Natirang Netong Kita ng Linear Regression
factor.formula
sa:
- :
kumakatawan sa ika-i na quarter, kung saan ang i ay mula sa pinakahuling quarter (t) pabalik sa N na quarter na nakalipas, i.e. i = t, t-1, t-2 ... t-N+1
- :
Nagpapahiwatig ng bilang ng mga kamakailang quarter na ginamit para sa regression analysis. Ang default na halaga ay 8 at maaaring iakma ayon sa aktwal na mga kondisyon.
- :
Kumakatawan sa netong kita na maiuugnay sa parent company sa ika-i na quarter. Ang datos na ito ay kailangang i-normalize ng Z-score upang maalis ang mga pagkakaiba sa mga dimensyon at distribusyon.
- :
Kumakatawan sa hindi operating na kita ng ika-i na quarter. Ang datos na ito ay kailangang i-normalize ng Z-score upang maalis ang mga pagkakaiba sa dimensyon at distribusyon.
- :
Kumakatawan sa cash na binayaran sa at para sa mga empleyado sa ika-i na quarter. Ang datos na ito ay kailangang i-normalize ng Z-score upang maalis ang mga pagkakaiba sa dimensyon at distribusyon.
- :
Ang intercept term ng regression model ay nagpapahiwatig ng inaasahang halaga ng dependent variable kapag ang independent variable ay 0. Hindi ito direktang ginagamit sa pagkalkula ng factor at ginagamit lamang para sa pagbuo ng regression model.
- :
Ang coefficient ng hindi operating na kita sa regression model ay nagpapahiwatig ng epekto ng bawat unit na pagbabago sa hindi operating na kita sa netong kita kapag ang ibang mga factor ay nananatiling hindi nagbabago.
- :
Ang coefficient ng cash na binayaran sa at para sa mga empleyado sa regression model ay nagpapahiwatig ng epekto ng bawat unit na pagbabago sa cash na binayaran sa at para sa mga empleyado sa netong kita, sa pag-aakalang ang iba pang mga factor ay nananatiling hindi nagbabago.
- :
Kumakatawan sa residual term ng regression sa ika-i na quarter, na nagpapakita ng bahagi ng netong kita na hindi ipinaliwanag ng hindi operating na kita at cash na binayaran sa at para sa mga empleyado, iyon ay, ang dalisay na netong kita ng kasalukuyang panahon. Ang halaga ng factor na ito ay ang residual na tumutugma sa pinakahuling quarter (t), na tinutukoy bilang $\epsilon_0$
factor.explanation
Ang datos pinansyal ay naglalaman ng parehong epektibong impormasyon na maaaring makahula sa mga presyo ng stock sa hinaharap at ingay na walang kakayahang makahula sa mga presyo ng stock. Ang pagpapabuti ng signal-to-noise ratio ng datos ay ang susi sa pagbuo ng epektibong mga factor. Ang netong kita ay apektado ng maraming mga factor, ang ilan sa mga ito ay maaaring mahinang kaugnayan sa pangunahing kakayahan ng kumpanya, tulad ng hindi operating na kita at cash na binayaran sa mga empleyado. Ang factor na ito ay naglalayong alisin ang mga ingay na ito sa pamamagitan ng linear regression, kaya pinapabuti ang predictive power ng netong kita. Partikular, sa pamamagitan ng regression model, sinusubukan naming hanapin ang bahagi ng netong kita na maaaring ipaliwanag ng hindi operating na kita at daloy ng salapi na binayaran sa mga empleyado, at ituring ito bilang pag-aalis ng ingay. Ang natitirang residual ay itinuturing na isang signal na mas nauugnay sa pangunahing kakayahang kumita ng kumpanya. Samakatuwid, ang factor na ito ay pinangalanang "Natirang Netong Kita ng Linear Regression". Sa pamamagitan ng pamamaraang ito, ang isang mas dalisay na signal ng netong kita ay maaaring makuha, kaya pinapabuti ang pagiging epektibo ng factor stock selection. Ang Z-score standardization ay nagpoproseso ng lahat ng mga variable bago ang regression upang maalis ang mga pagkakaiba sa mga dimensyon at distribusyon sa pagitan ng iba't ibang mga variable, na ginagawang mas makatwiran at maaasahan ang regression analysis.