Základná diagnostika regresného modelu – akcia NVDA a trh (S&P 500)
Autor
Lívia Pančíková
Zobraziť kód
library(readxl)library(broom)library(knitr)library(kableExtra)library(ggplot2)library(dplyr)library(tidyr)library(car)library(tseries)# pomocná funkcia: číslo so slovenskou desatinnou čiarkouf <-function(x, d =2) format(round(x, d), decimal.mark =",", nsmall = d)
1. Cieľ a údaje
V tomto zadaní skúmame, ako súvisí denný výnos akcie NVDA s výnosmi ostatných deviatich akcií z databázy S&P500.xlsx (21. 10. 2024 – 16. 10. 2026). Naučíme sa odhadnúť regresný model, posúdiť jeho kvalitu (t-testy, F-test, \(R^2\)), skontrolovať rezíduá (grafy, test normality, test odľahlých hodnôt) a porovnať viac modelov pomocou AIC.
Použité premenné:
Premenná
Význam
vynos
denný výnos NVDA v % (vysvetľovaná premenná)
trh
priemerný denný výnos ostatných deviatich akcií v %
rozpatie
vnútrodenné rozpätie ceny (High − Low) v % z otváracej ceny
zmena_objemu
percentuálna zmena objemu obchodov oproti predchádzajúcemu dňu
Príprava údajov
Zobraziť kód
udaje <-read_excel("C:/Users/livia/Desktop/modregmet/ekonometria/S&P500.xlsx") |>arrange(Name, Date) |>group_by(Name) |>mutate(vynos =100* (Close /lag(Close) -1),rozpatie =100* (High - Low) / Open,zmena_objemu =100* (Volume /lag(Volume) -1) ) |>ungroup()# trh = priemerný výnos ostatných deviatich akciísiroke <- udaje |>select(Date, Name, vynos) |>pivot_wider(names_from = Name, values_from = vynos)siroke$trh <-rowMeans(siroke |>select(-Date, -NVDA), na.rm =TRUE)udaje.nvda <- udaje |>filter(Name =="NVDA") |>select(Date, vynos, rozpatie, zmena_objemu) |>left_join(siroke |>select(Date, trh), by ="Date") |>filter(!is.na(vynos), !is.na(zmena_objemu)) |># prvý deň nemá výnosas.data.frame()
Po úprave máme 498 pozorovaní (obchodných dní).
Uloženie a načítanie pamäte (workspace)
Aby sme v ďalších cvičeniach nemuseli údaje znovu pripravovať, uložíme celú pamäť do súboru pamat.Rdata a nabudúce ju len načítame.
Zobraziť kód
rm(list =c("udaje", "siroke")) # zmažem objekty, ktoré už nepotrebujemsave.image("pamat.Rdata") # uložím celú pamäťrm(list =ls()) # vyčistím pamäťload("pamat.Rdata") # a znovu ju načítamls() # kontrola: udaje.nvda a f sú späť
[1] "f" "udaje.nvda"
Pohľad na údaje
Ceny sme prepočítali na index (21. 10. 2024 = 100), aby sa dali porovnať. NVDA je zelenou.
Zhodnotenie: všetky akcie sa v sledovanom období pohybujú spoločne (rastú a klesajú v podobných obdobiach), ale NVDA kolíše výraznejšie než ostatné. To naznačuje, že výnos NVDA súvisí s trhom a že na pohyby trhu reaguje silnejšie.
Zhodnotenie: vzťah je kladný a približne lineárny. Ak trh vzrastie o 1 percentuálny bod (p. b.), NVDA v priemere vzrastie o približne 1,1 p. b. Niekoľko červených bodov leží ďaleko od priamky, ide o mimoriadne dni.
Zhodnotenie koeficientov (t-testy)
Pre každý koeficient testujeme \(H_0:\beta_j=0\) (premenná nemá vplyv) proti \(H_1:\beta_j\neq0\). Ak je p-hodnota menšia ako 0,05, \(H_0\) zamietame a premenná je štatisticky významná.
trh: odhad 1,112, p-hodnota < 0,001. Je významný. Ak trh vzrastie o 1 p. b., očakávaný výnos NVDA vzrastie približne o 1,11 p. b. (ostatné premenné nezmenené). Koeficient väčší ako 1 znamená, že NVDA reaguje na trh silnejšie než priemer (beta > 1).
rozpatie: odhad -0,030, p-hodnota 0,58. Nevýznamný, vplyv rozpätia sa nepreukázal.
zmena_objemu: odhad takmer 0, p-hodnota 0,86. Nevýznamný.
Absolútny člen: odhad 0,089, p-hodnota 0,65. Nevýznamný, má len technický význam (výnos pri nulových hodnotách všetkých premenných).
Záver: významnou vysvetľujúcou premennou je iba výnos trhu.
Koeficient determinácie \(R^2\) = 0,380. Model vysvetľuje približne 38 % variability denných výnosov NVDA. Zvyšných 62 % vysvetliť nevieme (správy o firme a podobne). Upravené \(R^2\) (0,377) je takmer rovnaké, lebo máme veľa pozorovaní a málo premenných.
Sigma = 2,18. Skutočný výnos sa od modelu typicky líši o približne 2,2 p. b.
F-test:\(H_0:\beta_1=\beta_2=\beta_3=0\) (žiadna premenná nič nevysvetľuje). F-štatistika = 101,1, p-hodnota je prakticky nula, preto \(H_0\)zamietame. Model je ako celok významný, aspoň jedna premenná (v našom prípade trh) má nenulový vplyv.
AIC = 2194,8. Samotná hodnota nič nehovorí, použijeme ju až pri porovnávaní modelov (nižšie je lepšie).
3. Grafická analýza rezíduí
Zobraziť kód
par(mfrow =c(2, 2))plot(model)
Zobraziť kód
par(mfrow =c(1, 1))
Zhodnotenie jednotlivých grafov:
Residuals vs. Fitted: rezíduá kolíšu okolo nuly, takže model nie je systematicky skreslený. Niekoľko bodov je ale ďaleko od ostatných, najmä pozorovanie 65.
Normal Q-Q: stred bodov leží na priamke, ale konce sa od nej výrazne odchyľujú. Rezíduá majú ťažšie chvosty než normálne rozdelenie, čo je pri finančných výnosoch bežné (extrémne dni sú častejšie, než by sa čakalo).
Scale-Location: červená čiara je približne vodorovná, rozptyl je teda zhruba konštantný. Niekoľko bodov je však výrazne vyššie než ostatné (extrémne rezíduá).
Residuals vs. Leverage: pozorovanie 147 má mimoriadne vysokú páku, čiže má neobvyklú hodnotu vysvetľujúcich premenných (v ten deň bola neobvykle veľká zmena objemu obchodov). Jeho rezíduum je ale malé, takže výsledky modelu výrazne neovplyvňuje.
4. Testy normality a odľahlých hodnôt
Jarqueov–Berov test normality
\(H_0\): rezíduá majú normálne rozdelenie,
\(H_1\): rezíduá nemajú normálne rozdelenie.
Test sa opiera o šikmosť a špicatosť rezíduí (pri normálnom rozdelení je šikmosť 0 a špicatosť 3). Ak je p-hodnota < 0,05, normalitu zamietame.
Zobraziť kód
res <-residuals(model)jb <- tseries::jarque.bera.test(res)data.frame(JB =unname(jb$statistic), p = jb$p.value) |>kable(digits =4, col.names =c("JB štatistika", "p-hodnota"),caption ="Jarqueov–Berov test normality rezíduí") |>kable_styling(bootstrap_options =c("striped", "hover"), full_width =FALSE)
Zhodnotenie: JB = 351,8, p-hodnota < 0,001, preto normalitu rezíduí zamietame. Histogram to potvrdzuje: rezíduá majú vyšší a užší vrchol a dlhšie chvosty než červená normálna krivka (špicatosť je približne 7 namiesto 3). Pri 498 pozorovaniach sú odhady aj tak použiteľné, no t-testy a F-test treba interpretovať opatrne.
Test odľahlých pozorovaní
Test hľadá dni, ktoré model vysvetľuje mimoriadne zle. Ak je Bonferroniho p-hodnota < 0,05, pozorovanie je významne odľahlé.
Zhodnotenie: významne odľahlé je pozorovanie 65, čo je 27.01.2025. NVDA v ten deň klesla o -17,0 %, kým trh len o -2,5 %. Bonferroniho p-hodnota je výrazne pod 0,05. Išlo o reakciu trhu na správy o čínskom AI modeli DeepSeek, teda o skutočnú udalosť, nie chybu v dátach, preto pozorovanie neodstraňujeme.
5. Úprava modelu
Premenné rozpatie a zmena_objemu boli nevýznamné, preto odhadneme jednoduchší model
Koeficient pri trh je 1,114 a zostáva významný. \(R^2\) = 0,380, takže vysvetľovacia schopnosť sa nezmenila.
Jarqueov–Berov test: JB = 385,8, p < 0,001, normalitu opäť zamietame.
Pozorovanie 65 zostáva významne odľahlé (Bonferroniho p-hodnota 1.1e-08).
Diagnostické grafy vyzerajú podobne ako pri pôvodnom modeli.
Zjednodušenie teda zachovalo kvalitu modelu s menším počtom premenných, ale problém s normalitou ani odľahlým dňom nevyriešilo.
6. Malé úlohy
Úloha 1: Ktorý z dvoch modelov je lepší podľa AIC?
Porovnávame pôvodný model (model) a zjednodušený (model2). Obe majú rovnakú vysvetľovanú premennú aj rovnaké pozorovania, takže AIC môžeme porovnať. Lepší je model s nižším AIC.
Zhodnotenie: AIC modelu 2 (2191,11) je nižšie než AIC modelu 1 (2194,76) o približne 3,7. Podľa AIC je preto lepší model 2. Pridané premenné rozpatie a zmena_objemu model nezlepšili, iba pridali zbytočné parametre.
Úloha 2: Iná modifikácia modelu
Skúsime ešte jednu úpravu. V modeli 3 pridáme druhú mocninu trhu, \(vynos_t=\beta_0+\beta_1 trh_t+\beta_2 trh_t^2+u_t\), aby sme overili, či vzťah nie je zakrivený.
Zobraziť kód
model3 <-lm(vynos ~ trh +I(trh^2), data = udaje.nvda)modely <-list(model, model2, model3)porovnanie <-data.frame(Model =c("1: trh + rozpätie + objem", "2: trh", "3: trh + trh²"),AIC =sapply(modely, AIC),R2 =sapply(modely, function(m) summary(m)$r.squared),JB =sapply(modely, function(m) unname(tseries::jarque.bera.test(residuals(m))$statistic)))porovnanie |>kable(digits =3,col.names =c("Model", "AIC", "R²", "JB štatistika"),caption ="Porovnanie troch modelov") |>kable_styling(bootstrap_options =c("striped", "hover"), full_width =FALSE)
Porovnanie troch modelov
Model
AIC
R²
JB štatistika
1: trh + rozpätie + objem
2194.763
0.380
351.768
2: trh
2191.107
0.380
385.835
3: trh + trh²
2192.487
0.381
402.567
Zobraziť kód
porovnanie |>mutate(rozdiel = AIC -min(AIC), Model =reorder(Model, rozdiel)) |>ggplot(aes(Model, rozdiel)) +geom_col(fill ="#76B900", width =0.6) +geom_text(aes(label =round(rozdiel, 2)), hjust =-0.2) +coord_flip() +scale_y_continuous(expand =expansion(mult =c(0, 0.15))) +labs(title ="Rozdiel AIC oproti najlepšiemu modelu (0 = najlepší)",x =NULL, y ="Rozdiel AIC") +theme_minimal(base_size =12)
Zhodnotenie:
Najnižšie AIC má model 2 (iba trh).
Model 3: koeficient pri \(trh^2\) je nevýznamný (p-hodnota 0,43) a AIC je horšie. Vzťah medzi NVDA a trhom je teda lineárny, zakrivenie sa nepreukázalo.
\(R^2\) sa vo všetkých modeloch pohybuje okolo 0,38, takže pridané premenné nič nepriniesli.
JB test zamieta normalitu vo všetkých troch modeloch, žiadna úprava ju neopravila.
Záver úlohy: najlepším modelom je jednoduchý model vynos ~ trh.
7. Záver
Otázka
Výsledok
Čo vplýva na výnos NVDA?
Iba výnos trhu (trh); rozpatie a zmena_objemu sú nevýznamné
Ako silno?
beta ≈ 1,1: ak trh vzrastie o 1 p. b., NVDA vzrastie o približne 1,1 p. b.
Ako dobrý je model?
\(R^2\) ≈ 0,38, vysvetlených je 38 % variability; F-test: model je významný
Sú rezíduá normálne?
Nie (JB test zamieta), majú ťažké chvosty
Sú v dátach odľahlé hodnoty?
Áno, 27. 1. 2025 (pozorovanie 65); je to reálna udalosť (DeepSeek), nie chyba
Ktorý model je najlepší?
Model 2: vynos ~ trh (najnižšie AIC)
Pomohla iná úprava?
Nie; kvadratický člen model nezlepšil
Jediným dôležitým faktorom je teda výnos trhu a najlepšie je ponechať jednoduchý lineárny model. Rezíduá nie sú normálne a v dátach je jeden mimoriadny deň, čo je pri finančných výnosoch bežné, preto výsledky interpretujeme opatrne a ako štatistické súvislosti, nie ako dôkaz príčinnej závislosti.
Zobraziť kód
save.image("pamat.Rdata") # uložíme celú pamäť pre ďalšie cvičenie