Regresión escalonada – Definición, comprensión y por qué es importante la regresión escalonada?

Introducción

La regresión por pasos se define como la construcción paso a paso de un modelo de regresión que incluye una selección automática de las variables que son independientes. El concepto básico es recopilar información relevante para llegar a una decisión informada, lo cual es una tradición muy común en el mundo de la inversión.

La regresión escalonada es una construcción detallada, paso a paso, de un sistema de regresión que implica una elección automática de las variables que son independientes. La disponibilidad de módulos de software estadístico ha hecho posible la regresión por pasos incluso cuando hay varios cientos de variables independientes.

Comprender la regresión escalonada

La regresión escalonada se puede realizar de dos maneras; 1. probando diversas variables independientes, una por una, incorporándolas al modelo de regresión 2. Incorporar todas las posibles variables independientes en el modelo de regresión y filtrar las que no son significativas.

El análisis de regresión que utiliza tanto el multivariado como el lineal son muy utilizados en el mundo de la inversión hoy en día. La idea principal es, sobre todo, averiguar las tendencias que se daban antes y que probablemente vuelvan a darse en los próximos días. Una regresión lineal básica, por ejemplo, puede considerar las relaciones precio-beneficio y los rendimientos de las acciones durante un número considerable de años para averiguar si la acción con una relación precio-beneficio baja ofrecerá mejores rendimientos (las variables son dependientes).

El principal problema de este enfoque es que las condiciones del mercado tienden a cambiar considerablemente y las relaciones que se hicieron en el pasado pueden no ser obligatoriamente válidas en el futuro o en el presente.

  • Las pruebas más populares son las pruebas t y las pruebas F.
  • Estas pruebas consumen muy poco tiempo y, por tanto, ahorran una cantidad considerable de tiempo.
  • El objetivo principal es encontrar aquellas variables independientes que impactan significativamente en las variables dependientes.
  • Deja un comentario