Regressioonanalüüs on statistiliste meetodite kogum, mida kasutatakse sõltuva muutuja ja ühe või mitme sõltumatu muutuja vaheliste seoste hindamiseks Sõltumatu muutuja Sõltumatu muutuja on sisend, eeldus või draiver, mida muudetakse, et hinnata selle mõju sõltuvale muutujale (tulemus). . Seda saab kasutada muutujate seose tugevuse hindamiseks ja nende vahelise tulevase suhte modelleerimiseks.
Regressioonanalüüs sisaldab mitmeid variatsioone, nagu lineaarne, mitmekordne lineaarne ja mittelineaarne. Kõige tavalisemad mudelid on lihtsad lineaarsed ja mitmekordsed. Mittelineaarset regressioonanalüüsi kasutatakse tavaliselt keerukamate andmekogumite puhul, kus sõltuvad ja sõltumatud muutujad näitavad mittelineaarset seost.
Regressioonanalüüs pakub arvukalt rakendusi erinevatel erialadel, sealhulgas rahanduses.
Regressioonanalüüs - lineaarse mudeli eeldused
Lineaarne regressioonanalüüs põhineb kuuel põhieeldusel:
- Sõltuvad ja sõltumatud muutujad näitavad lineaarset suhet nõlva ja ristmiku vahel.
- Sõltumatu muutuja pole juhuslik.
- Jääk (viga) on null.
- Jäägi (vea) väärtus on kõigi vaatluste puhul konstantne.
- Jäägi (vea) väärtus ei ole kõigi vaatluste vahel korrelatsioonis.
- Jääk (viga) väärtused järgivad normaaljaotust.
Regressioonianalüüs - lihtne lineaarne regressioon
Lihtne lineaarne regressioon on mudel, mis hindab sõltuva muutuja ja sõltumatu muutuja suhet. Lihtsat lineaarset mudelit väljendatakse järgmise võrrandi abil:
Y = a + bX + ϵ
Kus:
- Y - Sõltuv muutuja
- X - sõltumatu (selgitav) muutuja
- a - Kuulata
- b - kalle
- ϵ - jääk (viga)
Regressioonianalüüs - mitu lineaarset regressiooni
Mitu lineaarset regressioonanalüüsi sarnaneb sisuliselt lihtsa lineaarse mudeliga, välja arvatud see, et mudelis kasutatakse mitut sõltumatut muutujat. Mitme lineaarse regressiooni matemaatiline esitus on:
Y = a + bX1 + cX2 + dX3 + ϵ
Kus:
- Y - Sõltuv muutuja
- X1, X2, X3 - Sõltumatud (selgitavad) muutujad
- a - Kuulata
- b, c, d - nõlvad
- ϵ - jääk (viga)
Mitmekordne lineaarne regressioon järgib samu tingimusi kui lihtne lineaarne mudel. Kuna aga mitmes lineaarses analüüsis on mitu sõltumatut muutujat, on mudeli jaoks veel üks kohustuslik tingimus:
- Mittekollineaarsus: Sõltumatud muutujad peaksid näitama minimaalset korrelatsiooni üksteisega. Kui sõltumatud muutujad on omavahel tihedalt seotud, on sõltuvate ja sõltumatute muutujate vahelisi tõelisi seoseid raske hinnata.
Regressioonianalüüs rahanduses
Regressioonianalüüsil on rahanduses mitu rakendust. Näiteks on statistiline meetod põhivara hinnakujunduse mudeli (CAPM) jaoks põhivara hinnakujunduse mudel (CAPM). Kapitali vara hinnakujunduse mudel (CAPM) on mudel, mis kirjeldab väärtpaberi oodatava tootluse ja riski suhet. CAPM-i valem näitab, et väärtpaberi tootlus on võrdne riskivaba tulu pluss riskipreemiaga, mis põhineb selle väärtpaberi beetaversioonil. Põhimõtteliselt on CAPM-i võrrand mudel, mis määrab vara oodatava tootluse ja tururiski preemia vahelise seose.
Analüüsi kasutatakse ka väärtpaberite tootluse prognoosimiseks, lähtudes erinevatest teguritest, või ettevõtte tulemuslikkuse prognoosimiseks. Lisateavet prognoosimismeetodite kohta leiate Finance's Eelarve koostamise ja prognoosimise kursusest!
1. Beeta ja CAPM
Rahanduses kasutatakse beeta beetaversiooni arvutamiseks regressioonanalüüsi. Investeerimispaberi (s.t aktsia) beeta (β) mõõdab selle tootluse kõikumist kogu turu suhtes. Seda kasutatakse riski mõõtmiseks ja see on kapitalivara hinnamudeli (CAPM) lahutamatu osa. Kõrgema beetaversiooniga ettevõttel on suurem risk ja ka suurem oodatav tootlus. (tootluse kõikumine kogu turu suhtes) aktsia jaoks. Seda saab teha Excelis, kasutades funktsiooni Kallak. Funktsioon KALPSUS Funktsioon KALLUM on liigitatud Exceli statistiliste funktsioonide alla. See tagastab lineaarse regressioonijoone nõlva tuntud_y ja teada_x andmepunktide kaudu. Finantsanalüüsis võib SLOPE olla kasulik aktsia beeta arvutamisel. Valem = LOPE (teada_y's, tuntud_x's) Funktsioon kasutab.
Laadige alla Finance'i tasuta beetakalkulaator Beetakalkulaator See beetakalkulaator võimaldab teil mõõta üksikute aktsiate tootluse kõikumist kogu turu suhtes. Investeerimispaberi (s.t aktsia) beeta (β) on selle tootluse kõikuvuse mõõtmine kogu turu suhtes. Seda kasutatakse riski mõõtmiseks ja see on ülemmäära lahutamatu osa!
2. Tulude ja kulude prognoosimine
Finantsprognooside prognoosimisel finantsprognoosimine Finantsprognoosimine on protsess, kuidas hinnata või ennustada, kuidas ettevõte tulevikus toimib. See juhend ettevõtte finantsprognoosi koostamiseks võib olla kasulik teha mitmekordne regressioonanalüüs, et teha kindlaks, kuidas ettevõtte teatud eelduste või ajurite muutmine mõjutab tulevikus tulusid või kulusid. Näiteks võib olla väga kõrge seos ettevõtte palgatud müüjate arvu, nende opereeritavate kaupluste arvu ja ettevõtte teenitava tulu vahel.
Ülaltoodud näide näitab funktsiooni Prognoos funktsiooni PROGNOOS kasutamine Funktsioon PROGNOOS liigitatakse Exceli statistiliste funktsioonide alla. See arvutab või prognoosib meile tulevase väärtuse, kasutades olemasolevaid väärtusi. Finantsmodelleerimisel võib prognoosifunktsioon olla kasulik tehtud prognoosi statistilise väärtuse arvutamisel. Näiteks kui teame varasemat tulu ja arvutame Excelis ettevõtte tulude arvutamiseks selle esitatavate reklaamide arvu põhjal.
Lisateavet prognoosimismeetodite kohta leiate Finance's Eelarve koostamise ja prognoosimise kursusest!
Lisaressursid
Loodetavasti on teile meeldinud lugeda Finance'i selgitust regressioonianalüüsi kohta. Finance pakub finantsmodelleerimise ja hindamise analüütikule (FMVA) ™ FMVA® sertifikaati. Liituge 350 600+ üliõpilasega, kes töötavad sellistes ettevõtetes nagu Amazon, JP Morgan ja Ferrari sertifitseerimisprogrammis neile, kes soovivad oma karjääri järgmisele tasemele viia. Seotud teemade kohta lisateabe saamiseks vaadake järgmisi tasuta Finance'i ressursse:
- Kulukäitumise analüüs Kulukäitumise analüüs Kulukäitumise analüüs viitab juhtkonna katsele mõista, kuidas muutuvad tegevuskulud seoses organisatsiooni tegevuse taseme muutusega. Need kulud võivad hõlmata otseseid materjale, otsest tööjõudu ja üldkulusid, mis tekivad toote väljatöötamisel.
- Finantsmodelleerimise oskused Finantsmodelleerimise oskused Õppige 10 kõige olulisemat finantsmudeli loomise oskust ja seda, mis on vajalik Excelis finantsmudeli loomiseks. Kõige olulisemad oskused: raamatupidamine
- Prognoosimeetodid Prognoosimeetodid Parimad prognoosimeetodid. Selles artiklis selgitame nelja tüüpi tulude prognoosimise meetodeid, mida finantsanalüütikud kasutavad tulevaste tulude prognoosimiseks.
- Kõrge-madal meetod Kõrge-madal meetod Kulude arvestuses on kõrge-madala meetod meetod, mida kasutatakse segakulude jagamiseks muutuv- ja püsikuludeks. Kuigi kõrge-madala meetodit on lihtne rakendada, kasutatakse seda harva, kuna see võib moonutada kulusid, kuna see tugineb kahele äärmuslikule väärtusele antud andmekogumis. Valemi kõrge-madala meetodi valem
