a:

I tipi più comuni di regressione che un investitore può utilizzare sono regressioni lineari e regressioni lineari multiple. Le regressioni sono tecniche statistiche per identificare le relazioni tra variabili. Le variabili maggiormente interessate sono i prezzi delle attività.

Regressioni lineari

Una regressione lineare individua la relazione tra una variabile indipendente e una variabile dipendente. Gli investitori potrebbero voler individuare la relazione tra due asset. Ad esempio, l'investitore potrebbe voler trovare la relazione tra le variazioni dei prezzi di un singolo stock e le variazioni dei prezzi in un indice di borsa più grande. In questo caso, l'indice di mercato è la variabile indipendente e il singolo prezzo azionario è la variabile dipendente. L'analisi di regressione formula l'ipotesi che il movimento in una variabile, lo stock indipendente, dipenda dal movimento nell'indice azionario.

L'analisi di regressione identifica una linea di regressione lineare tra le variabili usando il metodo più adatto per i minimi quadrati. Un'analisi lineare di regressione mostra una linea tra le osservazioni. Il termine di errore dal calcolo mostra quanto lontano le osservazioni sono dalla linea per la regressione lineare.

Regressioni lineari multiple

La regressione lineare multipla modella la relazione lineare tra più variabili esplicative e una variabile di risposta. La relazione è modellata usando una retta che si avvicina ad una misura migliore per le osservazioni dei dati. Gli investitori potrebbero voler modellare il prezzo di un'attività come una variabile di risposta basata su altri punti di dati fondamentali o quantitativi. Ciò consente una modellazione più complessa rispetto a singole regressioni lineari. Ad esempio, un investitore che cerca di prevedere il prezzo di uno stock petrolifero potrebbe considerare i tassi di interesse prevalenti, i tassi d'indice e il prezzo dei futures del petrolio greggio nel modello.