lahat ng mga paggalaw ng isang seguridad (o ibang variable na variable) ay ganap na ipinaliwanag ng mga paggalaw sa index (o ang independiyenteng variable (s) na interesado ka).

Sa pamumuhunan, isang mataas na R-parisukat, sa pagitan ng 85% at 100%, ay nagpapahiwatig ng paggalaw ng stock o pondo na medyo naaayon sa indeks. Ang isang pondo na may isang mababang R-parisukat, sa 70% o mas kaunti, ay nagpapahiwatig na ang seguridad ay hindi karaniwang sinusunod ang mga paggalaw ng index. Ang isang mas mataas na halaga ng R-parisukat ay magpahiwatig ng isang mas kapaki-pakinabang na figure ng beta. Halimbawa, kung ang isang stock o pondo ay may halaga na R-parisukat na malapit sa 100%, ngunit may isang beta sa ibaba ng 1, malamang na nag-aalok ng mas mataas na pagbabalik na nababagay sa panganib.

Ang pagkakaiba sa pagitan ng R-parisukat at naayos na R-parisukat

Ang R-square ay gumagana lamang tulad ng inilaan sa isang simpleng linear regression model na may isang paliwanag na variable. Sa pamamagitan ng maraming regression na binubuo ng maraming mga independyenteng variable, ang R-Squared ay dapat ayusin. Ang nababagay na R-parisukat ay naghahambing sa naglalarawan ng kapangyarihan ng mga modelo ng regression na kasama ang magkakaibang mga bilang ng mga prediktor. Ang bawat prediktor na idinagdag sa isang modelo ay nagdaragdag ng R-parisukat at hindi kailanman binabawasan ito. Kaya, ang isang modelo na may mas maraming mga termino ay maaaring mukhang mas mahusay na magkasya lamang para sa katotohanan na mayroon itong mas maraming mga termino, habang ang nababagay na R-parisukat na compensates para sa pagdaragdag ng mga variable at tataas lamang kung ang bagong termino ay nagpapabuti sa modelo sa itaas kung ano ang magiging nakuha sa pamamagitan ng posibilidad at nababawasan kapag ang isang prediktor ay nagpapabuti sa modelo na mas mababa sa kung ano ang hinuhulaan sa pamamagitan ng pagkakataon. Sa isang napapanahong kondisyon, ang isang hindi wastong mataas na halaga ng R-parisukat, na humantong sa isang nabawasan na kakayahang mahulaan, ay nakuha. Hindi ito ang kaso sa nababagay na R-parisukat.

Habang ang karaniwang R-parisukat ay maaaring magamit upang ihambing ang kabutihan ng dalawa o modelo ng iba't ibang mga modelo, ang nababagay na R-parisukat ay hindi isang mahusay na sukatan para sa paghahambing ng mga nonlinear models o maraming mga linear regressions.

Ang Pagkakaiba sa pagitan ng R-Squared at Beta

Ang Beta at R-parisukat ay dalawang magkakaugnay, ngunit naiiba, mga sukatan ng ugnayan ngunit ang beta ay isang sukatan ng kamag-anak na peligro. Ang isang mutual na pondo na may isang mataas na R-parisukat na may kaugnayan sa isang benchmark. Kung ang beta ay mataas din, maaari itong makagawa ng mas mataas na pagbabalik kaysa sa benchmark, lalo na sa mga merkado ng toro. Ang mga R-parisukat ay sumusukat kung gaano kalapit ang bawat pagbabago sa presyo ng isang asset ay nakakaugnay sa isang benchmark. Sinusukat ng Beta kung gaano kalaki ang mga pagbabago sa presyo na may kaugnayan sa isang benchmark. Ginamit nang magkasama, ang R-parisukat at beta ay nagbibigay sa mga mamumuhunan ng isang masusing larawan ng pagganap ng mga tagapamahala ng asset. Ang isang beta ng eksaktong 1.0 ay nangangahulugang ang panganib (pagkasumpungin) ng pag-aari ay magkapareho sa sa benchmark nito. Mahalaga, ang R-parisukat ay isang diskarte sa pagtatasa ng istatistika para sa praktikal na paggamit at pagiging mapagkakatiwalaan ng mga betas ng mga security.

Mga Limitasyon ng R-Squared

Ang R-parisukat ay magbibigay sa iyo ng isang pagtatantya ng ugnayan sa pagitan ng mga paggalaw ng isang umaasang variable batay sa mga paggalaw ng isang independiyenteng variable. Hindi ito sasabihin sa iyo kung ang iyong napiling modelo ay mabuti o masama, at hindi rin sasabihin sa iyo kung ang data at hula ay bias. Ang isang mataas o mababang R-square ay hindi kinakailangan mabuti o masama, dahil hindi nito ipinapahiwatig ang pagiging maaasahan ng modelo, o pinili mo rin ang tamang regression. Maaari kang makakuha ng isang mababang R-parisukat para sa isang mahusay na modelo, o isang mataas na R-square para sa isang hindi maayos na angkop na modelo, at kabaligtaran.