a:

Tilastotietojen mukaan regressioanalyysi on laajasti käytetty tekniikka selvittää muuttujien välisiä suhteita ja määrittää, ovatko ne negatiivisesti vai positiivisesti riippuvaisia ​​toisistaan. Rahoitusalan ammattilaiset ja muut toimijat käyttävät usein lineaarista regressiota arvioimaan, miten toinen taloudellinen metriikka vaikuttaa toiseen, kuten osakekurssi ja korkotaso. Kun suoritetaan lineaarinen regressio, kun osakekurssit ovat riippuvainen muuttuja ja korkotasot ovat selittävä muuttuja, käyttäjä saa tavallisesti kertoimet aikavälikorolle ja korolle sekä R-neliömetrinen. Pörssikurssien ja korkojen välinen korrelaatio on yhtä suuri kuin R-neliöarvon neliöjuuri.

Lineaarinen regressio

Lineaarinen regressio on välttämätön työkalu erilaisten rahoitustietojen välisten suhteiden paljastamisessa. Suurin hyöty regressioanalyysistä johtuu sen kyvystä valvoa eri tekijöitä ja löytää todennäköisin tilastollinen yhteys muuttujien välillä ja siitä, miten ne vaikuttavat toisiinsa. Lineaarinen regressio sopii lineaariseen viivaan havaittuihin tietoihin minimoimalla havaittujen datapisteiden ja sovitetun regressioarvon välisestä erotuksesta saadut virheet.

Korrelaatiokerroin

Osakekurssin ja koron välinen korrelaatiokerroin osoittaa, missä määrin nämä kaksi muuttujaa ovat lineaarisesti yhteydessä toisiinsa. Korrelaatio voi olla positiivinen, nolla tai negatiivinen ja vaihtelee välillä -1 ja 1. Negatiivinen korrelaatioarvo osoittaa, että kaksi muuttujaa liikkuvat vastakkaisiin suuntiin, kun taas positiivinen korrelaatio osoittaa, että kaksi muuttujaa liikkuvat.

Korrelaatio- ja regressiotulokset

Osakekurssin ja korkotason aleneminen tuottaa tuloksia, jotka osoittavat aikavälin ja korkoarvon kertoimet. Vaikka korkotason regressiokerroin on hyödyllinen arvioitaessa korkotason 1 prosentin muutoksen vaikutusta osakekurssiin, R-neliömetri on hyödyllisin toimenpide kahden muuttujan välisen korrelaation määrittämiseksi. Ottamalla R-neliösumman kerroin neliöjuuri käyttäjä saa korrelaation osakekurssin ja koron välillä.