R-Quadrat vs. bereinigtes R-Quadrat: Ein Überblick
Mit dem R-Quadrat (R 2) und dem angepassten R-Quadrat kann ein Anleger den Wert eines Investmentfonds mit dem Wert einer Benchmark vergleichen. Anleger können diese Berechnung auch verwenden, um ihr Portfolio an einer bestimmten Benchmark zu messen.
Diese Werte liegen zwischen 0 und 100. Die sich ergebende Zahl gibt nicht an, wie gut sich eine bestimmte Gruppe von Wertpapieren entwickelt, sondern misst nur, wie stark die Renditen der Bestände mit denen der gemessenen Benchmark übereinstimmen.
Das R-Quadrat - auch als Bestimmungskoeffizient bezeichnet - ist ein statistisches Analysewerkzeug, mit dem das zukünftige Ergebnis einer Investition und deren Übereinstimmung mit einem einzelnen gemessenen Modell vorhergesagt werden kann.
Das bereinigte R-Quadrat vergleicht die Korrelation der Investition mit mehreren gemessenen Modellen.
R-Quadrat
R-squared kann nicht verifizieren, ob der Koeffizient des Baseballstadions und seine Vorhersagen beeinträchtigt sind. Es zeigt auch nicht, ob ein Regressionsmodell zufriedenstellend ist; Es kann ein R-Quadrat für ein gutes Modell oder ein hohes R-Quadrat für ein Modell anzeigen, das nicht passt. Je niedriger der Wert von R 2 ist, desto weniger korrelieren die beiden Variablen miteinander. Ergebnisse von mehr als 70% weisen normalerweise darauf hin, dass ein Portfolio der gemessenen Benchmark genau folgt. Höhere R-Quadrat-Werte zeigen auch die Zuverlässigkeit von Beta-Messwerten an. Beta misst die Volatilität eines Wertpapiers oder Portfolios.
Ein wesentlicher Unterschied zwischen dem R-Quadrat und dem bereinigten R-Quadrat besteht darin, dass R 2 davon ausgeht, dass jede unabhängige Variable - Benchmark - im Modell die Variation der abhängigen Variablen - Investmentfonds oder Portfolio - erklärt. Es gibt den Prozentsatz der erklärten Variation an, als ob alle unabhängigen Variablen im Modell die abhängige Variable beeinflussen. In der realen Welt kommt diese Eins-zu-Eins-Beziehung selten vor. Das angepasste R-Quadrat gibt dagegen den Prozentsatz der Variation an, der nur durch die unabhängigen Variablen erklärt wird, die in Wirklichkeit die abhängige Variable beeinflussen.
R-Squared wird häufig mit statistischen linearen Regressionen verwendet, um Kursbewegungen vorherzusagen. Es ist jedoch nur einer von vielen technischen Indikatoren, die Händler in ihrem Arsenal haben sollten. Der Kurs zur Technischen Analyse von Investopedia bietet einen umfassenden Überblick über technische Indikatoren und Diagrammmuster mit über fünf Stunden On-Demand-Video. Sie lernen alle gängigen Techniken kennen und wie Sie sie in realen Märkten einsetzen können, um die risikoadjustierten Renditen zu maximieren.
R-Quadrat angepasst
Das angepasste R-Quadrat vergleicht die Beschreibungskraft von Regressionsmodellen - zwei oder mehr Variablen - die eine unterschiedliche Anzahl unabhängiger Variablen enthalten, die als Prädiktor bezeichnet werden. Jeder Prädiktor oder jede unabhängige Variable, die einem Modell hinzugefügt wird, erhöht den R-Quadrat-Wert und verringert ihn niemals. Ein Modell mit mehreren Prädiktoren gibt also höhere R2-Werte zurück und scheint möglicherweise besser zu passen. Dieses Ergebnis ist jedoch darauf zurückzuführen, dass es mehr Begriffe enthält.
Das angepasste R-Quadrat gleicht die Addition von Variablen aus und erhöht sich nur, wenn der neue Prädiktor das Modell über das hinaus erweitert, was durch die Wahrscheinlichkeit erhalten würde. Umgekehrt nimmt sie ab, wenn ein Prädiktor das Modell weniger verbessert als zufällig vorhergesagt.
Wenn in einem statistischen Modell zu wenige Datenpunkte verwendet werden, spricht man von Überanpassung. Überanpassung kann einen ungerechtfertigten hohen R-Quadrat-Wert zurückgeben. Diese falsche Zahl kann zu einer verminderten Fähigkeit führen, Leistungsergebnisse vorherzusagen. Das angepasste R-Quadrat ist eine modifizierte Version von R 2 für die Anzahl der Prädiktoren in einem Modell. Das angepasste R-Quadrat kann negativ sein, ist aber nicht immer.
Während ein R-Quadrat-Wert zwischen 0 und 100 die lineare Beziehung in der Datenstichprobe anzeigt, auch wenn es keine Grundbeziehung gibt, liefert das angepasste R-Quadrat die beste Schätzung für den Grad der Beziehung in der Grundgesamtheit.
Um die Korrelation von Modellen mit dem Quadrat R anzuzeigen, wählen Sie das Modell mit der höchsten Grenze aus. Die beste und einfachste Methode zum Vergleichen von Modellen ist jedoch die Auswahl eines Modells mit dem kleineren angepassten R-Quadrat. Das angepasste R-Quadrat ist kein typisches Modell für den Vergleich nichtlinearer Modelle, sondern zeigt mehrere lineare Regressionen.
Die zentralen Thesen
- Ein Hauptunterschied zwischen dem R-Quadrat und dem angepassten R-Quadrat besteht darin, dass das R-Quadrat davon ausgeht, dass jede unabhängige Variable im Modell die Variation der abhängigen Variablen erklärt. Das R-Quadrat kann nicht überprüfen, ob die Koeffizienten-Ballpark-Zahl und ihre Vorhersagen voreingenommen sind. Das angepasste R-Quadrat ist eine modifizierte Version des R-Quadrats für die Anzahl der Prädiktoren in einem Modell.
