DEFINICE Heteroskedastika
Heteroskedastika označuje stav, ve kterém se rozptyl zbytkového termínu nebo chybového termínu v regresním modelu značně liší. Pokud je to pravda, může se to lišit systematickým způsobem a může to být nějaký faktor, který to může vysvětlit. Pokud ano, pak může být model špatně definován a měl by být upraven tak, aby tato systematická variance byla vysvětlena jednou nebo více dalšími predikčními proměnnými.
Opak heteroskedastic je homoskedastic. Homoskedasticita se týká stavu, ve kterém rozptyl zbytkového členu je konstantní nebo téměř tak. Homoskedasticity (také hláskoval “homoscedasticity”) je jeden předpoklad lineárního regresního modelování. Homoskedasticita naznačuje, že regresní model může být dobře definován, což znamená, že poskytuje dobré vysvětlení výkonu závislé proměnné.
VYDÁVÁNÍ Heteroskedastic
Heteroskedasticita je důležitým konceptem regresního modelování a ve světě investic se regresní modely používají k vysvětlení výkonnosti cenných papírů a investičních portfolií. Nejznámější z nich je model stanovení cen investičních aktiv (CAPM), který vysvětluje výkonnost akcií z hlediska volatility vzhledem k trhu jako celku. Rozšíření tohoto modelu přidala další predikční proměnné, jako je velikost, hybnost, kvalita a styl (hodnota vs. růst).
Tyto predikční proměnné byly přidány, protože vysvětlují nebo vysvětlují rozptyl v závislé proměnné, výkonnosti portfolia, a poté je vysvětlen CAPM. Například vývojáři modelu CAPM si byli vědomi, že jejich model nevysvětlil zajímavou anomálii: vysoce kvalitní akcie, které byly méně volatilní než zásoby nízké kvality, měly tendenci dosahovat lepších výsledků, než předpovídal model CAPM. CAPM říká, že akcie s vyšším rizikem by měly překonat akcie s nižším rizikem. Jinými slovy, akcie s vysokou volatilitou by měly porazit akcie s nižší volatilitou. Vysoce kvalitní akcie, které jsou méně volatilní, však měly tendenci dosahovat lepších výsledků, než předpovídá CAPM.
Později další výzkumníci rozšířili model CAPM (který již byl rozšířen o další proměnné prediktoru, jako je velikost, styl a hybnost), aby zahrnoval kvalitu jako další predikční proměnnou, známou také jako „faktor“. S tímto faktorem nyní zahrnutým do modelu byla zohledněna výkonnostní anomálie akcií s nízkou volatilitou. Tyto modely, známé jako vícefaktorové modely, tvoří základ faktorového investování a inteligentní beta verze.
