a:

Ve finančním světě je R-squared statistickým měřítkem, které představuje procento fondu nebo pohyby cenného papíru, které lze vysvětlit pohyby v referenčním indexu. Kde korelace vysvětluje silu vztahu mezi nezávislou a závislou proměnnou, R-squared vysvětluje, do jaké míry odchylka jedné proměnné vysvětluje rozptyl druhé proměnné. Vzorec pro R-squared je prostě korelační. ( Chcete se dozvědět více o programu Excel? Navštivte Investopedia Academy pro naše kurzy excelence ).

Časté chyby s R-squared

Jedinou nejčastější chybou je předpokládat, že R-squared přiblížení +/- 1 je statisticky významné. Čtení přibližující se +/- 1 rozhodně zvyšuje šance na skutečnou statistickou významnost, ale bez dalších testů není možné vědět jen na základě výsledků. Statistické testování není vůbec jednoduché; může se z mnoha důvodů zkomplikovat. Abychom se na to krátce dotýkali, kritický předpoklad korelace (a tedy R-kvadrát) spočívá v tom, že proměnné jsou nezávislé a že vztah mezi nimi je lineární. Teoreticky byste tyto tvrzení otestovali, abyste zjistili, zda je vhodný výpočet korelace.

Druhou nejčastější chybou je zapomenutí normalizovat data do společné jednotky. Pokud vypočítáte korelaci (nebo R-kvadrát) na dvou betas, jednotky jsou již normalizovány: Jednotka je beta. Nicméně, pokud chcete propojit akcie, je důležité, že je normalizujete do procentního výnosu a nezměníte změny cen. To se stává příliš často, dokonce i mezi investory.

Pokud jde o korelaci mezi cenami akcií (nebo R-kvadrát), v podstatě se ptáte dvě otázky: Jaký je návratnost za určitý počet období a jak se tato odchylka týká jiného rozptylu cenných papírů stejné období? Dvě cenné papíry mohou mít vysokou korelaci (nebo R-čtvereček), pokud je návratnost denně procentních změn za posledních 52 týdnů, ale nízká korelace, pokud je výnos měsíčně posledních 52 týdnů. Který je lepší"? Opravdu neexistuje dokonalá odpověď a záleží na účelu testu.

Jak vypočítat R-squared v aplikaci Excel

Existuje několik metod výpočtu R-squared v aplikaci Excel.

Nejjednodušší je získat dvě sady dat a použít vestavěný vzorec R-squared. Druhou alternativou je najít korelaci, pak ji rozdělit. Oba jsou zobrazeny níže: