Остаточная чистая прибыль линейной регрессии
factor.formula
где:
- :
представляет i-й квартал, где i от последнего квартала (t) до N кварталов назад, т.е. i = t, t-1, t-2 ... t-N+1
- :
Указывает количество последних кварталов, используемых для регрессионного анализа. Значение по умолчанию - 8 и может быть скорректировано в зависимости от фактических условий.
- :
Представляет чистую прибыль, относящуюся к материнской компании, в i-м квартале. Эти данные должны быть нормализованы по Z-оценке для устранения различий в размерностях и распределении.
- :
Представляет прочие доходы i-го квартала. Эти данные должны быть нормализованы по Z-оценке для устранения различий в размерностях и распределении.
- :
Представляет денежные средства, выплаченные работникам, в i-м квартале. Эти данные должны быть нормализованы по Z-оценке для устранения различий в размерностях и распределении.
- :
Свободный член регрессионной модели указывает ожидаемое значение зависимой переменной, когда независимая переменная равна 0. Он не используется непосредственно при расчете фактора и используется только для построения регрессионной модели.
- :
Коэффициент прочих доходов в регрессионной модели указывает влияние каждого единичного изменения прочих доходов на чистую прибыль, когда другие факторы остаются неизменными.
- :
Коэффициент денежных средств, выплаченных работникам, в регрессионной модели указывает влияние каждого единичного изменения денежных средств, выплаченных работникам, на чистую прибыль, при условии, что другие факторы остаются неизменными.
- :
Представляет остаточный член регрессии в i-м квартале, отражающий ту часть чистой прибыли, которая не объясняется прочими доходами и денежными средствами, выплаченными работникам, то есть очищенную чистую прибыль текущего периода. Значение этого фактора является остатком, соответствующим последнему кварталу (t), обозначенным как $\epsilon_0$
factor.explanation
Финансовые данные содержат как эффективную информацию, которая может предсказывать будущие цены на акции, так и шум, который не имеет прогностической силы для цен на акции. Улучшение отношения сигнал/шум данных является ключом к построению эффективных факторов. На чистую прибыль влияет множество факторов, некоторые из которых могут быть слабо связаны с основными операционными возможностями компании, такие как прочие доходы и денежные средства, выплаченные работникам. Этот фактор направлен на устранение этих шумов с помощью линейной регрессии, тем самым повышая прогностическую силу чистой прибыли. В частности, с помощью регрессионной модели мы пытаемся найти ту часть чистой прибыли, которая может быть объяснена прочими доходами и денежным потоком, выплаченным работникам, и рассматриваем ее как устранение шума. Оставшийся остаток считается сигналом, который более связан с основной прибыльностью компании. Поэтому этот фактор называется "Остаточная чистая прибыль линейной регрессии". С помощью этого метода можно получить более чистый сигнал чистой прибыли, тем самым повышая эффективность отбора акций на основе факторов. Z-оценка стандартизирует все переменные перед регрессией, чтобы устранить различия в размерностях и распределении между различными переменными, что делает регрессионный анализ более разумным и надежным.