Heteroskedastic merujuk pada kondisi di mana varians suku residual, atau suku galat, dalam model regresi sangat bervariasi. Jika ini benar, varians tersebut dapat bervariasi secara sistematis, dan mungkin ada beberapa faktor yang dapat menjelaskannya. Jika demikian, maka model tersebut mungkin tidak didefinisikan dengan baik dan harus dimodifikasi sehingga varians sistematis ini dijelaskan oleh satu atau lebih variabel prediktor tambahan.
Lawan dari Heteroskedastic adalah homoskedastik. Homoskedastik merujuk pada kondisi di mana varians suku residual konstan atau hampir konstan. Homoskedastik (juga dieja “homoskedastik”) adalah salah satu asumsi pemodelan regresi linier. Homoskedastik menunjukkan bahwa model regresi dapat didefinisikan dengan baik, artinya model tersebut memberikan penjelasan yang baik tentang kinerja variabel dependen.
MEMECAHKAN Heteroskedastic
Heteroskedastic merupakan konsep penting dalam pemodelan regresi, dan dalam dunia investasi, model regresi digunakan untuk menjelaskan kinerja sekuritas dan portofolio investasi. Yang paling terkenal di antaranya adalah Capital Asset Pricing Model (CAPM), yang menjelaskan kinerja saham dalam hal volatilitasnya relatif terhadap pasar secara keseluruhan. Perluasan model ini telah menambahkan variabel prediktor lain seperti ukuran, momentum, kualitas, dan gaya (nilai vs. pertumbuhan).
Variabel prediktor ini telah ditambahkan karena menjelaskan atau memperhitungkan varians dalam variabel dependen, kinerja portofolio, yang kemudian dijelaskan oleh CAPM. Misalnya, pengembang model CAPM menyadari bahwa model mereka gagal menjelaskan anomali yang menarik: saham berkualitas tinggi, yang kurang volatil dibandingkan saham berkualitas rendah, cenderung berkinerja lebih baik daripada yang diprediksi model CAPM. CAPM mengatakan bahwa saham berisiko tinggi harus mengungguli saham berisiko rendah. Dengan kata lain, saham volatilitas tinggi harus mengalahkan saham volatilitas rendah. Namun, saham berkualitas tinggi, yang kurang volatil, cenderung berkinerja lebih baik daripada yang diprediksi oleh CAPM. Kemudian, peneliti lain memperluas model CAPM (yang telah diperluas untuk mencakup variabel prediktor lain seperti ukuran, gaya, dan momentum) untuk memasukkan kualitas sebagai variabel prediktor tambahan, yang juga dikenal sebagai “faktor.” Dengan faktor ini yang sekarang disertakan dalam model, anomali kinerja saham volatilitas rendah diperhitungkan. Model-model ini, yang dikenal sebagai model multifaktor, membentuk dasar investasi faktor dan beta cerdas.
