什么是回归？
回归是用于金融，投资和其他学科的统计度量，它试图确定一个因变量（通常由Y表示）与一系列其他变化变量（称为自变量）之间的关系的强度。
回归可以帮助投资和财务经理评估资产价值并了解变量之间的关系，例如商品价格和从事这些商品交易的企业的股票。
回归
回归解释
回归的两种基本类型是线性回归和多元线性回归，尽管对于复杂数据和分析，存在非线性回归方法。 线性回归使用一个自变量来解释或预测因变量Y的结果，而多元回归使用两个或多个自变量来预测结果。
回归可以帮助金融和投资专业人士以及其他行业的专业人士。 回归还可以帮助基于天气，以前的销售额，GDP增长或其他类型的条件来预测公司的销售额。 资本资产定价模型（CAPM）是金融中常用的回归模型，用于对资产定价和发现资本成本。
每种回归类型的一般形式为：
- 线性回归： Y = a + bX + u 多元回归： Y = a + b 1 X 1 + b 2 X 2 + b 3 X 3 +… + b t X t + u
哪里：
- Y =您要预测的变量（因变量）.X =您用于预测Y的变量（因变量）.a =截距.b =斜率.u =回归残差。
回归有两种基本类型：线性回归和多元线性回归。
回归采用一组随机变量，这些变量被认为可以预测Y，并试图找到它们之间的数学关系。 这种关系通常采用最接近所有单个数据点的直线（线性回归）形式。 在多元回归中，通过使用带下标的数字来区分单独的变量。
重要要点
- 回归可以帮助投资和财务经理评估资产价值并了解变量之间的关系。回归可以帮助金融和投资专业人员以及其他业务的专业人员。
如何使用回归分析的真实示例
回归通常用于确定多少特定因素（例如商品价格，利率，特定行业或部门）影响资产的价格变动。 前面提到的CAPM基于回归，可用于预测股票的预期收益并产生资本成本。 将股票的收益与更广泛的指数（例如，标准普尔500指数）的收益进行回归，以生成特定股票的beta。
Beta是与市场或指数有关的股票风险，在CAPM模型中反映为斜率。 该股票的预期收益为因变量Y，而自变量X为市场风险溢价。
可以将其他变量（例如股票的市值，估值比率和近期收益）添加到CAPM模型中，以获得更好的收益估算。 这些附加因子称为Fama-French因子，以开发多元线性回归模型以更好地解释资产收益的教授的名字命名。
