Untung Bersih Baki Regresi Linear
factor.formula
dalam:
- :
mewakili suku tahun ke-i, di mana i adalah dari suku tahun terkini (t) ke belakang hingga N suku tahun lalu, iaitu i = t, t-1, t-2 ... t-N+1
- :
Menunjukkan bilangan suku tahun terkini yang digunakan untuk analisis regresi. Nilai lalai ialah 8 dan boleh dilaraskan mengikut keadaan sebenar.
- :
Mewakili untung bersih yang boleh diagihkan kepada syarikat induk pada suku tahun ke-i. Data ini perlu dinormalkan dengan skor-Z untuk menghapuskan perbezaan dalam dimensi dan taburan.
- :
Mewakili pendapatan bukan operasi pada suku tahun ke-i. Data ini perlu dinormalkan dengan skor-Z untuk menghapuskan perbezaan dimensi dan taburan.
- :
Mewakili tunai yang dibayar kepada dan untuk pekerja pada suku tahun ke-i. Data ini perlu dinormalkan dengan skor-Z untuk menghapuskan perbezaan dimensi dan taburan.
- :
Sebutan pintasan model regresi menunjukkan nilai jangkaan pemboleh ubah bersandar apabila pemboleh ubah tak bersandar ialah 0. Ia tidak digunakan secara langsung dalam pengiraan faktor dan hanya digunakan untuk pembinaan model regresi.
- :
Pekali pendapatan bukan operasi dalam model regresi menunjukkan kesan setiap perubahan unit dalam pendapatan bukan operasi ke atas untung bersih apabila faktor lain tidak berubah.
- :
Pekali tunai yang dibayar kepada dan untuk pekerja dalam model regresi menunjukkan kesan setiap perubahan unit dalam tunai yang dibayar kepada dan untuk pekerja ke atas untung bersih, dengan mengandaikan faktor lain tidak berubah.
- :
Mewakili sebutan baki regresi pada suku tahun ke-i, mencerminkan bahagian untung bersih yang tidak dijelaskan oleh pendapatan bukan operasi dan tunai yang dibayar kepada dan untuk pekerja, iaitu untung bersih yang telah ditulenkan bagi tempoh semasa. Nilai faktor ini ialah baki yang sepadan dengan suku tahun terkini (t), ditandakan sebagai $\epsilon_0$
factor.explanation
Data kewangan mengandungi kedua-dua maklumat berkesan yang boleh meramalkan harga saham masa depan dan hingar yang tidak mempunyai kuasa ramalan untuk harga saham. Meningkatkan nisbah isyarat-kepada-hingar data adalah kunci untuk membina faktor-faktor yang berkesan. Untung bersih dipengaruhi oleh banyak faktor, beberapa daripadanya mungkin mempunyai hubungan yang lemah dengan keupayaan operasi teras syarikat, seperti pendapatan bukan operasi dan tunai yang dibayar kepada pekerja. Faktor ini bertujuan untuk menghapuskan hingar ini melalui regresi linear, dengan itu meningkatkan kuasa ramalan untung bersih. Secara khusus, melalui model regresi, kita cuba mencari bahagian untung bersih yang boleh dijelaskan oleh pendapatan bukan operasi dan aliran tunai yang dibayar kepada pekerja, dan menganggapnya sebagai penghapusan hingar. Baki sisa dianggap sebagai isyarat yang lebih berkaitan dengan keuntungan teras syarikat. Oleh itu, faktor ini dinamakan "Untung Bersih Baki Regresi Linear". Melalui kaedah ini, isyarat untung bersih yang lebih tulen boleh diperolehi, dengan itu meningkatkan keberkesanan pemilihan saham faktor. Penyeragaman skor-Z memproses semua pembolehubah sebelum regresi untuk menghapuskan perbezaan dalam dimensi dan taburan antara pembolehubah yang berbeza, menjadikan analisis regresi lebih munasabah dan boleh dipercayai.