R平方与调整后R平方：概述
R平方（R 2 ）和调整后的R平方允许投资者根据基准价值来衡量共同基金的价值。 投资者也可以使用此计算来根据给定的基准衡量其投资组合。
这些值的范围是0到100。所得的数字并不表示特定证券类别的表现如何，它仅衡量持有的收益与所衡量的基准收益之间的接近程度。
R平方（也称为确定系数）是一种统计分析工具，用于预测投资的未来结果以及与单个测得模型的匹配程度。
调整后的R平方将投资的相关性与多个测得的模型进行比较。
R-平方
R平方不能验证系数估算数字及其预测是否受到偏见。 它也没有显示回归模型是否令人满意。 对于合适的模型，它可以显示R平方图；对于不合适的模型，它可以显示高R平方图。 R 2的值越低，则两个变量相互关联的越少。 高于70％的结果通常表明投资组合非常接近所衡量的基准。 较高的R平方值也表示Beta读数的可靠性。 Beta衡量证券或投资组合的波动性。
R平方和调整后的R平方之间的主要区别在于R 2假设模型中的每个自变量（基准）解释了因变量（共同基金或投资组合）的变化。 它给出了解释的变化的百分比，就好像模型中的所有自变量都会影响因变量一样。 在现实世界中，这种一对一的关系很少发生。 另一方面，调整后的R平方给出的变化百分比仅由实际上影响因变量的那些自变量解释。
R-Squared通常与统计线性回归一起用于预测股价走势，但这只是交易员应该在其武器库中使用的许多技术指标之一。 Investopedia的技术分析课程提供了超过五个小时的点播视频，全面概述了技术指标和图表模式。 您将学到所有最流行的技术，以及如何在现实市场中使用它们，以使经风险调整的收益最大化。
调整后R平方
调整后的R平方比较了回归模型（两个或多个变量）的描述能力，其中包括多个独立变量（称为预测变量）。 添加到模型中的每个预测变量或自变量都会增加R平方值，而永远不会减小它。 因此，包含多个预测变量的模型将返回较高的R2值，并且似乎更合适。 但是，此结果归因于它包含更多的术语。
调整后的R平方会补偿变量的增加，并且只有在新的预测变量将模型增强到高于通过概率获得的模型时，才会增加。 相反，当预测变量对模型的改进少于偶然预测时，它将减少。
如果在统计模型中使用的数据点太少，则称为过度拟合。 过度拟合会返回不必要的高R平方值。 这个不正确的数字可能导致预测绩效结果的能力下降。 调整后的R平方是模型中预测变量数量的R 2的修改版本。 调整后的R平方可以为负，但并非总是如此。
尽管R平方值在0到100之间，并且即使没有基本关系也显示了数据样本中的线性关系，但调整后的R平方可以对基本总体中的关系程度进行最佳估计。
要显示具有R平方的模型的相关性，请选择具有最高限制的模型。 但是，比较模型的最好，最简单的方法是选择一个调整后的R平方较小的模型。 调整后的R平方不是比较非线性模型的典型模型，而是显示了多个线性回归。
重要要点
- R平方和调整后的R平方之间的主要区别在于R平方假设模型中的每个自变量都可以解释因变量的变化。 调整后的R平方是模型中预测变量数量的R平方的修改版本。
