ما هو التغاير اللاإرادي؟
في الإحصائيات ، يحدث تباين التغاير (أو التغايرية غير المتجانسة) عندما تكون الأخطاء المعيارية للمتغير ، التي تتم مراقبتها على مدى فترة زمنية محددة ، غير ثابتة. مع heteroskedasticity ، علامة حكاية عند الفحص البصري للأخطاء المتبقية هي أنها سوف تميل إلى الخروج مع مرور الوقت ، كما هو موضح في الصورة أدناه.
غالبًا ما ينشأ تضيق الغدد التناسلية في شكلين: الشرطي وغير المشروط. يحدد التغاير اللاإرادي الشرطي التقلبات غير الثابتة عندما لا يمكن تحديد الفترات المستقبلية للتقلبات العالية والمنخفضة. يتم استخدام التغاير غير المشروط عندما يمكن تحديد فترات العقود الآجلة ذات التقلبات العالية والمنخفضة.
صورة لجولي بانج © Investopedia 2019
الماخذ الرئيسية
- في الإحصائيات ، يحدث تباين التغاير (أو التغايرية غير المتجانسة) عندما تكون الأخطاء المعيارية للمتغير ، والتي تتم مراقبتها على مدى فترة زمنية محددة ، غير ثابتة. للتظاهر بمرور الوقت ، كما هو موضح في الصورة أدناه. تعد التغاير المغنطيسي انتهاكًا لافتراضات نموذج الانحدار الخطي ، وبالتالي يمكن أن يؤثر على صحة التحليل الاقتصادي أو النماذج المالية مثل CAPM.
على الرغم من أن التغايرية الجنسية لا تسبب تحيزًا في تقديرات المعامل ، فإنها تجعلها أقل دقة ؛ دقة أقل تزيد من احتمال أن تكون تقديرات المعامل أبعد من القيمة السكانية الصحيحة.
أساسيات التغاير المغاير
في مجال التمويل ، غالبًا ما يُنظر إلى التغاير اللاإرادي المشروط في أسعار الأسهم والسندات. لا يمكن التنبؤ بمستوى تقلب هذه الأسهم خلال أي فترة. يمكن استخدام التغاير غير المشروط عند مناقشة المتغيرات التي لها تقلبات موسمية محددة ، مثل استخدام الكهرباء.
من حيث صلتها بالإحصائيات ، تشير المرونة الجنسية المغايرة (تساؤلات التغايرية المغايرة أيضًا ) إلى تباين الخطأ ، أو اعتماد التشتت ، ضمن متغير واحد على الأقل داخل عينة معينة. يمكن استخدام هذه الاختلافات لحساب هامش الخطأ بين مجموعات البيانات ، مثل النتائج المتوقعة والنتائج الفعلية ، حيث توفر مقياسًا لانحراف نقاط البيانات عن القيمة المتوسطة.
لكي تعتبر مجموعة البيانات ذات صلة ، يجب أن تكون غالبية نقاط البيانات ضمن عدد معين من الانحرافات المعيارية عن الوسط كما هو موضح في نظرية تشيبشيف ، والمعروفة أيضًا باسم عدم المساواة في تشيبشيف. يوفر هذا إرشادات فيما يتعلق باحتمال وجود متغير عشوائي يختلف عن المتوسط.
استنادًا إلى عدد الانحرافات المعيارية المحددة ، يكون للمتغير العشوائي احتمال معين في هذه النقاط. على سبيل المثال ، قد يكون مطلوبًا أن يحتوي نطاق من الانحرافين المعياريين على 75٪ على الأقل من نقاط البيانات التي تعتبر صالحة. غالبًا ما يُعزى سبب شائع للتباين خارج الحد الأدنى من المتطلبات إلى مشكلات جودة البيانات.
على عكس heteroskedastic هو مثلي الجنس. تشير اللواطية إلى حالة يكون فيها تباين المصطلح المتبقي ثابتًا أو تقريبًا. المثلية الجنسية هي أحد افتراضات نموذج الانحدار الخطي. تشير اللواطية إلى أن نموذج الانحدار قد يكون محددًا جيدًا ، مما يعني أنه يوفر تفسيراً جيدًا لأداء المتغير التابع.
أنواع التغاير المغاير
غير مشروط
تكون العلاقة بين الجنسين غير المشروطة قابلة للتنبؤ بها ، وغالبًا ما ترتبط بمتغيرات دورية بطبيعتها. يمكن أن يشمل ذلك ارتفاع مبيعات التجزئة المبلغ عنها خلال فترة التسوق التقليدية للعطلات أو زيادة مكالمات إصلاح أجهزة تكييف الهواء خلال الأشهر الأكثر دفئًا.
يمكن ربط التغييرات داخل التباين مباشرة بوقوع أحداث معينة أو علامات تنبؤية إذا لم تكن التحولات موسمية بشكل تقليدي. يمكن أن يكون ذلك متعلقًا بزيادة مبيعات الهواتف الذكية من خلال إصدار نموذج جديد نظرًا لأن النشاط دوريًا استنادًا إلى الحدث ولكن ليس بالضرورة حسب الموسم.
الشرط
لا يمكن التكهن بطبيعته بسبب عدم القدرة على التغاير الشرطي. لا توجد أي علامات تفسيرية تؤدي بالمحللين إلى الاعتقاد بأن البيانات ستصبح مبعثرة إلى حد ما في أي وقت من الأوقات. غالبًا ما تُعتبر المنتجات المالية خاضعة للالتغاير اللاإرادي المشروط ، حيث لا يمكن أن تعزى كل التغييرات إلى أحداث معينة أو تغييرات موسمية.
إعتبارات خاصة
التغاير و النمذجة المالية
تعد التغاير المغاير مفهومًا مهمًا في نمذجة الانحدار ، وفي عالم الاستثمار ، تُستخدم نماذج الانحدار لشرح أداء الأوراق المالية ومحافظ الاستثمار. وأكثرها شهرة هو نموذج تسعير الأصول الرأسمالية (CAPM) ، والذي يشرح أداء السهم من حيث تقلبه بالنسبة للسوق ككل. أضافت امتدادات هذا النموذج متغيرات تنبؤ أخرى مثل الحجم والزخم والجودة والأناقة (القيمة مقابل النمو).
تمت إضافة متغيرات التوقع هذه لأنها توضح أو تفسر التباين في المتغير التابع. وأوضح أداء المحفظة من قبل CAPM. على سبيل المثال ، كان مطورو نموذج CAPM يدركون أن نموذجهم فشل في تفسير حالة شاذة مثيرة للاهتمام: الأسهم ذات الجودة العالية ، والتي كانت أقل تقلبًا من الأسهم ذات الجودة المنخفضة ، تميل إلى أداء أفضل مما توقعه نموذج CAPM. يقول CAPM أن الأسهم ذات المخاطر العالية يجب أن تتفوق على الأسهم ذات المخاطر المنخفضة. بمعنى آخر ، يجب أن تتغلب الأسهم عالية التقلب على الأسهم منخفضة التقلب. لكن الأسهم عالية الجودة ، والتي هي أقل تقلبًا ، تميل إلى أداء أفضل من المتوقع من قبل CAPM.
في وقت لاحق ، قام باحثون آخرون بتوسيع نموذج CAPM (الذي تم توسيعه بالفعل ليشمل متغيرات تنبؤ أخرى مثل الحجم والأسلوب والزخم) لتشمل الجودة كمتغير إضافي للتنبؤ ، يُعرف أيضًا باسم "العامل". مع تضمين هذا العامل الآن في النموذج ، تم حساب الشذوذ في أداء الأسهم منخفضة التقلب. هذه النماذج ، المعروفة باسم النماذج متعددة العوامل ، تشكل أساسًا لاستثمار العوامل والإصدار التجريبي الذكي.
