Qu'est-ce que la régression?
La régression est une mesure statistique utilisée en finance, en investissement et dans d'autres disciplines qui tente de déterminer la force de la relation entre une variable dépendante (généralement désignée par Y) et une série d'autres variables changeantes (appelées variables indépendantes).
La régression aide les gestionnaires d'investissement et financiers à évaluer les actifs et à comprendre les relations entre les variables, telles que les prix des produits de base et les stocks des entreprises traitant ces produits.
Régression
Explication de la régression
Les deux types de régression de base sont la régression linéaire et la régression linéaire multiple, bien qu'il existe des méthodes de régression non linéaire pour des données et des analyses plus compliquées. La régression linéaire utilise une variable indépendante pour expliquer ou prédire le résultat de la variable dépendante Y, tandis que la régression multiple utilise deux variables indépendantes ou plus pour prédire le résultat.
La régression peut aider les professionnels de la finance et de l'investissement ainsi que les professionnels d'autres entreprises. La régression peut également aider à prévoir les ventes d'une entreprise en fonction des conditions météorologiques, des ventes antérieures, de la croissance du PIB ou d'autres types de conditions. Le modèle de tarification des immobilisations (CAPM) est un modèle de régression souvent utilisé en finance pour la tarification des actifs et la découverte des coûts du capital.
La forme générale de chaque type de régression est:
- Régression linéaire: Y = a + bX + u Régression multiple: Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 +… + b t X t + u
Où:
- Y = la variable que vous essayez de prédire (variable dépendante).X = la variable que vous utilisez pour prédire Y (variable indépendante).a = l'ordonnée à l'origine.b = la pente.u = le résidu de régression.
Il existe deux types de régression de base: la régression linéaire et la régression linéaire multiple.
La régression prend un groupe de variables aléatoires, supposées prédire Y, et essaie de trouver une relation mathématique entre elles. Cette relation se présente généralement sous la forme d'une ligne droite (régression linéaire) qui correspond le mieux à tous les points de données individuels. Dans la régression multiple, les variables distinctes sont différenciées en utilisant des nombres avec des indices.
Points clés à retenir
- La régression aide les gestionnaires d'investissement et financiers à évaluer les actifs et à comprendre les relations entre les variables La régression peut aider les professionnels de la finance et de l'investissement ainsi que les professionnels d'autres entreprises.
Un exemple réel d'utilisation de l'analyse de régression
La régression est souvent utilisée pour déterminer combien de facteurs spécifiques tels que le prix d'un produit, les taux d'intérêt, des industries ou des secteurs particuliers influencent le mouvement des prix d'un actif. Le CAPM susmentionné est basé sur la régression et il est utilisé pour projeter les rendements attendus des actions et générer des coûts de capital. Les rendements d'une action sont régressés par rapport aux rendements d'un indice plus large, comme le S&P 500, pour générer un bêta pour l'action particulière.
Le bêta est le risque de l'action par rapport au marché ou à l'indice et est reflété comme la pente dans le modèle CAPM. Le rendement attendu de l'action en question serait la variable dépendante Y, tandis que la variable indépendante X serait la prime de risque de marché.
Des variables supplémentaires telles que la capitalisation boursière d'une action, les ratios d'évaluation et les rendements récents peuvent être ajoutés au modèle CAPM pour obtenir de meilleures estimations des rendements. Ces facteurs supplémentaires sont connus sous le nom de facteurs Fama-French, du nom des professeurs qui ont développé le modèle de régression linéaire multiple pour mieux expliquer les rendements des actifs.
