#صندوق‌ها یکی از تحلیل‌های آماری را با نام رگرسیون چندگانه سل | آقا بزرگِ بورس
#صندوق‌ها
یکی از تحلیل‌های آماری را با نام رگرسیون چندگانه سلسله مراتبی Hierarchical Multiple Regression (HMR)
می‌شناسیم. با استفاده از این روش تحلیل، می‌توانیم اثر یک یا چند عامل و فاکتور را در صورتی که در مدل قرار گیرند و یا از مدل حذف شوند، به دست بیاوریم.
به عنوان مثال فرض کنید، عامل A وقتی در مدل قرار می‌گیرد دارای تاثیر x است و وقتی از مدل کنار گذاشته می‌شود، دارای تاثیر y است.
حال سوال ما این است که اختلاف بین x و y یعنی x-y چقدر است؟
واضح است که اگر این اختلاف مثبت باشد، یعنی عامل A دارای اثر مثبت است و اگر در مدل باشد، بهتر است.
همچنین اگر اختلاف x-y منفی باشد، یعنی عامل A دارای اثر منفی است و چنانچه در مدل نباشد، بهتر است.
خب، حال بیایید به موضوع این پست بپردازم.
انواع و اقسام صندوق‌ها در بازار سرمایه تهران وجود دارند، از ثبات تا فردا. از همای تا اعتماد و از کامیاب تا کارا و به همین ترتیب اسامی زیبای دیگر.
بیایید این صندوق‌ها را همان عامل A در نظر بگیریم. بودن این‌ها و تاثیر آن‌ها را در بازار سرمایه می‌بینیم. شاخص میانه حدود 812 هزار واحد است. یعنی x = 812
حال فرض کنید، هیچ‌کدام از این‌ها وجود نداشت. (هر چند می‌دانم متقاضیان خاص خودش را دارد و من صرفاً یک فرض و ایده آماری را بیان می‌کنم.) در این صورت شاخص میانه حدود یک میلیون و 117 هزار واحد، بود. یعنی y = 1117
پس خیلی ساده x – y = 812 – 1117 = - 305
این مطلب یعنی اینکه اگر فاکتور وجود صندوق‌ها را حذف کنیم، سبدها و پرتفوها تقریباً 37 درصد ارزش ریالی بیشتری نسبت به امروز داشتند.
به عنوان مثال اگر امروز فردی سبد سهامش 100 میلیون ارزش دارد، با حذف صندوق‌ها (همه آن‌ها) از فرایند خرید و فروش در بازار سرمایه تهران، دارای سبد سهامی به ارزش 137 میلیون بود.
ساده‌تر بخواهم بنویسم این است که عملکرد و وجود صندوق‌ها دارای زیان 37 درصدی بر سبدها و پرتفوهای عامه افراد است و از زبان رگرسیون Hierarchical بخواهم بگویم این است که نبودنشان بهتر از بودنشان است.
