异方差定义 编辑

什么是异性恋？

在统计学中，异方差性（或异方差性）发生在预测变量的标准差（在自变量的不同值上监测或与以前的时间段相关）是非常数时。对于异方差性，目视检查残余误差时的信号是，随着时间的推移，它们会逐渐散开，如下图所示。

异质性通常以两种形式出现：有条件的和无条件的。条件异方差识别非常数波动 与前期（如每日）波动有关。无条件异方差是指波动性中与前期波动性无关的一般结构变化。当可以确定未来的高波动和低波动时，使用无条件异方差。

关键要点

• 在统计学中，异方差（或称异方差）发生在一个变量的标准误差在一定时间内是非恒定的。
• 对于异方差性，对剩余误差进行目视检查时的信号是，它们会随着时间的推移逐渐散开，如上图所示。
• 异方差性违反了线性回归模型的假设，因此会影响模型的有效性经济计量分析或者像CAPM这样的金融模型。

虽然异方差性不会导致系数估计的偏差，但它确实会降低其精度；精度越低，系数估计离正确的总体值越远的可能性就越大。

异质性的基础

在金融学中，股票和债券的价格往往存在条件异方差。波动水平 这些股票的价格在任何时期都无法预测。在讨论具有可识别的季节性变化的变量时，可以使用无条件异方差，例如用电量。

因为它与统计学有关，异方差性（也被拼写为异方差 指的是误差方差，或散射的依赖性，在一个特定的样本内至少有一个自变量。这些变化可用于计算数据集之间的误差幅度，如预期结果和实际结果，因为它提供了数据点与平均值偏差的度量。

对于被认为相关的数据集，大多数数据点必须在切比雪夫定理（也称为切比雪夫不等式）所描述的平均值的特定标准偏差范围内。这为随机变量与平均值不同的概率提供了指导。

根据规定的标准差数量，随机变量在这些点内存在的概率是特定的。例如，可能要求两个标准偏差的范围至少包含75%的数据点才被视为有效。偏离最低要求的一个常见原因通常是数据质量问题。

异性恋的对立面是；同位旋的 . 同态性是指残差项的方差为常数或几乎为常数的一种情况。齐次性是线性回归建模的一个假设。需要确保估计准确，因变量的预测限有效，参数的置信区间和p值有效。

异质性的类型

无条件的

无条件异方差性是可预测的，并且可能与本质上具有周期性的变量有关。这可能包括在传统假日购物期间报告的较高零售额或在较温暖月份报告的空调维修电话的增加。

方差内的变化可以直接与特定事件或预测标记的发生联系起来，如果这种变化不是传统的季节性变化。这可能与智能手机销量的增长以及新款的发布有关，因为活动是基于活动的周期性活动，但不一定由季节决定。

异方差性也可能与数据接近边界的情况有关，因为边界限制了数据的范围，所以方差必须更小。

有条件的

条件异方差性本质上是不可预测的。没有任何迹象表明分析师相信，数据在任何时候都会变得或多或少的分散。通常，金融产品被认为受到条件异方差的影响，因为并非所有的变化都可以归因于特定事件或季节性变化。

条件异方差的一个常见应用是股票市场，今天的波动性与昨天的波动性密切相关。这个模型解释了持续高波动和低波动的时期。

特别注意事项

异质性与金融建模

异方差性是回归模型中的一个重要概念，在投资领域，回归模型被用来解释证券和投资组合的表现。其中最著名的是；资本资产定价模型 （CAPM），它根据股票相对于整个市场的波动性来解释股票的表现。该模型的扩展增加了其他预测变量，如规模、动量、质量和风格（价值与增长）。

添加这些预测变量是因为它们解释或解释了因变量的方差。资产组合绩效由CAPM解释。例如，CAPM模型的开发人员意识到，他们的模型未能解释一个有趣的异常现象：与低质量股票相比波动性较小的高质量股票往往表现得比CAPM模型预测的要好。CAPM表示，高风险股票的表现应该优于低风险股票。

换言之，高波动性股票应该击败低波动性股票。但波动性较小的优质股票表现往往好于CAPM的预测。

后来，其他研究人员扩展了CAPM模型（该模型已经扩展到包括其他预测变量，如尺寸、风格和动量），将质量作为一个额外的预测变量，也被称为“因子”。现在这个因子已经包括在模型中，对低波动率股票的表现异常进行了解释。这些模型称为；多因素模型 ，构成要素投资和智能贝塔的基础。