Définition de régression

Qu'est-ce que la régression?

La régression est une mesure statistique utilisée dans les domaines de la finance, de l'investissement et dans d'autres disciplines, qui tente de déterminer la force de la relation entre une variable dépendante (généralement notée Y) et une série d'autres variables changeantes (appelées variables indépendantes).

La régression aide les gestionnaires de placements et les gestionnaires financiers à évaluer les actifs et à comprendre les relations entre les variables, telles que les prix des produits de base et les actions des entreprises s’occupant de ces produits.

1:21

Régression

La régression expliquée

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 complexes. 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 précédentes, de la croissance du PIB ou d’autres types de conditions. Le modèle d'évaluation des immobilisations (CAPM) est un modèle de régression souvent utilisé en finance pour évaluer les actifs et découvrir les coûts du capital.

La forme générale de chaque type de régression est la suivante:

• 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'interception.
• 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, censées prédire Y, et tente de trouver une relation mathématique entre elles. Cette relation se présente généralement sous la forme d’une ligne droite (régression linéaire) qui se rapproche le mieux de tous les points de données individuels. Dans la régression multiple, les variables distinctes sont différenciées en utilisant des nombres avec indices.

Points clés à retenir

• La régression aide les gestionnaires de placements et les gestionnaires 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.

Exemple concret d'utilisation de l'analyse de régression

La régression est souvent utilisée pour déterminer le nombre de facteurs spécifiques tels que le prix d'un produit, les taux d'intérêt, des industries ou des secteurs particuliers qui influencent le mouvement des prix d'un actif. Le MEDAF mentionné ci-dessus est basé sur la régression et est utilisé pour projeter les rendements attendus des stocks et générer des coûts de capital. Les rendements d'une action sont régressés par rapport à ceux d'un indice plus large, tel que l'indice S & P 500, afin de générer un bêta pour l'action en question.

Le bêta est le risque de l'action par rapport au marché ou à l'indice et est reflété par la pente dans le modèle GPAO. Le rendement attendu pour le stock en question serait la variable dépendante Y, tandis que la variable indépendante X serait la prime de risque du marché.

Des variables supplémentaires telles que la capitalisation boursière d'une action, les ratios d'évaluation et les rendements récents peuvent être ajoutées au modèle GPAO 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 afin de mieux expliquer le rendement des actifs.

Comparaison des comptes d'investissement Nom du fournisseur Description Divulgation par l'annonceur × Les offres figurant dans ce tableau proviennent de partenariats avec lesquels Investopedia reçoit une rémunération.

Termes connexes

Qu'est-ce qu'un terme d'erreur? Un terme d'erreur est défini comme une variable dans un modèle statistique, qui est créé lorsque le modèle ne représente pas complètement la relation réelle entre les variables indépendantes et dépendantes. more Fonctionnement de la régression linéaire multiple La régression linéaire multiple (MLR) est une technique statistique qui utilise plusieurs variables explicatives pour prédire l’issue d’une variable de réponse. more Ligne de meilleur ajustement La ligne de meilleur ajustement est un résultat d'analyse de régression qui représente la relation entre deux variables ou plus dans un ensemble de données. plus R au carré Le R au carré est une mesure statistique qui représente la proportion de la variance pour une variable dépendante expliquée par une variable indépendante. more Fonctionnement de la méthode des moindres carrés La méthode des moindres carrés est une technique statistique permettant de déterminer la droite de meilleur ajustement pour un modèle, spécifiée par une équation avec certains paramètres aux données observées. more Hétéroscédasticité En statistique, l'hétéroscédasticité se produit lorsque les écarts-types d'une variable, surveillés sur une période de temps donnée, sont non constants. plus de liens partenaires