Regressio
Mikä on regressio?
Regressio on rahoituksessa, sijoittamisessa ja muilla aloilla käytetty tilastollinen menetelmä, joka yrittää määrittää yhden riippuvan muuttujan (yleensä Y:llä) ja muiden muuttujien (tunnetaan itsenäisinä muuttujina) välisen suhteen vahvuuden ja luonteen.
Regressio auttaa sijoitus- ja talousjohtajia arvioimaan omaisuutta ja ymmärtämään muuttujien, kuten hyödykkeiden hintojen ja kyseisillä hyödykkeillä käyvien yritysten osakkeiden välisiä suhteita.
Regressio selitetty
Regression kaksi perustyyppiä ovat yksinkertainen lineaarinen regressio ja moninkertainen lineaarinen regressio, vaikka monimutkaisemmille tiedoille ja analyysille on olemassa ei-lineaarisia regressiomenetelmiä. Yksinkertainen lineaarinen regressio käyttää yhtä riippumatonta muuttujaa selittämään tai ennustamaan riippuvan muuttujan Y tuloksen, kun taas moninkertainen lineaarinen regressio käyttää kahta tai useampaa riippumatonta muuttujaa tuloksen ennustamiseen.
Regressio voi auttaa rahoitus- ja sijoitusalan ammattilaisia sekä muiden yritysten ammattilaisia. Regressio voi myös auttaa ennustamaan yrityksen myyntiä sään, aiemman myynnin, BKT:n kasvun tai muiden olosuhteiden perusteella. Capital Asset Pricing Model (CAPM) on rahoituksessa usein käytetty regressiomalli omaisuuden hinnoitteluun ja pääomakustannusten selvittämiseen.
Kunkin regressiotyypin yleinen muoto on:
Yksinkertainen lineaarinen regressio: Y = a + bX + u
Monikertainen lineaarinen regressio: Y = a + b1X1 + b2X2 + b3X3 + ... + bt Xt + u
Missä:
Y = muuttuja, jota yrität ennustaa (riippuvainen muuttuja).
X = muuttuja, jota käytät ennustamaan Y (riippumaton muuttuja).
a = leikkauspiste.
b = kaltevuus.
u = regression jäännös.
Regressiota on kahta perustyyppiä: yksinkertainen lineaarinen regressio ja moninkertainen lineaarinen regressio .
Regressio ottaa ryhmän satunnaismuuttujia,. joiden uskotaan ennustavan Y:tä, ja yrittää löytää matemaattisen suhteen niiden välillä. Tämä suhde on tyypillisesti suoran (lineaarisen regression) muodossa, joka parhaiten vastaa kaikkia yksittäisiä datapisteitä. Moninkertaisessa regressiossa erilliset muuttujat erotetaan käyttämällä alaindeksiä.
Tosimaailman esimerkki regressioanalyysin käytöstä
Regressiota käytetään usein määrittämään, kuinka monet tietyt tekijät, kuten hyödykkeen hinta, korot, tietyt toimialat tai sektorit, vaikuttavat hyödykkeen hintaliikkeisiin. Edellä mainittu CAPM perustuu regressioon, ja sitä hyödynnetään osakkeiden odotetun tuoton ennustamiseen ja pääomakustannusten tuottamiseen. Osakkeen tuotto regressoidaan laajemman indeksin, kuten S&P 500:n, tuottoja vastaan, jotta tietylle osakkeelle saadaan beta.
Beta on osakkeen riski suhteessa markkinoihin tai indeksiin, ja se näkyy CAPM-mallissa kaltevuutena. Kyseisen osakkeen tuotto olisi riippuvainen muuttuja Y, kun taas riippumaton muuttuja X olisi markkinariskipreemio.
CAPM-malliin voidaan lisätä muita muuttujia, kuten osakkeen markkina-arvo, arvostussuhteet ja viimeaikaiset tuotot, jotta saadaan parempia arvioita tuotoista. Nämä lisätekijät tunnetaan Fama-French-tekijöinä, jotka on nimetty professorien mukaan, jotka kehittivät moninkertaisen lineaarisen regressiomallin selittääkseen paremmin omaisuuden tuottoa.
Kohokohdat
Regressio voi auttaa rahoitus- ja sijoitusalan ammattilaisia sekä muiden yritysten ammattilaisia.
Regressio auttaa sijoitus- ja talousjohtajia arvostamaan omaisuutta ja ymmärtämään muuttujien välisiä suhteita
