什麼是異性戀性?
在統計數據中,當預測變量的標準偏差對自變量的不同值或與以前的時間段相關的不同值時,異方差(或異方差)發生。有了異性戀性,在視覺檢查殘差錯誤時,講述的標誌是隨著時間的流逝,它們會傾向於粉絲,如下圖所示。
異性戀通常以兩種形式出現:條件和無條件。有條件的異性戀性識別非構成揮發性與以前的(例如,每日)波動有關。無條件的異質性是指與先前時期波動無關的波動性的一般結構變化。當可以識別出高波動性和低波動性時,使用無條件的異質性。
關鍵要點
- 在統計數據中,當在特定時間內監視的變量的標準誤差是非恆定的時,則異方差(或異性詞)發生。
- 憑藉異性症,在視覺檢查殘餘錯誤時,講述的標誌是,它們會隨著時間的流逝而傾向於流行,如上圖所示。
- HeteroSkedatosity是違反了線性回歸建模的假設,因此它可能會影響有效性計量經濟學分析或像CAPM這樣的財務模型。
重要的
雖然異質性在係數估計中不會引起偏見,但確實會使它們變得不精確。較低的精度增加了係數估計值遠離正確人口價值的可能性。
異性戀的基礎知識
在金融中,經常在股票和債券的價格中看到有條件的異性戀性。波動水平這些股票中的任何時期都無法預測。在討論具有可識別季節性變異性的變量時,可以使用無條件的異質性。
與統計有關,HeteroSkedatosity(也拼寫)異質性)是指在特定樣本中的一個自變量的最低自變量之內的誤差差異或散射的依賴性。這些變化可用於計算數據集之間的誤差範圍,例如預期結果和實際結果,因為它提供了數據點與平均值的偏差度量。
為了使數據集被認為是相關的,大多數數據點必須在特定數量的標準偏差範圍內與Chebyshev定理所描述的平均值(也稱為Chebyshev的不平等)所描述。這提供了有關隨機變量與均值不同的概率的準則。
基於指定的標準偏差數量,隨機變量具有特定的概率存在於這些點中。例如,可能需要兩個標準偏差的範圍至少包含有效的數據點的75%。最低要求之外的差異的常見原因通常歸因於數據質量問題。
異性戀的對立面是同性戀。同性戀性是指殘留項的方差恆定或幾乎如此。同性戀性是線性回歸建模的一個假設。需要確保估計值是準確的,因變量的預測限制是有效的,並且參數的置信區間和p值是有效的。
類型的異性戀性
無條件
無條件的異質性是可以預測的,並且可以與週期性的變量有關。這可能包括在傳統的假日購物期間報告的零售銷售額較高,或者在溫暖月份的空調維修電話增加。
如果轉移不是傳統的季節性,則方差內的變化可以直接與特定事件或預測標記的發生聯繫在一起。這可能與智能手機銷售的增加有關,因為該活動是基於該事件的周期性活動,但不一定取決於季節。
異性戀性也可能與數據接近邊界接近邊界的情況有關 - 由於邊界限制了數據范圍,因此方差必須較小。
有條件
有條件的異質性自然無法預測。沒有明顯的跡象表明,導致分析師認為數據在任何時間點都會或多或少地散佈。通常,金融產品被認為是有條件的異質性,因為並非所有變化都可以歸因於特定事件或季節性變化。
有條件的異性戀性的一個普遍應用是股票市場,當今的波動與昨天的波動密切相關。該模型解釋了持續的高波動性和低波動性的時期。
特殊考慮
異性戀和財務建模
HeteroSkedative性是回歸模型中的一個重要概念,在投資世界中,回歸模型用於解釋證券和投資組合的績效。其中最著名的是資本資產定價模型(CAPM),這解釋了股票相對於整個市場的波動性的績效。該模型的擴展增加了其他預測變量,例如大小,動量,質量和样式(價值與增長)。
這些預測變量之所以添加,是因為它們解釋或說明因變量中的差異。 CAPM解釋了投資組合的性能。例如,CAPM模型的開發人員意識到他們的模型未能解釋一個有趣的異常:高質量的股票比低質量的股票揮發性較小,往往比CAPM模型預期的要好。 CAPM說,高風險的股票應勝過低風險的股票。
換句話說,高揮發性股票應擊敗較低的揮發性股票。但是,易波動性的高質量股票的性能往往比CAPM預期的要好。
後來,其他研究人員擴展了CAPM模型(已經擴展到包括其他預測變量(例如大小,樣式和動量),以將質量作為附加的預測變量,也稱為“因子”。由於該因子現在包括該因素,因此計算了低波動率庫存的性能異常。這些模型,稱為多因素模型,構成因素投資和智能beta的基礎。