विषमलैंगिक
हेटेरोस्कैस्टिक का विचलन
Heteroskedastic एक ऐसी स्थिति को संदर्भित करता है जिसमें प्रतिगमन मॉडल में अवशिष्ट शब्द, या त्रुटि शब्द का विचरण व्यापक रूप से भिन्न होता है। यदि यह सच है, तो यह एक व्यवस्थित तरीके से भिन्न हो सकता है, और कुछ कारक हो सकते हैं जो इसे समझा सकते हैं। यदि ऐसा है, तो मॉडल को खराब रूप से परिभाषित किया जा सकता है और इसे संशोधित किया जाना चाहिए ताकि इस व्यवस्थित रूपांतर को एक या एक से अधिक अतिरिक्त पूर्वानुमान चर द्वारा समझाया जाए।
हेटेरोसेडैस्टिक का विपरीत होमोसैकेस्टिक है । Homoskedasticity एक ऐसी स्थिति को संदर्भित करता है जिसमें अवशिष्ट शब्द का विचरण स्थिर या लगभग इतना ही होता है। Homoskedasticity (“होमोसिस्टैस्टिकिटी” भी वर्तनी) रैखिक प्रतिगमन मॉडलिंग की एक धारणा है। Homoskedasticity का सुझाव है कि प्रतिगमन मॉडल को अच्छी तरह से परिभाषित किया जा सकता है, जिसका अर्थ है कि यह आश्रित चर के प्रदर्शन का एक अच्छा विवरण प्रदान करता है।
BREAKING DOWN Heteroskedastic
Heteroskedasticity प्रतिगमन मॉडलिंग में एक महत्वपूर्ण अवधारणा है, और निवेश की दुनिया में प्रतिगमन मॉडल का उपयोग प्रतिभूतियों और निवेश पोर्टफोलियो के प्रदर्शन को समझाने के लिए किया जाता है। इनमें से सबसे प्रसिद्ध कैपिटल एसेट प्राइसिंग मॉडल (CAPM) है, जो बाजार के सापेक्ष एक शेयर के प्रदर्शन को समग्र रूप से बाजार के सापेक्ष बताता है। इस मॉडल के विस्तार ने अन्य भविष्यवाणियों को आकार, गति, गुणवत्ता और शैली (मूल्य बनाम वृद्धि) जैसे अन्य वैरिएबल जोड़े हैं।
इन भविष्यवाणियों को जोड़ा गया है क्योंकि वे आश्रित चर, पोर्टफोलियो प्रदर्शन में विचरण के लिए समझाते हैं या खाते हैं, फिर CAPM द्वारा समझाया गया है। उदाहरण के लिए, CAPM मॉडल के डेवलपर्स को पता था कि उनका मॉडल एक दिलचस्प विसंगति समझाने में विफल रहा है: उच्च-गुणवत्ता वाले स्टॉक, जो कम-गुणवत्ता वाले शेयरों की तुलना में कम अस्थिर थे, जो अनुमानित CAPM मॉडल की तुलना में बेहतर प्रदर्शन करते थे। सीएपीएम का कहना है कि उच्च-जोखिम वाले शेयरों को कम-जोखिम वाले शेयरों से बेहतर प्रदर्शन करना चाहिए। दूसरे शब्दों में, उच्च-अस्थिरता वाले शेयरों को कम-अस्थिरता वाले शेयरों को हरा देना चाहिए। लेकिन उच्च गुणवत्ता वाले स्टॉक, जो कम अस्थिर हैं, सीएपीएम द्वारा भविष्यवाणी की तुलना में बेहतर प्रदर्शन करने के लिए प्रवृत्त हैं।
बाद में, अन्य शोधकर्ताओं ने सीएपीएम मॉडल को बढ़ाया (जो पहले से ही एक अतिरिक्त भविष्यवक्ता चर के रूप में गुणवत्ता को शामिल करने के लिए आकार, शैली और गति जैसे अन्य भविष्यवाणियों को शामिल करने के लिए विस्तारित किया गया था, जिसे “कारक” के रूप में भी जाना जाता है। इस कारक के साथ अब मॉडल में शामिल किया गया था, कम अस्थिरता वाले शेयरों के प्रदर्शन के विसंगति का हिसाब था। इन मॉडलों को मल्टी-फैक्टर मॉडल के रूप में जाना जाता है, जो कारक निवेश और स्मार्ट बीटा का आधार बनाते हैं ।