최적의 라인

베스트 핏 라인이란?

가장 적합한 선은 데이터 점 간의 관계를 가장 잘 표현하는 데이터 점의 산점도를 통한 선을 나타냅니다. 통계학자는 일반적으로 수동 계산이나 회귀 분석 소프트웨어를 통해 최소 제곱법을 사용하여 선에 대한 기하 방정식에 도달합니다. 직선은 둘 이상의 독립 변수에 대한 단순 선형 회귀 분석의 결과입니다. 여러 관련 변수를 포함하는 회귀는 경우에 따라 곡선을 생성할 수 있습니다.

최적의 라인의 기본

회귀 분석 의 가장 중요한 출력 중 하나입니다 . 회귀는 하나 이상의 독립 변수와 결과 종속 변수 간의 관계를 정량적으로 측정한 것입니다. 회귀는 과학 및 공공 서비스에서 재무 분석에 이르기까지 광범위한 분야의 전문가에게 사용됩니다.

회귀 분석을 수행하기 위해 통계학자는 각각 완전한 종속 및 독립 변수 세트를 포함하는 데이터 포인트 세트를 수집합니다. 예를 들어 종속 변수는 회사의 주가가 될 수 있고 독립 변수 는 S&P 500에 상장되어 있지 않다고 가정할 때 S&P 500 지수와 국가 실업률이 될 수 있습니다. 샘플 세트는 각각 다음과 같을 수 있습니다. 지난 20년 동안 세 가지 데이터 세트.

차트에서 이러한 데이터 포인트는 산점도로 표시되며, 선을 따라 구성되거나 표시되지 않을 수 있는 포인트 세트입니다. 선형 패턴이 분명한 경우 해당 선에서 해당 점의 거리를 최소화하는 최적의 선을 스케치할 수 있습니다. 조직 축이 시각적으로 명확하지 않은 경우 회귀 분석은 최소 자승법 을 기반으로 선을 생성할 수 있습니다 . 이 방법은 가장 잘 맞는 선에서 각 점의 제곱 거리를 최소화하는 선을 만듭니다.

이 선의 공식을 결정하기 위해 통계학자는 지난 20년 동안의 이 세 가지 결과를 회귀 소프트웨어 응용 프로그램에 입력합니다. 소프트웨어는 S&P 500, 실업률 및 해당 회사의 주가 사이의 인과 관계를 나타내는 선형 공식을 생성합니다. 이 방정식은 최적선에 대한 공식입니다. 분석가와 거래자에게 두 개의 독립 변수를 기반으로 회사의 미래 주가를 예측하는 메커니즘을 제공하는 예측 도구입니다.

최적합 방정식의 선과 그 구성요소

위에서 설명한 예와 같이 두 개의 독립 변수가 있는 회귀는 다음과 같은 기본 구조의 공식을 생성합니다.

y= c + b₁(x₁) + b₂(x₂)

이 식에서 y는 종속변수, c는 상수, b₁은 첫 번째 회귀계수, x₁은 첫 번째 독립변수입니다. 두 번째 계수와 두 번째 독립변수는 b₂와 x₂입니다. 위의 예에서 주가는 y, S&P 500은 x₁, 실업률은 x₂가 됩니다. 각 독립 변수의 계수는 해당 변수의 각 추가 단위에 대한 y의 변화 정도를 나타냅니다. S&P 500이 1 증가하면 결과 y 또는 주가는 계수만큼 상승합니다. 두 번째 독립변수인 실업률도 마찬가지입니다. 하나의 독립 변수가 있는 단순 회귀에서 해당 계수는 최적 적합선의 기울기입니다. 이 예 또는 두 개의 독립 변수가 있는 회귀에서 기울기는 두 계수의 혼합입니다. 상수 c는 최적선의 y절편입니다.

하이라이트

• 최적 맞춤선은 서로 다른 데이터 포인트의 산점도에서 관계를 표현하는 데 사용됩니다.

• 회귀분석의 결과물이며 지표 및 가격 움직임에 대한 예측 도구로 사용할 수 있습니다.