Regressie-definitie - KamilTaylan.blog
24 juni 2021 22:50

Regressie-definitie

Wat is regressie?

Regressie is een statistische methode die wordt gebruikt in financiën, beleggen en andere disciplines die probeert de sterkte en het karakter van de relatie tussen een afhankelijke variabele (meestal aangeduid met Y) en een reeks andere variabelen (bekend als onafhankelijke variabelen) te bepalen.

Regressie helpt investeringen en financiële managers om activa te waarderen en de relaties tussen variabelen te begrijpen, zoals grondstoffenprijzen en de aandelen van bedrijven die in die grondstoffen handelen.

Regressie verklaard

De twee basistypen van regressie zijn eenvoudige lineaire regressie en meervoudige lineaire regressie, hoewel er niet-lineaire regressiemethoden zijn voor meer gecompliceerde gegevens en analyse. Eenvoudige lineaire regressie gebruikt één onafhankelijke variabele om de uitkomst van de afhankelijke variabele Y te verklaren of te voorspellen, terwijl meervoudige lineaire regressie twee of meer onafhankelijke variabelen gebruikt om de uitkomst te voorspellen.

Regressie kan zowel financiële en investeringsprofessionals als professionals in andere bedrijven helpen. Regressie kan ook helpen bij het voorspellen van de verkoop voor een bedrijf op basis van het weer, eerdere verkopen, bbp-groei of andere soorten omstandigheden. Het Capital Asset Pricing Model (CAPM) is een vaak gebruikt regressiemodel in de financiële wereld om activa te waarderen en kapitaalkosten te ontdekken.

De algemene vorm van elk type regressie is:

  • Eenvoudige lineaire regressie: Y = a + bX + u
  • Meervoudige lineaire regressie: Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 +… + b t X t + u

Waar:

  • Y = de variabele die u probeert te voorspellen (afhankelijke variabele).
  • X = de variabele die u gebruikt om Y te voorspellen (onafhankelijke variabele).
  • a = het onderscheppen.
  • b = de helling.
  • u = het regressieresidu.


Er zijn twee basistypen regressie: eenvoudige lineaire regressie en meervoudige lineaire regressie.

Regressie neemt een groep willekeurige variabelen, waarvan wordt aangenomen dat ze Y voorspellen, en probeert een wiskundig verband tussen hen te vinden. Deze relatie heeft typisch de vorm van een rechte lijn (lineaire regressie) die alle individuele gegevenspunten het beste benadert. Bij meervoudige regressie worden de afzonderlijke variabelen gedifferentieerd door middel van subscripts.

Belangrijkste leerpunten

  • Regressie helpt investeerders en financiële managers om activa te waarderen en de relaties tussen variabelen te begrijpen
  • Regressie kan zowel financiële en investeringsprofessionals als professionals in andere bedrijven helpen. 

Een echt voorbeeld van hoe regressieanalyse wordt gebruikt

Regressie wordt vaak gebruikt om te bepalen hoeveel specifieke factoren, zoals de prijs van een grondstof, rentetarieven, bepaalde bedrijfstakken of sectoren, de prijsbeweging van een actief beïnvloeden. Het bovengenoemde CAPM is gebaseerd op regressie en wordt gebruikt om het verwachte rendement voor aandelen te projecteren en om kapitaalkosten te genereren. Het rendement van een aandeel wordt afgezet tegen het rendement van een bredere index, zoals de S&P 500, om een ​​bèta voor het betreffende aandeel te genereren.

Beta is het risico van het aandeel in relatie tot de markt of index en wordt weergegeven als de helling in het CAPM-model. Het rendement voor het betreffende aandeel zou de afhankelijke variabele Y zijn, terwijl de onafhankelijke variabele X de marktrisicopremie zou zijn.

Extra variabelen zoals de marktkapitalisatie van een aandeel, waarderingsverhoudingen en recente rendementen kunnen aan het CAPM-model worden toegevoegd om betere rendementsschattingen te krijgen. Deze aanvullende factoren staan ​​bekend als de Fama-Franse factoren, genoemd naar de professoren die het meervoudige lineaire regressiemodel hebben ontwikkeld om vermogensrendementen beter te verklaren.