eteroschedastico

DEFINIZIONE di eteroschedastico

L'eteroschedastico si riferisce a una condizione in cui la varianza del termine residuo, o termine di errore, in un modello di regressione varia ampiamente. Se questo è vero, può variare in modo sistematico e potrebbe esserci qualche fattore che può spiegarlo. In tal caso, il modello potrebbe essere poco definito e dovrebbe essere modificato in modo che questa varianza sistematica sia spiegata da una o più variabili predittive aggiuntive.

L'opposto di eteroschedastico è omoschedastico. L'omoschedasticità si riferisce a una condizione in cui la varianza del termine residuo è costante o quasi. L'omoschedasticità (scritto anche "omoscedasticità") è un presupposto della modellazione di regressione lineare. L'omoschedasticità suggerisce che il modello di regressione può essere ben definito, nel senso che fornisce una buona spiegazione della performance della variabile dipendente.

ABBANDONARE Eteroschedastico

L'eteroschedasticità è un concetto importante nella modellazione di regressione e, nel mondo degli investimenti, i modelli di regressione vengono utilizzati per spiegare la performance di titoli e portafogli di investimento. Il più noto di questi è il Capital Asset Pricing Model (CAPM), che spiega la performance di un titolo in termini di volatilità rispetto al mercato nel suo insieme. Le estensioni di questo modello hanno aggiunto altre variabili predittive come dimensione, quantità di moto, qualità e stile (valore vs. crescita).

Queste variabili predittive sono state aggiunte perché spiegano o spiegano la varianza nella variabile dipendente, la performance del portafoglio, quindi è spiegata dal CAPM. Ad esempio, gli sviluppatori del modello CAPM erano consapevoli del fatto che il loro modello non riusciva a spiegare un'anomalia interessante: le azioni di alta qualità, che erano meno volatili delle azioni di bassa qualità, tendevano a funzionare meglio di quanto previsto dal modello CAPM. Il CAPM afferma che i titoli a rischio più elevato dovrebbero sovraperformare i titoli a rischio più basso. In altre parole, le azioni ad alta volatilità dovrebbero battere le azioni a bassa volatilità. Ma i titoli di alta qualità, che sono meno volatili, tendevano a performare meglio di quanto previsto dal CAPM.

Successivamente, altri ricercatori hanno esteso il modello CAPM (che era già stato esteso per includere altre variabili predittive come dimensione, stile e quantità di moto) per includere la qualità come variabile predittiva aggiuntiva, nota anche come "fattore". Con questo fattore ora incluso nel modello, si è tenuto conto dell'anomalia di performance dei titoli a bassa volatilità. Questi modelli, noti come modelli multifattoriali,. costituiscono la base del factor investing e dello smart beta.