DEFINIÇÃO de Heteroscedástico
Heterocedástico refere-se a uma condição na qual a variação do termo residual, ou termo de erro, em um modelo de regressão varia amplamente. Se isso for verdade, pode variar de maneira sistemática e pode haver algum fator que possa explicar isso. Nesse caso, o modelo pode estar mal definido e deve ser modificado para que essa variação sistemática seja explicada por uma ou mais variáveis preditivas adicionais.
O oposto de heterocedástico é homosquástico. Homocedasticidade refere-se a uma condição na qual a variação do termo residual é constante ou quase. A homocedasticidade (também denominada "homocedasticidade") é uma suposição da modelagem de regressão linear. A homocedasticidade sugere que o modelo de regressão pode ser bem definido, o que significa que fornece uma boa explicação do desempenho da variável dependente.
QUEBRANDO Heteroscedástico
A heterocedasticidade é um conceito importante na modelagem de regressão e, no mundo dos investimentos, modelos de regressão são usados para explicar o desempenho de títulos e carteiras de investimentos. O mais conhecido deles é o CAPM (Capital Asset Pricing Model), que explica o desempenho de uma ação em termos de volatilidade em relação ao mercado como um todo. Extensões deste modelo adicionaram outras variáveis preditivas, como tamanho, momento, qualidade e estilo (valor versus crescimento).
Essas variáveis preditivas foram adicionadas porque explicam ou explicam a variação na variável dependente, desempenho do portfólio e, em seguida, são explicadas pelo CAPM. Por exemplo, os desenvolvedores do modelo CAPM estavam cientes de que seu modelo falhou em explicar uma anomalia interessante: estoques de alta qualidade, que eram menos voláteis que estoques de baixa qualidade, tendiam a ter um desempenho melhor do que o modelo CAPM previsto. O CAPM diz que as ações de maior risco devem superar as ações de menor risco. Em outras palavras, as ações de alta volatilidade devem superar as ações de menor volatilidade. Porém, os estoques de alta qualidade, que são menos voláteis, tendem a ter um desempenho melhor do que o previsto pelo CAPM.
Mais tarde, outros pesquisadores estenderam o modelo CAPM (que já havia sido estendido para incluir outras variáveis preditivas, como tamanho, estilo e momento) para incluir a qualidade como uma variável preditora adicional, também conhecida como "fator". Com esse fator agora incluído no modelo, foi contabilizada a anomalia de desempenho dos estoques de baixa volatilidade. Esses modelos, conhecidos como modelos multifatoriais, formam a base do investimento em fatores e do beta inteligente.
