R-Squared เทียบกับ R-Squared ที่ปรับแล้ว: ภาพรวม
R-squared (R 2) และ R-square ที่ถูกปรับอนุญาตให้นักลงทุนวัดมูลค่าของกองทุนรวมเทียบกับค่ามาตรฐาน นักลงทุนอาจใช้การคำนวณนี้เพื่อวัดพอร์ตโฟลิโอของพวกเขาเทียบกับมาตรฐานที่กำหนด
ค่าเหล่านี้อยู่ในช่วงระหว่าง 0 ถึง 100 ตัวเลขผลลัพธ์ไม่ได้ระบุว่ากลุ่มหลักทรัพย์ใดที่มีประสิทธิภาพดีเพียงใดและจะวัดว่าผลตอบแทนจากการถือครองนั้นใกล้เคียงกับเกณฑ์มาตรฐานที่วัดได้มากแค่ไหน
R-squared ซึ่งรู้จักกันว่าสัมประสิทธิ์การตัดสินใจเป็นเครื่องมือวิเคราะห์ทางสถิติที่ใช้ในการทำนายผลลัพธ์ในอนาคตของการลงทุนและการจัดตำแหน่งแบบจำลองเดียว
R-squared ที่ปรับแล้วจะเปรียบเทียบความสัมพันธ์ของการลงทุนกับแบบจำลองที่วัดได้หลายแบบ
R-Squared
R-squared ไม่สามารถตรวจสอบได้ว่ามีค่า ballpark สัมประสิทธิ์และการทำนายของมันมีอคติหรือไม่ นอกจากนี้ยังไม่แสดงว่าโมเดลการถดถอยนั้นน่าพอใจหรือไม่ มันสามารถแสดงตัวเลข R-squared สำหรับแบบจำลองที่ดีหรือตัวเลข R-squared สูงสำหรับแบบจำลองที่ไม่พอดี ยิ่งค่าของ R 2 ต่ำลงตัวแปรทั้งสองตัวก็จะมีความสัมพันธ์กันน้อยลง ผลลัพธ์ที่สูงกว่า 70% มักจะระบุว่าพอร์ตโฟลิโอตามมาตรฐานที่วัดได้อย่างใกล้ชิด ค่า R-squared ที่สูงขึ้นยังบ่งบอกถึงความน่าเชื่อถือของการอ่านค่าเบต้า เบต้าวัดความผันผวนของความปลอดภัยหรือพอร์ตโฟลิโอ
ความแตกต่างที่สำคัญอย่างหนึ่งระหว่าง R-squared และ R-squared ที่ปรับแล้วคือ R 2 ถือว่าตัวแปรอิสระทุกตัว - มาตรฐาน - ในแบบจำลองอธิบายการเปลี่ยนแปลงในตัวแปรตาม - กองทุนรวมหรือพอร์ตโฟลิโอ มันให้เปอร์เซ็นต์ของความแปรปรวนอธิบายราวกับว่าตัวแปรอิสระทั้งหมดในรูปแบบส่งผลกระทบต่อตัวแปรตาม ในโลกแห่งความจริงความสัมพันธ์แบบหนึ่งต่อหนึ่งนี้ไม่ค่อยเกิดขึ้น ในทางกลับกัน R-squared ที่ปรับปรุงแล้วจะให้เปอร์เซ็นต์ของความแปรปรวนที่อธิบายโดยตัวแปรอิสระเท่านั้นที่ในความเป็นจริงแล้วจะมีผลกับตัวแปรตาม
R-Squared มักใช้กับการถดถอยเชิงเส้นเชิงสถิติเพื่อทำนายการเคลื่อนไหวของราคาหุ้น แต่เป็นเพียงหนึ่งในตัวชี้วัดทางเทคนิคที่ผู้ค้าควรมีในคลังแสงของพวกเขา หลักสูตรการวิเคราะห์ทางเทคนิคของ Investopedia ให้ภาพรวมที่ครอบคลุมของตัวชี้วัดทางเทคนิคและรูปแบบแผนภูมิพร้อมวิดีโอความต้องการมากกว่าห้าชั่วโมง คุณจะได้เรียนรู้เทคนิคยอดนิยมทั้งหมดและวิธีการใช้ในตลาดจริงเพื่อเพิ่มผลตอบแทนที่ปรับความเสี่ยง
ปรับค่า R-Squared
R-squared ที่ปรับแล้วจะเปรียบเทียบพลังเชิงพรรณนาของตัวแบบการถดถอย - ตัวแปรสองตัวหรือมากกว่า - ซึ่งรวมถึงตัวแปรอิสระจำนวนมากซึ่งรู้จักกันในนามของตัวทำนาย ทุกตัวทำนายหรือตัวแปรอิสระที่เพิ่มเข้ากับโมเดลจะเพิ่มค่า R-squared และไม่ลดลง ดังนั้นแบบจำลองที่มีตัวทำนายหลายตัวจะส่งคืนค่า R2 ที่สูงขึ้นและอาจดูเหมือนจะเหมาะสมกว่า อย่างไรก็ตามผลลัพธ์นี้เกิดจากมันรวมถึงข้อกำหนดเพิ่มเติม
ค่า R-squared ที่ปรับแล้วชดเชยการเพิ่มของตัวแปรและจะเพิ่มขึ้นก็ต่อเมื่อตัวทำนายใหม่ช่วยเพิ่มตัวแบบเหนือสิ่งที่จะได้มาจากความน่าจะเป็น ในทางกลับกันมันจะลดลงเมื่อผู้ทำนายปรับปรุงรูปแบบน้อยกว่าที่คาดการณ์ไว้โดยบังเอิญ
เมื่อมีการใช้จุดข้อมูลน้อยเกินไปในตัวแบบสถิติมันถูกเรียกว่า overfitting การบรรจุมากเกินไปสามารถส่งคืนค่า R-squared สูงที่ไม่รับประกัน ตัวเลขที่ไม่ถูกต้องนี้สามารถนำไปสู่ความสามารถที่ลดลงในการทำนายผลลัพธ์ประสิทธิภาพ R-squared ที่ปรับแล้วนั้นเป็นรุ่น R 2 ที่ได้ รับการแก้ไขสำหรับจำนวนผู้ทำนายในรูปแบบ ค่า R-squared ที่ปรับแล้วอาจเป็นค่าลบ แต่อาจไม่เสมอไป
ในขณะที่ค่า R-squared ระหว่าง 0 ถึง 100 และแสดงความสัมพันธ์เชิงเส้นในตัวอย่างของข้อมูลแม้ว่าจะไม่มีความสัมพันธ์พื้นฐาน R-squared ที่ปรับแล้วจะให้ค่าประมาณระดับความสัมพันธ์ที่ดีที่สุดในประชากรพื้นฐาน
หากต้องการแสดงความสัมพันธ์ของโมเดลกับ R-squared ให้เลือกโมเดลที่มีขีด จำกัด สูงสุด อย่างไรก็ตามวิธีเปรียบเทียบที่ดีที่สุดและง่ายที่สุดคือการเลือกรุ่นที่มี R-squared ที่ปรับขนาดเล็กลง R-squared ที่ปรับแล้วไม่ใช่แบบจำลองทั่วไปสำหรับการเปรียบเทียบแบบไม่เชิงเส้น แต่จะแสดงการถดถอยเชิงเส้นหลายแบบแทน
ประเด็นที่สำคัญ
- ความแตกต่างที่สำคัญอย่างหนึ่งระหว่าง R-squared และ R-squared ที่ปรับแล้วคือ R-squared สมมติว่าตัวแปรอิสระทุกตัวในแบบจำลองอธิบายการเปลี่ยนแปลงในตัวแปรตามนั้น R-squared ไม่สามารถตรวจสอบได้ว่ารูป ballpark สัมประสิทธิ์และการทำนายนั้นมีอคติหรือไม่ R-squared ที่ปรับแล้วเป็น R-squared ที่แก้ไขแล้วสำหรับจำนวนของตัวทำนายในรูปแบบ
