親愛的聽眾:
統計分析裡最常用的一種方法正是迴歸分析(Regression Analysis),可追溯至英國博學家高爾頓(Francis Galton, 1822-1911)在 1886 年的一篇討論身高遺傳性的論文中, 首度發展「迴歸分析」這一個統計工具, 他發現無論高個兒或矮個兒的父母,它們子女的身高都有著「向平均身高迴歸(Regression to the Mean)」的現象。 爾後迴歸工具被大量使用於評估「因子/自變數(independent variable)」如何影響「結果/應變數(dependent variable)」的數據分析之上,與迴歸分析密切相連的相關分析(Correlation Analysis)更可讓研究者得知兩個變數之間的相關程度的大小。迴歸分析還有一個常見的應用,就是以「時間」為自變數,找出另一個變數隨時間演變的趨勢與大方向,甚至可據此標註出數據中不在趨勢上的例外時點。 我們在11/26的Podcast中,將討論統計工具的生活應用,例如近4年的「無限量化寬鬆」(Unlimited QE) 政策對市場的影響。根據截至2023年第三季的數據,我們發現臺灣的貨幣供給量在同一時期增長了36%,而信義房價指數也同步上升了38%。透過分析這15組數據,我們發現了驚人的相關性,相關性 (Correlation) 達到了0.97。 換句話說,我們難以忽視短期內大量增加的貨幣供應,它可能是房市飆漲的真正原因!以通俗易懂的語言來說,這段期間貨幣供應的增加就像是另一個每月公佈的房價指數,甚至提前預測了逐季公佈的信義房價指數,同時也對股市產生了推升的影響。 此外,使用迴歸(Regression)功能使我們輕鬆找到了偏離的離群值(Outlier)。結合基本的經濟學知識,我們能夠發現單筆加碼和賣出的良好時機。儘管一般的技術分析也具有類似的功能,但統計工具提供了更全面的輔助工具,使長期投資者能夠更清晰地估計計算。 希望我們的分享能為聽眾帶來一些有趣的科普時光! APcore服務團隊敬上 2023/11/20
0 Comments
Leave a Reply. |
|