Apa arti divergensi dalam R Squared?

Jawaban langsung

“Divergensi dalam R Squared” berarti nilai kecocokan yang dijelaskan (R Squared) tidak tetap konsisten ketika Anda membandingkannya di berbagai sampel, jendela waktu, kumpulan data, atau pengaturan perhitungan. Secara sederhana, hubungan yang menghasilkan “kecocokan” sebelumnya menjadi lebih lemah, lebih kuat, atau berbeda secara kualitatif di kemudian hari. Hal ini dapat terjadi bahkan ketika rumus yang sama digunakan, karena hubungan nyata dalam data sering berubah seiring waktu.

Mekanisme atau definisi

R Squared adalah statistik yang merangkum seberapa baik keluaran model melacak variabel target dalam kumpulan data tertentu. Intuisi yang umum adalah: jika R Squared lebih tinggi, prediksi model lebih dekat dengan nilai yang diamati dalam kumpulan data tersebut.

Ketika seseorang berbicara tentang “divergensi,” biasanya yang dimaksud adalah salah satu perbandingan berikut:

• Di berbagai jendela waktu: R Squared yang dihitung pada data terbaru berbeda dari R Squared yang dihitung pada data yang lebih lama.
• Di berbagai aset atau deret: R Squared berbeda ketika mengulangi model yang sama pada instrumen atau kelompok yang berbeda.
• Di berbagai perhitungan ulang: R Squared berubah ketika input yang mendasarinya (misalnya, observasi mana yang disertakan) berubah.

Untuk membuat ini lebih konkret, pertimbangkan contoh sederhana dengan asumsi yang jelas: Anda menghitung R Squared dari regresi linier variabel respons pada sebuah fitur, menggunakan observasi dari dua periode terpisah (Periode A dan Periode B). Jika Periode A memiliki R Squared yang lebih tinggi daripada Periode B, kecocokan tersebut “berdivergensi.” Perhitungannya sendiri tidak salah; hubungan yang menghasilkan data hanyalah berbeda antar periode.

Bukti atau contoh

Mode kegagalan yang umum adalah memperlakukan “kecocokan” sebagai sesuatu yang stabil. Misalkan Anda menghitung R Squared pada jendela pelatihan dan kemudian memeriksanya pada jendela yang lebih baru. Jika R Squared pada jendela yang lebih baru jauh lebih rendah, divergensi tersebut menunjukkan bahwa model tidak menangkap hubungan yang stabil.

Contoh lain: Anda mungkin menguji ide yang sama dengan dua set fitur yang berbeda. Pengaturan pertama dapat menunjukkan R Squared yang kuat karena menangkap pola noise dalam sampel tertentu. Pengaturan kedua mungkin tidak dapat digeneralisasi dengan baik, memberikan R Squared yang berbeda. Divergensi tersebut adalah petunjuk bahwa hasil sebelumnya bergantung pada kumpulan data atau asumsi tertentu.

Dalam konteks terkait pasar, terutama di mana kondisi berubah, divergensi sering kali mengindikasikan non-stasioneritas: hubungan statistik antara input dan output berubah seiring waktu. Namun, penting untuk memisahkan dua makna:

• Mekanika yang stabil: rumus R Squared dan pengaturan regresi adalah tetap.
• Lingkungan yang bervariasi: hubungan data berubah karena dinamika yang berubah.

Keterbatasan dan risiko

Divergensi R Squared bukanlah indikator trading yang berdiri sendiri atau jaminan hasil. Keterbatasan utama meliputi:

1. Ini dapat mencerminkan non-stasioneritas, bukan “arah.” Divergensi hanya memberi tahu Anda bahwa kecocokan berubah. Ini tidak memberi tahu Anda apakah hasil masa depan akan membaik atau memburuk.

2. Bias hindsight dapat mendistorsi interpretasi. Jika Anda melihat R Squared terlebih dahulu, kemudian memilih jendela, parameter, atau periode evaluasi untuk membuat hasilnya terlihat meyakinkan, Anda mungkin melebih-lebihkan apa yang “bermakna.” Divergensi yang Anda perhatikan mungkin dipengaruhi oleh cara Anda memilih perbandingan.

3. Asumsi yang berbeda mengubah hasil. R Squared bergantung pada bentuk model dan bagaimana input disiapkan. Jika dua tim menghitungnya dengan prapemrosesan, panjang jendela, atau definisi target yang berbeda, “divergensi” mungkin berasal dari metodologi daripada dari perubahan mendasar yang nyata.

4. Hubungan historis tidak menetapkan hasil masa depan. Bahkan jika divergensi konsisten di seluruh sampel masa lalu, tidak ada jaminan bahwa pola yang sama akan terjadi lagi.

Verifikasi atau pertanyaan lanjutan

Untuk memverifikasi secara independen apa arti divergensi dalam kasus spesifik Anda, Anda dapat mengulangi perhitungan yang sama secara konsisten di seluruh sampel yang didefinisikan dengan jelas:

• Gunakan spesifikasi model yang sama dan definisi respons serta prediktor yang sama.
• Hitung R Squared pada beberapa jendela waktu yang tidak tumpang tindih.
• Laporkan besaran R Squared dan apakah perubahannya konsisten di seluruh jendela.

Pertanyaan lanjutan yang berguna adalah: Sampel dan pengaturan apa yang tepat yang menghasilkan divergensi yang Anda lihat? Jika Anda dapat menentukan jendela waktu (atau kumpulan data), definisi model, dan langkah-langkah perhitungan, Anda dapat membedakan perubahan hubungan yang nyata dari efek pengukuran atau seleksi.