تعریف هتروسکداستیک Heteroskedastic

هتروسکداستیک به وضعیتی در مدل‌های رگرسیون اشاره دارد که در آن واریانس جمله‌ی خطا یا باقی‌مانده‌ها (Residuals) ثابت نیست و به‌طور قابل توجهی تغییر می‌کند. این تغییر ممکن است سیستماتیک باشد، یعنی تحت تأثیر یک یا چند عامل مشخص رخ دهد.

تعریف هتروسکداستیک (Heteroskedastic) چیست؟

اگر چنین باشد، مدل رگرسیون ممکن است به‌درستی تعریف نشده باشد و نیاز به اصلاح دارد تا این تغییرات واریانس با افزودن متغیرهای پیش‌بینی‌کننده‌ی جدید توضیح داده شود.

مفهوم مقابل: هموسکداستیک (Homoskedastic)

هموسکداستیک به حالتی گفته می‌شود که واریانس جمله‌ی خطا ثابت یا تقریباً ثابت است. این ویژگی یکی از فرضیات کلیدی در مدل‌های رگرسیون خطی است.
وقتی این فرض برقرار باشد، مدل احتمالاً به‌خوبی تعریف شده و عملکرد متغیر وابسته را به‌درستی توضیح می‌دهد.

چرا هتروسکداستیک مهم است؟

در مدل‌های رگرسیون، به‌ویژه در تحلیل‌های مالی، هتروسکداستیک بودن می‌تواند نشان‌دهنده‌ی نقص مدل باشد.
مثال: در مدل CAPM (Capital Asset Pricing Model) که عملکرد سهام را بر اساس ریسک (نوسان) نسبت به بازار توضیح می‌دهد، اگر واریانس خطاها تغییر کند، ممکن است مدل نتواند همه عوامل مؤثر را توضیح دهد.

ارتباط با سرمایه‌گذاری و مدل‌های چندعاملی

مدل CAPM فرض می‌کند که بازده سهام فقط با ریسک بازار توضیح داده می‌شود. اما در عمل، عواملی مانند اندازه شرکت، سبک سرمایه‌گذاری (ارزش یا رشد)، مومنتوم، کیفیت نیز بر بازده اثر دارند.
به همین دلیل، مدل‌های چندعاملی توسعه یافتند تا این عوامل را اضافه کنند و واریانس توضیح‌داده‌نشده کاهش یابد. این رویکرد پایه‌گذار سرمایه‌گذاری مبتنی بر عوامل (Factor Investing) و استراتژی‌های Smart Beta شد.

نکات کلیدی

1. هتروسکداستیک یعنی واریانس خطاها در مدل رگرسیون ثابت نیست.
2. هموسکداستیک یعنی واریانس خطاها ثابت است؛ یکی از فرضیات مهم رگرسیون خطی.
3. وجود هتروسکداستیک می‌تواند نشان‌دهنده‌ی نقص مدل باشد و نیاز به افزودن متغیرهای توضیحی دارد.
4. در مالی، مدل‌های توسعه‌یافته مانند CAPM چندعاملی برای رفع این مشکل ایجاد شدند.
5. این مفهوم در تحلیل ریسک، قیمت‌گذاری دارایی‌ها و مدل‌سازی بازده اهمیت زیادی دارد.