R-Squared vs R-Squared ajusté: un aperçu
Le carré R (R 2) et le carré R ajusté permettent à un investisseur de mesurer la valeur d'un fonds commun de placement par rapport à la valeur d'un indice de référence. Les investisseurs peuvent également utiliser ce calcul pour mesurer leur portefeuille par rapport à un indice de référence donné.
Ces valeurs se situent entre 0 et 100. Le chiffre résultant n'indique pas la performance d'un groupe particulier de titres, et il mesure uniquement à quel point les rendements des titres s'alignent sur ceux de l'indice de référence mesuré.
Le R au carré, également connu sous le nom de coefficient de détermination, est un outil d'analyse statistique utilisé pour prédire le résultat futur d'un investissement et son degré d'alignement avec un seul modèle mesuré.
Le R ajusté au carré compare la corrélation de l'investissement à plusieurs modèles mesurés.
R-Squared
Le R-carré ne peut pas vérifier si le chiffre approximatif du coefficient et ses prédictions sont compromis. Il ne montre pas non plus si un modèle de régression est satisfaisant; il peut montrer un chiffre R au carré pour un bon modèle ou un chiffre R élevé au carré pour un modèle qui ne correspond pas. Plus la valeur de R 2 est faible, moins les deux variables sont corrélées. Des résultats supérieurs à 70% indiquent généralement qu'un portefeuille suit de près l'indice de référence mesuré. Des valeurs R au carré plus élevées indiquent également la fiabilité des lectures bêta. Le bêta mesure la volatilité d'un titre ou d'un portefeuille.
Une différence majeure entre le R au carré et le R ajusté au carré est que R 2 suppose que chaque variable indépendante - indice de référence - dans le modèle explique la variation de la variable dépendante - fonds commun de placement ou portefeuille. Il donne le pourcentage de variation expliquée comme si toutes les variables indépendantes du modèle affectaient la variable dépendante. Dans le monde réel, cette relation biunivoque se produit rarement. En revanche, le R ajusté au carré donne le pourcentage de variation expliqué uniquement par les variables indépendantes qui, en réalité, affectent la variable dépendante.
R-Squared est souvent utilisé avec des régressions linéaires statistiques pour prédire les mouvements des cours des actions, mais ce n'est qu'un des nombreux indicateurs techniques que les traders devraient avoir dans leurs arsenaux. Le cours d'analyse technique d'Investopedia offre un aperçu complet des indicateurs techniques et des modèles de graphiques avec plus de cinq heures de vidéo à la demande. Vous apprendrez toutes les techniques les plus populaires et comment les utiliser sur les marchés réels pour maximiser les rendements ajustés au risque.
R-Squared ajusté
Le R ajusté au carré compare la puissance descriptive des modèles de régression - deux variables ou plus - qui incluent un nombre diversifié de variables indépendantes - appelées prédicteurs. Chaque prédicteur ou variable indépendante, ajouté à un modèle augmente la valeur R au carré et ne la diminue jamais. Ainsi, un modèle qui comprend plusieurs prédicteurs renverra des valeurs R2 plus élevées et peut sembler être un meilleur ajustement. Cependant, ce résultat est dû au fait qu'il inclut plus de termes.
Le R ajusté au carré compense l'ajout de variables et n'augmente que si le nouveau prédicteur améliore le modèle au-dessus de ce qui serait obtenu par probabilité. Inversement, elle diminuera lorsqu'un prédicteur améliore le modèle moins que ce qui est prédit par hasard.
Lorsque trop peu de points de données sont utilisés dans un modèle statistique, on parle de surajustement. Un sur-ajustement peut renvoyer une valeur R élevée au carré injustifiée. Ce chiffre incorrect peut entraîner une diminution de la capacité de prédire les résultats de performance. Le R ajusté au carré est une version modifiée de R 2 pour le nombre de prédicteurs dans un modèle. Le R ajusté au carré peut être négatif mais pas toujours.
Alors qu'une valeur R au carré entre 0 et 100 et montre la relation linéaire dans l'échantillon de données même lorsqu'il n'y a pas de relation de base, le R ajusté au carré donne la meilleure estimation du degré de relation dans la population de base.
Pour montrer la corrélation des modèles avec R au carré, choisissez le modèle avec la limite la plus élevée. Cependant, la meilleure et la plus simple façon de comparer les modèles est d'en sélectionner un avec le plus petit R-carré ajusté. Le R ajusté au carré n'est pas un modèle typique pour comparer des modèles non linéaires mais, à la place, montre plusieurs régressions linéaires.
Points clés à retenir
- Une différence majeure entre le carré R et le carré R ajusté est que le carré R suppose que chaque variable indépendante dans le modèle explique la variation de la variable dépendante.Le carré R ne peut pas vérifier si le chiffre approximatif du coefficient et ses prédictions sont préjudiciables. Le R au carré ajusté est une version modifiée du R au carré pour le nombre de prédicteurs dans un modèle.
