Cтраница 1
Значение R-квадрата ( квадрат критерия Пирсона) является индикатором степени адекватности полученной функциональной зависимости к фактическим данным. Полученное в результате расчетов значение R-квадрата показывает, что 87 % изменений ( вариаций) полученной регрессионной прямой 6 обуславливается вариациями в учтенных факторах. Значение индекса корреляции R0 931 характеризует силу связи как очень значительную. [1]
Чем ближе R-квадрат к нулю, тем более независимым является поведение акции по отношению к общей тенденции рынка. [2]
Рассматриваемая регрессия имеет низкое значение R-квадрата, но данное обстоятельство скорее отражает шум, чем является следствием методологии построения указанной регрессии. Как мы увидим позднее, рыночные регрессии для мультипликаторов цена / балансовая стоимость и цена / объем продаж обладают лучшими характеристиками и имеют больший R-квад-рат, чем регрессии мультипликатора РЕ. Другой тревожный аспект состоит в том, что мультипликаторы при переменных не всегда имеют те знаки, которые мы рассчитываем увидеть. Например, акции с повышенным риском ( с повышенными коэффициентами бета) имеют более высокие значения РЕ, в то время как фундаментальные переменные пробуждают в нас ожидания противоположного. [3]
Здесь наблюдается не только близость R-квадрата к нулю, но и отрицательная связь между текущими значениями маржи чистой прибыли и мультипликатором цена / объем продаж. Таким образом, связь между оценкой этих акций рынком и их текущей прибыльностью мала. [4]
Отметим, что для скользящего среднего значение R-квадрат не может быть отображено. [5]
Третьим показателем, который выводится на основе регрессионного анализа, является R-квадрат ( R2) регрессии. Хотя с точки зрения статистики R-квадрат трактуется как мера добротности построения регрессии, с позиции экономической теории данный показатель позволяет оценить долю риска фирмы, которую можно приписать рыночному риску. [6]
Более широко используется коэффициент смешанной корреляции ( коэффициент детерминированности) R2 ( читается R-квадрат), который говорит о том, насколько хорошо составлено уравнение регрессии. [7]
Можно построить регрессии для каждого мультипликатора в сопоставлении с фундаментальными переменными, которые, как мы определили в предыдущих главах, влияют на значение мультипликатора, и использовать R-квадрат регрессии в качестве меры того, насколько хорошо этот мультипликатор работает в данном секторе. Мультипликатор с наивысшим значением R-квадра-та лучше всего проясняет ситуацию посредством фундаментальных переменных, поэтому его необходимо использовать для оценки компаний в данном секторе. [8]
Числа, приведенные в квадратных скобках, являются данными t - статистики, указывающими на то, что связи между мультипликаторами РЕ и обеими переменными в регрессионном уравнении статистически значимы. Показатель R-квадрат указывает на процентную долю разностей в мультипликаторах РЕ, которые объясняются независимыми причинами. [9]
Выявлены ли неучтенные факторы в результате анализа остатков. Указывает ли статистика R-квадрат, что проблема определена правильно. [10]
Третьим показателем, который выводится на основе регрессионного анализа, является R-квадрат ( R2) регрессии. Хотя с точки зрения статистики R-квадрат трактуется как мера добротности построения регрессии, с позиции экономической теории данный показатель позволяет оценить долю риска фирмы, которую можно приписать рыночному риску. [11]
Значение R-квадрата ( квадрат критерия Пирсона) является индикатором степени адекватности полученной функциональной зависимости к фактическим данным. Полученное в результате расчетов значение R-квадрата показывает, что 87 % изменений ( вариаций) полученной регрессионной прямой 6 обуславливается вариациями в учтенных факторах. Значение индекса корреляции R0 931 характеризует силу связи как очень значительную. [12]
Регрессия создает достаточно серьезные объяснения. При этом коэффициент соответствия между доходностью портфеля ценных бумаг и рыночным индексом R-квадрат ( R-scuared), равный 49 %, а также t - статистика ( в скобках под коэффициентами) показывают статистическую значимость используемых независимых переменных. Подставляя текущую ставку по казначейским облигациям и спред между векселями и облигациями, с помощью этого уравнения мы получим скорректированную оценку подразумеваемой премии за риск инвестирования в акции. [13]
Хотя этот подход и прост, он хорошо подходит только для базовой регрессии. Низкое значение R-квадрата предполагает, что оценки коэффициента бета, вытекающие из него, по всей вероятности, будут иметь большие стандартные ошибки. [14]
В таблице 35.1 содержатся наиболее широко используемые мультипликаторы по секторам. В идеальном мире можно обнаружить, как все три подхода сходятся друг с другом. В частности, фундаментальная переменная, лучше всего объясняющая ценность, должна также иметь наивысшее значение R-квадрата и быть мультипликатором, традиционно используемым в секторе. Фактически, когда традиционно используемый мультипликатор не отражает фундаментальных переменных, - что может случиться, если сектор находится в переходном состоянии или в фазе развития, - то, скорее всего, будут получены обманчивые оценки ценности. [15]