ВИЗНАЧЕННЯ гетероскедастичного
Гетероскедастична означає стан, при якому дисперсія залишкового члена або помилки в регресійній моделі сильно змінюється. Якщо це правда, це може змінюватися систематично, і може бути якийсь фактор, який може це пояснити. Якщо так, то модель може бути погано визначеною і її слід модифікувати так, щоб ця систематична дисперсія пояснювалася однією або декількома додатковими змінними провісника.
Протилежність гетероскедастиці - гомоскедастична. Гомоскедастичність означає стан, коли дисперсія залишкового терміну є постійною або майже такою. Гомоскедастичність (також написана "гомоскедастичність") - одне припущення лінійного моделювання регресії. Гомоскедастичність дозволяє припустити, що модель регресії може бути чітко визначеною, тобто вона дає хороше пояснення продуктивності залежної змінної.
НАРУШЕННЯ ВНИЗ Гетероскедастик
Гетероскедастичність - важливе поняття в регресійному моделюванні, а в світі інвестицій регресійні моделі використовуються для пояснення ефективності портфелів цінних паперів та інвестицій. Найвідомішою з них є модель ціноутворення капіталу, яка пояснює ефективність акцій з точки зору її мінливості щодо ринку в цілому. Розширення цієї моделі додали інші змінні прогнозувальника, такі як розмір, імпульс, якість та стиль (значення проти зростання).
Ці змінні прогнози були додані, оскільки вони пояснюють або враховують відхилення залежної змінної, продуктивності портфеля, а потім пояснюється CAPM. Наприклад, розробники моделі CAPM усвідомлювали, що їх модель не змогла пояснити цікаву аномалію: високоякісні акції, які були менш мінливими, ніж низькоякісні запаси, мали тенденцію до кращого результату, ніж прогнозувала модель CAPM. CAPM говорить, що акції з високим рівнем ризику повинні перевершувати запаси нижчого ризику. Іншими словами, акції з високою енергонезалежністю повинні бити запаси нижчої волатильності. Але високоякісні акції, які є менш мінливими, мали тенденцію до кращих результатів, ніж прогнозували CAPM.
Пізніше інші дослідники розширили модель CAPM (яка вже була розширена, щоб включити інші змінні прогнози, такі як розмір, стиль та імпульс), щоб включити якість як додаткову змінну предиктора, також відому як "фактор". З урахуванням цього чинника, який враховується в моделі, враховується аномалія продуктивності низьких запасів енергостійкості. Ці моделі, відомі як багатофакторні моделі, складають основу факторного інвестування та розумної бета-версії.
