R-parisukat kumpara sa naayos na R-parisukat: Isang Pangkalahatang-ideya
R-parisukat (R 2) at nababagay sa R-square ay pinahihintulutan ng isang mamumuhunan na masukat ang halaga ng isang kapwa pondo laban sa halaga ng isang benchmark. Maaari ring gamitin ng mga namumuhunan ang pagkalkula na ito upang masukat ang kanilang portfolio laban sa isang naibigay na benchmark.
Ang mga halagang ito ay saklaw sa pagitan ng 0 at 100. Ang nagresultang pigura ay hindi nagpapahiwatig kung gaano kahusay ang isang partikular na pangkat ng mga seguridad, at sinusukat lamang nito kung gaano kalapit ang mga pagbabalik mula sa mga paghawak na nakahanay sa mga sinusukat na benchmark.
Ang R-parisukat - na kilala rin bilang koepisyent ng pagpapasiya-ay isang tool sa pagtatasa ng istatistika na ginamit upang mahulaan ang hinaharap na kinalabasan ng isang pamumuhunan at kung gaano kalapit ang pagkakahanay nito sa isang solong sinusukat na modelo.
Inayos ang R-parisukat na parisukat sa ugnayan ng pamumuhunan sa ilang mga sinusukat na modelo.
R-parisukat
Hindi mapapatunayan ng R-squared kung ang pagpepresyo ng ballpark figure at ang mga hula nito ay pinapalagay. Hindi rin ito nagpapakita kung ang isang modelo ng regression ay kasiya-siya; maaari itong magpakita ng isang R-parisukat na figure para sa isang mahusay na modelo o isang mataas na R-parisukat na figure para sa isang modelo na hindi umaangkop. Mas mababa ang halaga ng R 2 mas mababa ang dalawang variable na magkakaugnay sa isa't isa. Ang mga resulta na mas mataas kaysa sa 70% ay karaniwang nagpapahiwatig na ang isang portfolio ay malapit na sumusunod sa sinusukat na benchmark. Ang mas mataas na halaga ng R-parisukat ay nagpapahiwatig din ng pagiging maaasahan ng pagbabasa ng beta. Sinusukat ng Beta ang pagkasumpungin ng isang seguridad o isang portfolio.
Ang isang pangunahing pagkakaiba sa pagitan ng R-parisukat at ang nababagay na R-parisukat ay ipinagpapalagay ng R 2 ang bawat independyenteng variable - benchmark - sa modelo ay nagpapaliwanag ng pagkakaiba-iba ng umaasa sa variable - mutual fund o portfolio. Nagbibigay ito ng porsyento ng ipinaliwanag na pagkakaiba-iba na parang lahat ng mga independiyenteng variable sa modelo ay nakakaapekto sa umaasang variable. Sa totoong mundo, bihirang mangyari ang nag-iisang relasyon na ito. Ang nababagay na R-parisukat, sa kabilang banda, ay nagbibigay ng porsyento ng pagkakaiba-iba na ipinaliwanag sa pamamagitan lamang ng mga independiyenteng variable na, sa katotohanan, ay nakakaapekto sa umaasang variable.
Ang R-Squared ay madalas na ginagamit kasama ang mga istatistika ng linya ng istatistika upang mahulaan ang mga paggalaw ng presyo ng stock, ngunit isa lamang ito sa maraming mga teknikal na tagapagpahiwatig na dapat taglayin ng mga mangangalakal sa kanilang mga arsenals. Nagbibigay ang kurso ng Teknikal na Pagsusuri ng Investopedia ng isang pangkalahatang pangkalahatang-ideya ng mga teknikal na tagapagpahiwatig at mga pattern ng tsart na may higit sa limang oras ng on-demand na video. Malalaman mo ang lahat ng mga pinakatanyag na diskarte at kung paano gamitin ang mga ito sa mga merkado sa totoong buhay upang mai-maximize ang mga nagbabalik na may panganib.
Naayos na R-parisukat
Inihambing ng nababagay na R-parisukat ang naglalarawan ng kapangyarihan ng mga modelo ng regression - dalawa o higit pang mga variable - na kasama ang magkakaibang mga variable na kilala - na kilala bilang isang prediktor. Ang bawat prediktor o independiyenteng variable, idinagdag sa isang modelo ay nagdaragdag ng R-parisukat na halaga at hindi kailanman binabawasan ito. Kaya, ang isang modelo na kasama ang maraming mga prediktor ay babalik ng mas mataas na mga halaga ng R2 at maaaring mukhang mas mahusay. Gayunpaman, ang resulta na ito ay dahil dito kasama ang maraming mga term.
Ang nababagay na R-parisukat na compensates para sa pagdaragdag ng mga variable at nagdaragdag lamang kung ang bagong prediktor ay nagpapabuti sa modelo sa itaas kung ano ang makukuha sa pamamagitan ng posibilidad. Sa kabaligtaran, bababa ito kapag ang isang prediktor ay nagpapabuti sa modelo na mas mababa sa kung ano ang hinulaan ng pagkakataon.
Kapag napakakaunting mga puntos ng data ay ginagamit sa isang istatistika modelo ito ay tinatawag na overfitting. Ang pag-overfitting ay maaaring ibalik ang isang hindi napapansin mataas na halaga ng R-parisukat. Ang hindi tamang figure na ito ay maaaring humantong sa isang nabawasan na kakayahan upang mahulaan ang mga kinalabasan ng pagganap. Ang nababagay na R-parisukat ay isang binagong bersyon ng R 2 para sa bilang ng mga prediktor sa isang modelo. Ang nababagay na R-parisukat ay maaaring negatibo ngunit hindi palaging.
Habang ang isang R-parisukat na halaga sa pagitan ng 0 at 100 at ipinapakita ang linear na relasyon sa sample ng data kahit na walang pangunahing kaugnayan, ang nababagay na R-parisukat ay nagbibigay ng pinakamahusay na pagtatantya ng antas ng relasyon sa pangunahing populasyon.
Upang ipakita ang ugnayan ng mga modelo na may R-parisukat, piliin ang modelo na may pinakamataas na limitasyon. Gayunpaman, ang pinakamahusay, at pinakamadaling, paraan upang ihambing ang mga modelo ay ang pumili ng isa sa mas maliit na nababagay na R-parisukat. Ang nababagay na R-parisukat ay hindi isang pangkaraniwang modelo para sa paghahambing ng mga nonlinear na mga modelo ngunit, sa halip, ay nagpapakita ng maraming mga pagkakasunud-sunod na linear.
Mga Key Takeaways
- Ang isang malaking pagkakaiba sa pagitan ng R-parisukat at ang nababagay na R-parisukat ay ang inaakala ng R-squared na ang bawat independiyenteng variable sa modelo ay nagpapaliwanag ng pagkakaiba-iba sa umaasa variable.R-parisukat ay hindi maaaring patunayan kung ang koepisyentong ballpark figure at ang mga hula nito ay naaaprubahan. Ang nababagay na R-parisukat ay isang binagong bersyon ng R-parisukat para sa bilang ng mga prediktor sa isang modelo.
