Was ist die Restsumme der Quadrate (RSS)?
Eine Restsumme von Quadraten (RSS) ist eine statistische Methode, mit der der Betrag der Varianz in einem Datensatz gemessen wird, der nicht durch ein Regressionsmodell erklärt wird. Die Regression ist eine Messung, mit deren Hilfe die Stärke der Beziehung zwischen einer abhängigen Variablen und einer Reihe anderer sich ändernder Variablen oder unabhängiger Variablen bestimmt werden kann.
Die verbleibende Quadratsumme misst den Fehler, der zwischen der Regressionsfunktion und dem Datensatz verbleibt. Eine kleinere Restquadratsumme repräsentiert eine Regressionsfunktion. Die Residuensumme der Quadrate - auch als Summe der quadrierten Residuen bezeichnet - bestimmt im Wesentlichen, wie gut ein Regressionsmodell die Daten im Modell erklärt oder darstellt.
Die zentralen Thesen
- Eine Restsumme der Quadrate (RSS) ist eine statistische Methode zur Messung der Varianz in einem Datensatz, die nicht durch ein Regressionsmodell erklärt wird. Die Restsumme der Quadrate ist eine von vielen statistischen Eigenschaften, die auf den Finanzmärkten eine Renaissance erleben. Idealerweise sollte die Summe der quadratischen Residuen in jedem Regressionsmodell kleiner oder kleiner sein.
Die verbleibende Quadratsumme verstehen (RSS)
Die Finanzmärkte sind zunehmend quantitativer geworden. Daher setzen viele Anleger auf der Suche nach einem Vorteil fortschrittliche statistische Techniken ein, um ihre Entscheidungen zu erleichtern. Big Data, maschinelles Lernen und Anwendungen für künstliche Intelligenz erfordern darüber hinaus die Verwendung statistischer Eigenschaften als Leitfaden für aktuelle Anlagestrategien. Die Restsumme der Quadrate - oder RSS-Statistiken - ist eine von vielen statistischen Eigenschaften, die eine Renaissance erleben.
Statistische Modelle werden von Anlegern und Portfoliomanagern verwendet, um den Preis einer Anlage zu verfolgen und diese Daten zur Vorhersage künftiger Bewegungen zu verwenden. Die Studie, die als Regressionsanalyse bezeichnet wird, könnte die Analyse der Beziehung zwischen Preisbewegungen einer Ware und den Aktien von Unternehmen beinhalten, die an der Produktion der Ware beteiligt sind.
Jedes Modell kann Abweichungen zwischen den vorhergesagten Werten und den tatsächlichen Ergebnissen aufweisen. Obwohl die Varianzen möglicherweise durch die Regressionsanalyse erklärt werden, repräsentiert die verbleibende Quadratsumme die Varianzen oder Fehler, die nicht erklärt werden.
Da eine ausreichend komplexe Regressionsfunktion erstellt werden kann, um nahezu jedem Datensatz genau zu entsprechen, ist eine weitere Untersuchung erforderlich, um festzustellen, ob die Regressionsfunktion tatsächlich zur Erklärung der Varianz des Datensatzes nützlich ist. In der Regel ist jedoch ein kleinerer oder niedrigerer Wert für die verbleibende Quadratsumme in jedem Modell ideal, da dadurch weniger Abweichungen im Datensatz auftreten. Mit anderen Worten, je niedriger die Summe der quadratischen Residuen ist, desto besser kann das Regressionsmodell die Daten erklären.
