كيف تؤثر فترة الوقت على R Squared؟
إجابة مباشرة
تؤثر فترة الوقت على R Squared لأن الحساب يستخدم بيانات من نافذة ملاحظة محددة. عندما تتغير فترة الحفظ أو نافذة الوقت، تتغير خلطة أنظمة السوق، كمية الضوضاء، وطريقة مطابقة النموذج مع ما يتم ملاحظته. وبالتالي، يمكن أن يزداد أو ينخفض أو يصبح غير مستقر R Squared المبلغ عنه.
آلية أو تعريف
R Squared (غالبًا ما يتم كتابته R²) هو إحصاء يخصم كمية التغير في متغير تابع يفسره نموذج. في إعداد الانحدار النموذجي، فهو مرتبط بنسبة التغير المفسر إلى التغير الإجمالي عبر نقاط البيانات المستخدمة.
تدخل فترة الوقت لأن مجموعة البيانات الخاصة بك مؤرخة زمنيًا. طريقتان شائعتان لتغيير فترة الوقت هما:
- تغيير نافذة الملاحظة: قد تحسب R Squared باستخدام بيانات يومية لمدة شهر مقابل سنة واحدة. تشمل النافذة الأطول عددًا أكبر من الحلقات، لذلك يتم متوسط العلاقة (إذا كانت موجودة) عبر ظروف أكثر.
- تغيير فترة العينة/الحفظ: قد تبني العوائد أو التغييرات عبر أفق مختلف (على سبيل المثال، باستخدام تغييرات يوم واحد مقابل تغييرات متعددة الأيام). تتغير سلسلة التبعية وهياكل الضوضاء، مما يغير المحاذاة المرفقة وبالتالي R Squared.
بسبب أن R Squared يعتمد على البقايا (الاختلاف بين القيم الملاحظة ومخرجات النموذج)، فإن تغيير فترة الوقت يغير أنماط البقايا. هذا هو السبب الرئيسي لتوقع الحساسية لفترة الوقت.
تأثير السيناريو: الحساسية لفترات الملاحظة والحفظ
اعتبر سيناريو بسيط حيث يتنبأ نموذج بتغيير السعر باستخدام ميزة مستمدة من البيانات السابقة. إذا حسبت R Squared على فترة زمنية قصيرة، فقد تلتقط فترة يتوافق فيها النموذج مع الحركة الملاحظة. في فترة زمنية مختلفة—خاصة واحدة مع توازن مختلف بين الاتجاه والعودة إلى المتوسط—يمكن أن ينتج نفس النموذج بقايا أكبر، مما يقلل من R Squared.
يحدث تأثير مرتبط عندما تتغير فترة الحفظ. غالبًا ما تمتص الفترات الأطول بعض التقلبات اليومية، ولكن يمكن أن تعزز أيضًا انتقالات النظام. قد تسيطر الفترات القصيرة على الضوضاء الهيكلية الدقيقة، ويمكن أن تقلل من القوة التفسيرية أو ترفع الملاءمة الظاهرية حسب طريقة بناء النموذج وتقييمه.
في كلا الحالتين، أنت لا تغير خاصية سحرية لـ R Squared نفسه؛ أنت تغير مجموعة البيانات وسلوك البقايا الذي يخصم R Squared.
القيود والمخاطر
حد مهم هو مخاطر تجاوز الضوضاء: R Squared أعلى على فترة زمنية مختارة لا يثبت أن العلاقة مستقرة. عندما يتم اختيار فترة الوقت بطريقة تفيد العينة المحددة، يمكن أن يبدو R Squared قويًا حتى إذا فشل النموذج على بيانات جديدة.
تشمل modes الفشل الأخرى:
- خلط الأنظمة: تدمج النوافذ الأطول ظروفًا مختلفة في السوق. إذا كانت العلاقات مختلفة عبر الأنظمة، فقد يخفي R Squared واحد انهيارات.
- عدم الثبات: إذا تغيرت الخصائص الإحصائية للسلسلة مع مرور الوقت، فقد يتغير الخريطة من المدخلات إلى التغييرات الملاحظة، مما يجعل R Squared يعتمد على فترة الوقت.
- اختلاف التقييم: إذا حسبت R Squared على نفس الفترة المستخدمة لاختيار أو ضبط المدخلات، فقد تحصل على قيم متفائلة لا تتعمم.
لا يعني أي من ذلك أن R Squared غير مفيد؛ يعني R Squared شروط على فترة الوقت المختارة وطريقة التقييم.
التحقق أو السؤال التالي
بسبب الحساسية المتوقعة لفترة الوقت، فإن Approach التحقق العملي هو إعادة حساب R Squared عبر نوافذ متعددة (على سبيل المثال، نوافذ متدحرجة أو متوسعة) بينما يتم الحفاظ على تعريف النموذج بشكل متسق. ثم قارن كم يتغير R Squared.
إذا رأيت تذبذبات كبيرة، فهذا دليل على أن الملاءمة تعتمد على الفترة العينية المحددة بدلاً من انعكاس علاقة مستقرة. إذا رأيت R Squared عاليًا بشكل مستمر عبر العديد من النوافذ المستقلة، فهذا أقوى—but لا يزال ليس ضمانًا—لأن العلاقات التاريخية لا تحدد النتائج المستقبلية.
سؤال مفيد التالي هو: أي خيارات فترة الوقت تغير المتغير التابع وهياكل الضوضاء أكثر؟ هذا يساعدك على فهم سبب تحرك R Squared عندما تتغير فترة الوقت.