DEFINISI Heteroskedastik
Heteroskedastic mengacu pada suatu kondisi di mana varian dari istilah residual, atau istilah kesalahan, dalam model regresi sangat bervariasi. Jika ini benar, mungkin bervariasi secara sistematis, dan mungkin ada beberapa faktor yang dapat menjelaskan hal ini. Jika demikian, maka model mungkin tidak didefinisikan dengan baik dan harus dimodifikasi sehingga varians sistematis ini dijelaskan oleh satu atau lebih variabel prediktor tambahan.
Kebalikan dari heteroskedastik adalah homoskedastik. Homoskedastisitas mengacu pada suatu kondisi di mana varian dari istilah residual konstan atau hampir sama. Homoskedasticity (juga dieja "homoscedasticity") adalah salah satu asumsi pemodelan regresi linier. Homoskedastisitas menunjukkan bahwa model regresi dapat didefinisikan dengan baik, artinya memberikan penjelasan yang baik tentang kinerja variabel dependen.
BREAKING DOWN Heteroskedastic
Heteroskedastisitas adalah konsep penting dalam pemodelan regresi, dan dalam dunia investasi, model regresi digunakan untuk menjelaskan kinerja sekuritas dan portofolio investasi. Yang paling terkenal di antaranya adalah Capital Asset Pricing Model (CAPM), yang menjelaskan kinerja suatu saham dalam hal volatilitas relatif terhadap pasar secara keseluruhan. Perluasan model ini telah menambahkan variabel prediktor lain seperti ukuran, momentum, kualitas, dan gaya (nilai vs pertumbuhan).
Variabel-variabel prediktor ini telah ditambahkan karena menjelaskan atau menjelaskan perbedaan dalam variabel dependen, kinerja portofolio, kemudian dijelaskan oleh CAPM. Misalnya, pengembang model CAPM menyadari bahwa model mereka gagal menjelaskan anomali yang menarik: saham berkualitas tinggi, yang lebih tidak stabil daripada saham berkualitas rendah, cenderung berkinerja lebih baik daripada yang diperkirakan model CAPM. CAPM mengatakan bahwa saham berisiko tinggi harus mengungguli saham berisiko rendah. Dengan kata lain, saham dengan volatilitas tinggi harus mengalahkan saham dengan volatilitas yang lebih rendah. Tetapi saham berkualitas tinggi, yang kurang stabil, cenderung berkinerja lebih baik dari yang diperkirakan oleh CAPM.
Kemudian, peneliti lain memperluas model CAPM (yang telah diperluas untuk memasukkan variabel prediktor lain seperti ukuran, gaya, dan momentum) untuk memasukkan kualitas sebagai variabel prediktor tambahan, juga dikenal sebagai "faktor." Dengan faktor ini sekarang dimasukkan dalam model, anomali kinerja saham volatilitas rendah diperhitungkan. Model-model ini, yang dikenal sebagai model multi-faktor, membentuk dasar investasi faktor dan beta pintar.
