Regressieanalyse is een set statistische methoden die wordt gebruikt voor het schatten van relaties tussen een afhankelijke variabele en een of meer onafhankelijke variabelen Onafhankelijke variabele Een onafhankelijke variabele is een invoer, aanname of drijfveer die wordt gewijzigd om de impact ervan op een afhankelijke variabele te beoordelen (de uitkomst). . Het kan worden gebruikt om de sterkte van de relatie tussen variabelen te beoordelen en om de toekomstige relatie daartussen te modelleren.
Regressieanalyse omvat verschillende variaties, zoals lineair, meervoudig lineair en niet-lineair. De meest voorkomende modellen zijn eenvoudig lineair en meervoudig lineair. Niet-lineaire regressieanalyse wordt vaak gebruikt voor meer gecompliceerde gegevenssets waarin de afhankelijke en onafhankelijke variabelen een niet-lineaire relatie vertonen.
Regressieanalyse biedt tal van toepassingen in verschillende disciplines, waaronder financiën.
Regressieanalyse - aannames van lineaire modellen
Lineaire regressieanalyse is gebaseerd op zes fundamentele aannames:
- De afhankelijke en onafhankelijke variabelen laten een lineair verband zien tussen de helling en het snijpunt.
- De onafhankelijke variabele is niet willekeurig.
- De waarde van het residu (fout) is nul.
- De waarde van het residu (fout) is constant voor alle waarnemingen.
- De waarde van het residu (fout) is niet gecorreleerd tussen alle waarnemingen.
- De rest (fout) waarden volgen de normale verdeling.
Regressieanalyse - Eenvoudige lineaire regressie
Eenvoudige lineaire regressie is een model dat de relatie tussen een afhankelijke variabele en een onafhankelijke variabele beoordeelt. Het eenvoudige lineaire model wordt uitgedrukt met behulp van de volgende vergelijking:
Y = een + bX + ϵ
Waar:
- Y - Afhankelijke variabele
- X - Onafhankelijke (verklarende) variabele
- a - onderscheppen
- b - Helling
- ϵ - Residu (fout)
Regressieanalyse - Meerdere lineaire regressie
Meervoudige lineaire regressieanalyse is in wezen vergelijkbaar met het eenvoudige lineaire model, met de uitzondering dat er meerdere onafhankelijke variabelen in het model worden gebruikt. De wiskundige weergave van meervoudige lineaire regressie is:
Y = een + b X 1 + c X 2 + d X 3 + ϵ
Waar:
- Y - Afhankelijke variabele
- X 1 , X 2 , X 3 - Onafhankelijke (verklarende) variabelen
- a - onderscheppen
- b, c, d - Hellingen
- ϵ - Residu (fout)
Meervoudige lineaire regressie volgt dezelfde voorwaarden als het eenvoudige lineaire model. Omdat er echter meerdere onafhankelijke variabelen zijn in meervoudige lineaire analyses, is er nog een andere verplichte voorwaarde voor het model:
- Niet-collineariteit: onafhankelijke variabelen moeten een minimale correlatie met elkaar vertonen. Als de onafhankelijke variabelen sterk met elkaar gecorreleerd zijn, zal het moeilijk zijn om de ware relaties tussen de afhankelijke en onafhankelijke variabelen te beoordelen.
Regressieanalyse in financiën
Regressieanalyse kent verschillende toepassingen in de financiële wereld. De statistische methode is bijvoorbeeld fundamenteel voor het Capital Asset Pricing Model (CAPM) Capital Asset Pricing Model (CAPM) Het Capital Asset Pricing Model (CAPM) is een model dat de relatie beschrijft tussen verwacht rendement en risico van een effect. CAPM-formule laat zien dat het rendement van een effect gelijk is aan het risicovrije rendement plus een risicopremie, gebaseerd op de bèta van dat effect. In wezen is de CAPM-vergelijking een model dat de relatie bepaalt tussen het verwachte rendement van een actief en de marktrisicopremie.
De analyse wordt ook gebruikt om het rendement van effecten te voorspellen, op basis van verschillende factoren, of om de prestaties van een bedrijf te voorspellen. Leer meer prognosemethoden in de cursus Budgettering en prognose van Finance!
1. Beta en CAPM
In de financiële wereld wordt regressieanalyse gebruikt om de bèta bèta te berekenen. De bèta (β) van een belegging (dwz een aandeel) is een maatstaf voor de volatiliteit van het rendement ten opzichte van de gehele markt. Het wordt gebruikt als een risicomaatstaf en is een integraal onderdeel van het Capital Asset Pricing Model (CAPM). Een bedrijf met een hogere bèta heeft een groter risico en ook een hoger verwacht rendement. (volatiliteit van het rendement ten opzichte van de totale markt) voor een aandeel. Het kan in Excel worden gedaan met behulp van de Helling-functie. SLOPE-functie. De SLOPE-functie is gecategoriseerd onder Excel-statistische functies. Het retourneert de helling van de lineaire regressielijn door de gegevenspunten in y-bekend en x-bekend. Bij financiële analyse kan SLOPE nuttig zijn bij het berekenen van de bèta voor een aandeel. Formule = LOPE (y-bekend, x-bekend) De functie gebruikt de.
Download de gratis bètacalculator van Finance Beta Calculator Met deze bètacalculator kunt u de volatiliteit van het rendement van een individueel aandeel ten opzichte van de gehele markt meten. De bèta (β) van een beleggingsobject (dwz een aandeel) is een maatstaf voor de volatiliteit van het rendement in verhouding tot de gehele markt. Het wordt gebruikt als risicomaatstaf en maakt integraal deel uit van de Cap!
2. Voorspelling van inkomsten en uitgaven
Bij het voorspellen van financiële overzichten Financiële prognoses Financiële prognoses zijn het proces van het schatten of voorspellen van hoe een bedrijf in de toekomst zal presteren. In deze gids over het opstellen van een financiële prognose voor een bedrijf kan het nuttig zijn om een meervoudige regressieanalyse uit te voeren om te bepalen hoe veranderingen in bepaalde aannames of drijfveren van het bedrijf de inkomsten of uitgaven in de toekomst zullen beïnvloeden. Er kan bijvoorbeeld een zeer hoge correlatie bestaan tussen het aantal verkopers dat in dienst is van een bedrijf, het aantal winkels dat ze exploiteren en de inkomsten die het bedrijf genereert.
Het bovenstaande voorbeeld laat zien hoe u de voorspellingsfunctie VOORSPELLEN-functie gebruikt. De VOORSPELLEN-functie is gecategoriseerd onder Excel statistische functies. Het berekent of voorspelt voor ons een toekomstige waarde met behulp van bestaande waarden. Bij financiële modellering kan de prognosefunctie nuttig zijn bij het berekenen van de statistische waarde van een gemaakte prognose. Als we bijvoorbeeld de inkomsten uit het verleden kennen en in Excel de inkomsten van een bedrijf berekenen op basis van het aantal advertenties dat het uitvoert.
Leer meer prognosemethoden in de cursus Budgettering en prognose van Finance!
Aanvullende bronnen
We hopen dat je het leuk vond om de financiële uitleg van regressieanalyse te lezen. Finance biedt de Financial Modelling & Valuation Analyst (FMVA) ™ FMVA®-certificering Sluit je aan bij 350.600+ studenten die werken voor bedrijven als Amazon, JP Morgan en Ferrari-certificeringsprogramma voor diegenen die hun carrière naar een hoger niveau willen tillen. Raadpleeg de volgende gratis bronnen voor financiën voor meer informatie over verwante onderwerpen:
- Analyse van kostengedrag Analyse van kostengedrag De analyse van kostengedrag verwijst naar de poging van het management om te begrijpen hoe de bedrijfskosten veranderen in relatie tot een verandering in het activiteitenniveau van een organisatie. Deze kosten kunnen directe materialen, directe arbeidskosten en overheadkosten omvatten die worden gemaakt bij het ontwikkelen van een product.
- Financiële modellering Vaardigheden Financiële modellering Leer de 10 belangrijkste financiële modelleringsvaardigheden en wat er nodig is om goed te zijn in financiële modellering in Excel. Belangrijkste vaardigheden: boekhouden
- Voorspellingsmethoden Voorspellingsmethoden Topvoorspellingsmethoden. In dit artikel leggen we vier soorten inkomstenvoorspellingsmethoden uit die financiële analisten gebruiken om toekomstige inkomsten te voorspellen.
- Hoog-laag-methode Hoog-laag-methode Bij kostenberekening is de hoog-laag-methode een techniek die wordt gebruikt om gemengde kosten op te splitsen in variabele en vaste kosten. Hoewel de hoog-laag-methode gemakkelijk toe te passen is, wordt deze zelden gebruikt, omdat deze de kosten kan verstoren doordat hij afhankelijk is van twee extreme waarden uit een bepaalde dataset. Formule voor de hoog-laag methode De formule voor
