Eteroschedastico
DEFINIZIONE di eteroschedastico
L’eteroschedastico si riferisce a una condizione in cui la varianza del termine residuo, o termine di errore, in un modello di regressione varia ampiamente. Se questo è vero, potrebbe variare in modo sistematico e potrebbe esserci qualche fattore che può spiegarlo. In tal caso, il modello potrebbe essere definito male e dovrebbe essere modificato in modo che questa varianza sistematica sia spiegata da una o più variabili predittive aggiuntive.
L’opposto di eteroschedastico è omoschedastico. L’omoschedasticità si riferisce a una condizione in cui la varianza del termine residuo è costante o quasi. L’omoschedasticità (anche ortografata “omoschedasticità”) è un presupposto della modellazione di regressione lineare. L’omoschedasticità suggerisce che il modello di regressione può essere ben definito, il che significa che fornisce una buona spiegazione delle prestazioni della variabile dipendente.
ABBATTIMENTO Eteroschedastico
L’eteroschedasticità è un concetto importante nei modelli di regressione e nel mondo degli investimenti vengono utilizzati modelli di regressione per spiegare la performance dei titoli e dei portafogli di investimento. Il più noto di questi è il Capital Asset Pricing Model (CAPM), che spiega la performance di un titolo in termini di volatilità rispetto al mercato nel suo complesso. Le estensioni di questo modello hanno aggiunto altre variabili predittive come dimensione, quantità di moto, qualità e stile (valore vs. crescita).
Queste variabili predittive sono state aggiunte perché spiegano o tengono conto della varianza nella variabile dipendente, il rendimento del portafoglio, quindi viene spiegato dal CAPM. Ad esempio, gli sviluppatori del modello CAPM erano consapevoli che il loro modello non riusciva a spiegare un’anomalia interessante: le azioni di alta qualità, che erano meno volatili di quelle di bassa qualità, tendevano a comportarsi meglio di quanto previsto dal modello CAPM. CAPM afferma che le azioni a rischio più elevato dovrebbero sovraperformare le azioni a rischio inferiore. In altre parole, le azioni ad alta volatilità dovrebbero battere le azioni a bassa volatilità. Ma le azioni di alta qualità, che sono meno volatili, tendevano ad avere prestazioni migliori di quanto previsto dal CAPM.
Successivamente, altri ricercatori hanno esteso il modello CAPM (che era già stato esteso per includere altre variabili predittive come dimensioni, stile e quantità di moto) per includere la qualità come variabile predittiva aggiuntiva, nota anche come “fattore”. Con questo fattore ora incluso nel modello, è stata considerata l’anomalia di performance dei titoli a bassa volatilità. Questi modelli, noti come modelli multifattoriali, costituiscono la base dell’investimento fattoriale e della smart beta.