আর-স্কোয়ার্ড বনাম অ্যাডজাস্টেড আর স্কোয়ার: একটি ওভারভিউ
আর-স্কোয়ার্ড (আর ২) এবং সমন্বিত আর-স্কোয়ার একটি বিনিয়োগকারীকে একটি বেঞ্চমার্কের মানের তুলনায় মিউচুয়াল ফান্ডের মূল্য পরিমাপ করতে দেয়। বিনিয়োগকারীরা প্রদত্ত বেঞ্চমার্কের বিপরীতে তাদের পোর্টফোলিও পরিমাপ করতেও এই গণনাটি ব্যবহার করতে পারেন।
এই মানগুলি 0 থেকে 100 এর মধ্যে রয়েছে The
আর-স্কোয়ার্ড - এটি দৃ determination়সংকল্পের সহগ হিসাবেও পরিচিত হ'ল একটি পরিসংখ্যানগত বিশ্লেষণ সরঞ্জাম যা কোনও বিনিয়োগের ভবিষ্যতের ফলাফল সম্পর্কে ভবিষ্যদ্বাণী করতে ব্যবহৃত হয় এবং এটি একটি একক পরিমাপ করা মডেলের সাথে কতটা ঘনিষ্ঠভাবে প্রান্তিক হয়।
সমন্বিত আর-স্কোয়ার বিনিয়োগের পারস্পরিক সম্পর্ককে বিভিন্ন পরিমাপিত মডেলের সাথে তুলনা করে।
আর-স্কোয়ারড
আর-স্কোয়ার্ড গুণমানের বলপার্ক চিত্র এবং এর পূর্বাভাসগুলি পূর্বনির্ধারিত কিনা তা যাচাই করতে পারে না। এটি কোনও রেগ্রেশন মডেল সন্তোষজনক কিনা তাও দেখায় না; এটি কোনও ভাল মডেলের জন্য কোনও আর-স্কোয়ার চিত্র বা মাপসই নয় এমন মডেলের জন্য একটি উচ্চ আর স্কোয়ার্ড চিত্র প্রদর্শন করতে পারে। আর 2 এর মান কম হ'ল দুটি ভেরিয়েবল একে অপরের সাথে সম্পর্কিত হয়। 70% এর বেশি ফলাফলগুলি সাধারণত নির্দেশ করে যে কোনও পোর্টফোলিও পরিমাপ করা বেঞ্চমার্কটি নিবিড়ভাবে অনুসরণ করে। উচ্চতর আর-বর্গক্ষেত্রের মানগুলিও বিটা পঠনের নির্ভরযোগ্যতা নির্দেশ করে। বিটা কোনও সুরক্ষা বা একটি পোর্টফোলিওর অস্থিরতা পরিমাপ করে।
আর-স্কোয়ার এবং সমন্বিত আর-স্কোয়ারের মধ্যে একটি প্রধান পার্থক্য হ'ল মডেলটির প্রতিটি স্বতন্ত্র পরিবর্তনশীল — বেঞ্চমার্ক ass ধরে নেয় আর 2 নির্ভরশীল পরিবর্তনশীল — মিউচুয়াল ফান্ড বা পোর্টফোলিওর মধ্যে তারতম্য ব্যাখ্যা করে। এটি ব্যাখ্যাযোগ্য পরিবর্তনের শতাংশ দেয় যেমন মডেলের সমস্ত স্বতন্ত্র ভেরিয়েবল নির্ভরশীল পরিবর্তনশীলকে প্রভাবিত করে। বাস্তব বিশ্বে এই ওয়ান-টু-ওয়ান সম্পর্ক খুব কমই ঘটে। অন্যদিকে অ্যাডজাস্টেড আর-স্কোয়ার্ড কেবলমাত্র সেই স্বতন্ত্র ভেরিয়েবল দ্বারা ব্যাখ্যা করা তারতম্যের শতাংশ দেয় যা বাস্তবে নির্ভরশীল পরিবর্তনশীলকে প্রভাবিত করে।
স্ট-দামের গতিবিধি পূর্বাভাস দেওয়ার জন্য প্রায়শই স্ট্যাটিস্টিকাল লিনিয়ার রিগ্রেশনগুলির সাথে আর-স্কোয়ার্ড ব্যবহৃত হয়, তবে ব্যবসায়ীদের তাদের অস্ত্রাগারে থাকা এমন অনেক প্রযুক্তিগত সূচকের মধ্যে এটি কেবল একটি। বিনিয়োগের জন্য প্রযুক্তিগত বিশ্লেষণ কোর্স পাঁচ ঘন্টা অন-ডিমান্ড ভিডিও সহ প্রযুক্তিগত সূচক এবং চার্ট নিদর্শনগুলির একটি বিস্তৃত ওভারভিউ সরবরাহ করে। আপনি সর্বাধিক জনপ্রিয় কৌশল এবং রিয়েল-লাইফ মার্কেটগুলিতে ঝুঁকির সাথে সামঞ্জস্যপূর্ণ রিটার্ন সর্বাধিকীকরণে কীভাবে ব্যবহার করবেন সেগুলি শিখবেন।
সমন্বিত আর-স্কোয়ার
সমন্বিত আর-স্কোয়ারটি রিগ্রেশন মডেলগুলির বর্ণনামূলক শক্তির সাথে তুলনা করে। দুটি বা আরও বেশি ভেরিয়েবল — যার মধ্যে বিবিধ সংখ্যক স্বতন্ত্র ভেরিয়েবল অন্তর্ভুক্ত a যাকে ভবিষ্যদ্বাণী হিসাবে পরিচিত। প্রতিটি ভবিষ্যদ্বাণীকারী বা স্বতন্ত্র পরিবর্তনশীল, কোনও মডেলে যুক্ত করা আর-স্কোয়ার মান বাড়ায় এবং কখনই তা হ্রাস করে না। সুতরাং, এমন একটি মডেল যা বেশ কয়েকটি পূর্বাভাসককে অন্তর্ভুক্ত করে উচ্চতর আর 2 মান ফিরে আসবে এবং এটি আরও ভাল ফিট বলে মনে হতে পারে। তবে এই ফলাফলটি আরও শর্তাদি সহ এটির কারণে to
সামঞ্জস্য করা আর-স্কোয়ার্ড ভেরিয়েবলগুলির সংযোজনের জন্য ক্ষতিপূরণ দেয় এবং কেবলমাত্র নতুন প্রেডিকটর সম্ভাব্যতার দ্বারা প্রাপ্ত মডেলটির উপরে মডেলটি বাড়িয়ে তোলেন। বিপরীতে, যখন কোনও ভবিষ্যদ্বাণী সুযোগের দ্বারা পূর্বাভাস দেওয়া হয় তার চেয়ে কম মডেলটি উন্নত করে তখন এটি হ্রাস পাবে।
যখন একটি পরিসংখ্যানের মডেলটিতে খুব কম ডেটা পয়েন্ট ব্যবহার করা হয় তখন এটিকে ওভারফিটিং বলা হয়। ওভারফিটিং একটি অযাচিত উচ্চ আর-স্কোয়ার্ড মান ফেরত দিতে পারে। এই ভুল চিত্রটি পারফরম্যান্স ফলাফলের পূর্বাভাস দেওয়ার ক্ষমতা হ্রাস করতে পারে। অ্যাডজাস্ট করা আর-স্কোয়ার্ড কোনও মডেলের ভবিষ্যদ্বাণীকারীদের সংখ্যার জন্য আর 2 এর একটি সংশোধিত সংস্করণ। সমন্বিত আর-স্কোয়ারটি নেতিবাচক হতে পারে তবে সর্বদা হয় না।
0 এবং 100 এর মধ্যে একটি আর-বর্গক্ষেত্রের মান এবং কোনও মৌলিক সম্পর্ক না থাকলেও তথ্যের নমুনায় রৈখিক সম্পর্ক দেখায়, সামঞ্জস্য করা আর-স্কোয়ার্ডটি বেসিক জনগোষ্ঠীর মধ্যে সম্পর্কের ডিগ্রির সেরা অনুমান দেয়।
আর-স্কোয়ারযুক্ত মডেলের পারস্পরিক সম্পর্ক দেখানোর জন্য, সর্বাধিক সীমা সহ মডেলটি চয়ন করুন। যাইহোক, মডেলগুলির তুলনা করার সর্বোত্তম এবং সহজতম উপায় হ'ল ছোট অ্যাডজাস্টেড আর-স্কোয়ারের সাথে একটি নির্বাচন করা। অ্যাডজাস্টেড আর-স্কোয়ার্ড ননলাইনার মডেলগুলির তুলনা করার জন্য একটি আদর্শ মডেল নয়, পরিবর্তে, একাধিক রৈখিক প্রতিক্রিয়া দেখায়।
কী Takeaways
- আর-স্কোয়ার এবং সমন্বিত আর-স্কোয়ারের মধ্যে একটি প্রধান পার্থক্য হ'ল আর-স্কোয়ারটি ধারণা করে যে মডেলের প্রতিটি স্বতন্ত্র ভেরিয়েবল নির্ভরশীল ভেরিয়েবলের তারতম্য ব্যাখ্যা করে R অ্যাডজাস্ট করা আর-স্কোয়ারটি কোনও মডেলের ভবিষ্যদ্বাণীকারীদের সংখ্যার জন্য আর-স্কোয়ারের একটি পরিবর্তিত সংস্করণ।
