Definicion de heterocedástico
DEFINICIÓN DE HETEROSCADÁSTICO
La heteroscedasticidad se refiere a la condición en la que la varianza del término residual o de error en un modelo de regresión varía ampliamente. Si esto es cierto, entonces puede variar sistemáticamente y puede haber algún factor que pueda explicarlo. Si este es el caso, entonces el modelo puede estar mal especificado y debería modificarse para que esta varianza sistemática se explique mediante una o más variables predictoras adicionales.
Lo opuesto a la heteroscedasticidad es la homocedasticidad. La homocedasticidad se refiere a la condición en la que la varianza del término residual es constante o casi constante. La homocedasticidad (también llamada homocedasticidad) es uno de los supuestos del modelado de regresión lineal. La homocedasticidad sugiere que el modelo de regresión puede especificarse bien, lo que significa que proporciona una buena explicación de las características de la variable dependiente.
DESTRUCCIÓN DE LA HETEROSCEDÁSTICA
La heterocedasticidad es un concepto importante en los modelos de regresión y, en el mundo de las inversiones, los modelos de regresión se utilizan para explicar el desempeño de los valores y las carteras de inversión. El más conocido de ellos es el modelo de valoración de activos de capital (CAPM), que explica el desempeño de las acciones en términos de su volatilidad en relación con el mercado en su conjunto. Las extensiones de este modelo han agregado otras variables predictivas como tamaño, impulso, calidad y estilo (valor o crecimiento).
Estas variables predictoras se agregaron porque explican o dan cuenta de la varianza en la variable dependiente, el desempeño de la cartera, que luego es explicada por el CAPM. Por ejemplo, los desarrolladores del modelo CAPM se dieron cuenta de que su modelo no lograba explicar una anomalía interesante: las acciones de alta calidad que eran menos volátiles que las acciones de baja calidad tendían a tener un mejor desempeño de lo que predijo el modelo CAPM. El CAPM establece que las acciones de mayor riesgo deberían superar a las acciones de menor riesgo. En otras palabras, las acciones con alta volatilidad deberían superar a las acciones con menor volatilidad. Pero las acciones de alta calidad, que son menos volátiles, tendieron a tener un mejor desempeño de lo que predijo el CAPM.
Más tarde, otros investigadores ampliaron el modelo CAPM (que ya se había ampliado para incluir otras variables predictivas como el tamaño, el estilo y el impulso) al incluir la calidad como una variable predictiva adicional, también conocida como «factor». Ahora que se incluye este factor en el modelo, se ha tenido en cuenta el comportamiento anormal de las acciones de baja volatilidad. Estos modelos, conocidos como modelos multifactoriales, forman la base de la inversión factorial y la beta inteligente.
Preguntas Frecuentes
DEFINICIÓN DE HETEROSCADÁSTICO
La heteroscedasticidad se refiere a la condición en la que la varianza del término residual o de error en un modelo de regresión varía ampliamente. Si esto es cierto, entonces puede variar sistemáticamente y puede haber algún factor que pueda explicarlo. Si este es el caso, entonces el modelo puede estar mal especificado y debería modificarse para que esta varianza sistemática se explique mediante una o más variables predictoras adicionales.
Lo opuesto a la heteroscedasticidad es la homocedasticidad. La homocedasticidad se refiere a la condición en la que la varianza del término residual es constante o casi constante. La homocedasticidad (también llamada homocedasticidad) es uno de los supuestos del modelado de regresión lineal. La homocedasticidad sugiere que el modelo de regresión puede especificarse bien, lo que significa que proporciona una buena explicación de las características de la variable dependiente.
DESTRUCCIÓN DE LA HETEROSCEDÁSTICA
La heterocedasticidad es un concepto importante en los modelos de regresión y, en el mundo de las inversiones, los modelos de regresión se utilizan para explicar el desempeño de los valores y las carteras de inversión. El más conocido de ellos es el modelo de valoración de activos de capital (CAPM), que explica el desempeño de las acciones en términos de su volatilidad en relación con el mercado en su conjunto. Las extensiones de este modelo han agregado otras variables predictivas como tamaño, impulso, calidad y estilo (valor o crecimiento).
Estas variables predictoras se agregaron porque explican o dan cuenta de la varianza en la variable dependiente, el desempeño de la cartera, que luego es explicada por el CAPM. Por ejemplo, los desarrolladores del modelo CAPM se dieron cuenta de que su modelo no lograba explicar una anomalía interesante: las acciones de alta calidad que eran menos volátiles que las acciones de baja calidad tendían a tener un mejor desempeño de lo que predijo el modelo CAPM. El CAPM establece que las acciones de mayor riesgo deberían superar a las acciones de menor riesgo. En otras palabras, las acciones con alta volatilidad deberían superar a las acciones con menor volatilidad. Pero las acciones de alta calidad, que son menos volátiles, tendieron a tener un mejor desempeño de lo que predijo el CAPM.
Más tarde, otros investigadores ampliaron el modelo CAPM (que ya se había ampliado para incluir otras variables predictivas como el tamaño, el estilo y el impulso) al incluir la calidad como una variable predictiva adicional, también conocida como «factor». Ahora que se incluye este factor en el modelo, se ha tenido en cuenta el comportamiento anormal de las acciones de baja volatilidad. Estos modelos, conocidos como modelos multifactoriales, forman la base de la inversión factorial y la beta inteligente.
¿Problemas o dudas? Te ayudamos
Si quieres estar al día, suscríbete a nuestra newsletter y síguenos en Instagram. Si quieres recibir soporte para cualquier duda o problema, no dude en ponerse en contacto con nosotros en info@wikieconomia.org.