DÉFINITION de Hétéroskédastique
Hétéroscédastique fait référence à une condition dans laquelle la variance du terme résiduel, ou terme d'erreur, dans un modèle de régression varie considérablement. Si cela est vrai, cela peut varier de manière systématique, et il peut y avoir un facteur qui peut expliquer cela. Dans l'affirmative, le modèle peut être mal défini et devrait être modifié de sorte que cette variance systématique soit expliquée par une ou plusieurs variables prédictives supplémentaires.
L'opposé de l'hétéroscédastique est l'homoscédastique. L'homoscédasticité fait référence à une condition dans laquelle la variance du terme résiduel est constante ou presque. L'homoscédasticité (également orthographiée «homoscédasticité») est une hypothèse de la modélisation de régression linéaire. L'homoscédasticité suggère que le modèle de régression peut être bien défini, ce qui signifie qu'il fournit une bonne explication de la performance de la variable dépendante.
RÉPARTITION Hétéroskédastique
L'hétéroscédasticité est un concept important dans la modélisation de régression, et dans le monde de l'investissement, des modèles de régression sont utilisés pour expliquer la performance des titres et des portefeuilles d'investissement. Le plus connu d'entre eux est le Capital Asset Pricing Model (CAPM), qui explique la performance d'un titre en termes de volatilité par rapport au marché dans son ensemble. Les extensions de ce modèle ont ajouté d'autres variables prédictives telles que la taille, l'élan, la qualité et le style (valeur vs croissance).
Ces variables prédictives ont été ajoutées car elles expliquent ou expliquent la variance de la variable dépendante, la performance du portefeuille, puis sont expliquées par CAPM. Par exemple, les développeurs du modèle CAPM étaient conscients que leur modèle n'expliquait pas une anomalie intéressante: les actions de haute qualité, moins volatiles que les actions de faible qualité, avaient tendance à mieux performer que le modèle CAPM ne l'avait prédit. Selon CAPM, les actions à haut risque devraient surperformer les actions à faible risque. En d'autres termes, les actions à forte volatilité devraient battre les actions à faible volatilité. Mais les actions de haute qualité, moins volatiles, ont eu tendance à mieux performer que prévu par le CAPM.
Plus tard, d'autres chercheurs ont étendu le modèle CAPM (qui avait déjà été étendu pour inclure d'autres variables prédictives telles que la taille, le style et l'élan) pour inclure la qualité en tant que variable prédictive supplémentaire, également connue sous le nom de «facteur». Ce facteur étant désormais inclus dans le modèle, l'anomalie de performance des titres à faible volatilité a été prise en compte. Ces modèles, appelés modèles multifactoriels, constituent la base de l'investissement factoriel et du bêta intelligent.
