heterocedástico

DEFINICIÓN de heterocedástico

Heterocedástico se refiere a una condición en la que la varianza del término residual, o término de error, en un modelo de regresión varía ampliamente. Si esto es cierto, puede variar de manera sistemática, y puede haber algún factor que pueda explicar esto. Si es así, entonces el modelo puede estar mal definido y debe modificarse para que esta varianza sistemática sea explicada por una o más variables predictoras adicionales.

Lo contrario de heterocedástico es homocedástico. La homocedasticidad se refiere a una condición en la que la varianza del término residual es constante o casi constante. La homocedasticidad (también deletreada "homoscedasticidad") es una suposición del modelo de regresión lineal. La homocedasticidad sugiere que el modelo de regresión puede estar bien definido, lo que significa que proporciona una buena explicación del comportamiento de la variable dependiente.

DESGLOSE Heterocedástico

La heterocedasticidad es un concepto importante en los modelos de regresión y, en el mundo de las inversiones, los modelos de regresión se utilizan para explicar el rendimiento de los valores y las carteras de inversión. El más conocido de ellos es el Modelo de fijación de precios de activos de capital (CAPM), que explica el rendimiento de una acción en términos de su volatilidad en relación con el mercado en su conjunto. Las extensiones de este modelo han agregado otras variables de predicción, como el tamaño, el impulso, la calidad y el estilo (valor frente a crecimiento).

Estas variables predictoras se agregaron porque explican o dan cuenta de la variación en la variable dependiente, el rendimiento de la cartera, que luego se explica mediante CAPM. Por ejemplo, los desarrolladores del modelo CAPM sabían que su modelo no explicaba una anomalía interesante: las acciones de alta calidad, que eran menos volátiles que las acciones de baja calidad, tendían a funcionar mejor de lo que predecía el modelo CAPM. CAPM dice que las acciones de mayor riesgo deberían superar a las acciones de menor riesgo. En otras palabras, las acciones de alta volatilidad deberían vencer a las acciones de baja volatilidad. Pero las acciones de alta calidad, que son menos volátiles, tendieron a funcionar mejor de lo previsto por CAPM.

Posteriormente, otros investigadores ampliaron el modelo CAPM (que ya se había ampliado para incluir otras variables de predicción, como el tamaño, el estilo y el impulso) para incluir la calidad como una variable de predicción adicional, también conocida como "factor". Con este factor ahora incluido en el modelo, se tuvo en cuenta la anomalía de rendimiento de las acciones de baja volatilidad. Estos modelos, conocidos como modelos multifactoriales,. forman la base de la inversión factorial y la versión beta inteligente.