স্থির এবং অ পরিচয়

আর্থিক প্রতিষ্ঠান এবং কর্পোরেশন পাশাপাশি স্বতন্ত্র বিনিয়োগকারী এবং গবেষকরা প্রায়শই অর্থনৈতিক পূর্বাভাস, শেয়ার বাজার বিশ্লেষণ বা ডেটা নিজেই গবেষণায় আর্থিক সময় সিরিজের ডেটা (যেমন সম্পদের মূল্য, বিনিময় হার, জিডিপি, মুদ্রাস্ফীতি এবং অন্যান্য সামষ্টিক অর্থনৈতিক সূচক) ব্যবহার করে ।

তবে আপনার স্টক বিশ্লেষণে এটি প্রয়োগ করতে সক্ষম হবার জন্য ডেটা পরিমার্জন করা মুখ্য।, আমরা আপনাকে কীভাবে আপনার স্টক রিপোর্টগুলির সাথে প্রাসঙ্গিক ডেটা পয়েন্টগুলি বিচ্ছিন্ন করতে দেখাব।

স্টেশনারি এবং অ-স্টেশনারি প্রক্রিয়াগুলির পরিচয়

কাঁচা তথ্য রান্না

ডেটা পয়েন্টগুলি প্রায়শই স্থির থাকে না বা এর অর্থ, প্রকরণ এবং সমবায়ু যা সময়ের সাথে পরিবর্তিত হয়। অ-স্থির আচরণগুলি ট্রেন্ড, চক্র, এলোমেলো পদক্ষেপ বা তিনটির সংমিশ্রণ হতে পারে।

নিয়ম হিসাবে অ-স্থিতিশীল ডেটা অনির্দেশ্য এবং এগুলি মডেল বা পূর্বাভাস দেওয়া যায় না। স্টেশানবিহীন সময় সিরিজ ব্যবহার করে প্রাপ্ত ফলাফলগুলি উত্সাহী হতে পারে কারণ তারা দুটি ভেরিয়েবলের মধ্যে একটি সম্পর্ককে নির্দেশ করতে পারে যেখানে কোনওটির অস্তিত্ব নেই। ধারাবাহিক, নির্ভরযোগ্য ফলাফল পাওয়ার জন্য, অ-নিশ্চল ডেটাগুলিকে স্থিতিশীল ডেটাতে রূপান্তরিত করা দরকার। স্থিতিশীল নয় এমন প্রক্রিয়াটির বিপরীতে যেটির পরিবর্তনশীল বৈকল্পিক এবং গড়ের পরিমাণটি কাছে থাকে না বা সময়ের সাথে দীর্ঘমেয়াদী গড়ায় ফিরে আসে, স্থিতিশীল প্রক্রিয়াটি একটি ধ্রুবক দীর্ঘমেয়াদী গড়ের কাছাকাছি ফিরে আসে এবং একটি স্থির বৈকল্পিক স্বাধীন থাকে সময়ের।

স্টেশনহীন প্রক্রিয়াগুলির প্রকারগুলি

আমরা অ-স্থিতিশীল আর্থিক সময় সিরিজের ডেটা রূপান্তরের পর্যায়ে পৌঁছানোর আগে আমাদের বিভিন্ন ধরণের স্টেশানবিহীন প্রক্রিয়াগুলির মধ্যে পার্থক্য করা উচিত। এটি আমাদের প্রক্রিয়াগুলি সম্পর্কে আরও ভাল ধারণা সরবরাহ করবে এবং আমাদের সঠিক রূপান্তরটি প্রয়োগ করার অনুমতি দেবে। অ-স্থাবর প্রক্রিয়াগুলির উদাহরণগুলি হ'ল ড্রিফট (ধীরে ধীরে ধীরে ধীরে পরিবর্তন) এবং নির্জনবাদী প্রবণতাগুলি (ধারাবাহিকের পুরো জীবনের জন্য সময়ের চেয়ে ধ্রুবক, ধনাত্মক বা নেতিবাচক, প্রবণতা) সাথে এলোমেলো হাঁটা।

খাঁটি র্যান্ডম ওয়াক (ওয়াই _টি = ওয়াই _{টি -1} + ε _টি) র্যান্ডম ওয়াক ভবিষ্যদ্বাণী করে যে সময় "t" এর মান শেষ সময়ের মান সমান একটি স্টোচেস্টিক (নন-সিস্টেমেটিক) উপাদান যা একটি সাদা গোলমাল, সমান মানে ε _t হ'ল "0" এবং বৈকল্পিক "" "এর সাথে স্বতন্ত্র এবং অভিন্নরূপে বিতরণ করা হয়েছে σ² এলোমেলো পদচারকে কিছু অর্ডের সমন্বিত প্রক্রিয়া, ইউনিট রুট সহ একটি প্রক্রিয়া বা স্টোকাস্টিক ট্রেন্ড সহ একটি প্রক্রিয়াও বলা যেতে পারে। এটি একটি অ-গড়-ফিরিয়ে নেওয়া প্রক্রিয়া যা কোনও ইতিবাচক বা নেতিবাচক দিক থেকে গড় থেকে দূরে সরে যেতে পারে। এলোমেলো হাঁটার আরেকটি বৈশিষ্ট্য হ'ল সময়ের সাথে বৈচিত্রগুলি বিকশিত হয় এবং সময় অনন্তের দিকে যেতে যেতে অসীমে চলে যায়; অতএব, এলোমেলো হাঁটার পূর্বাভাস দেওয়া যায় না। ড্রিফ্টের সাথে র্যান্ডম ওয়াক (ওয়াই _টি = α + ওয়াই _{টি -১} + ε _টি) যদি এলোমেলো হাঁটার মডেল ভবিষ্যদ্বাণী করে যে সময় "t" সময়ে মানটি শেষ সময়ের মানের সাথে একটি ধ্রুবক, বা প্রবাহ (α) এবং একটি সাদা শব্দ শব্দ (ε _t), তারপরে প্রক্রিয়াটি একটি বামন সহ এলোমেলো পদচারণা। এটি দীর্ঘকালীন গড়ের দিকেও প্রত্যাবর্তন করে না এবং সময়ের উপর নির্ভরশীলতাও নির্ভর করে। নির্ধারক প্রবণতা (Y _t = α + + _t + ε _t) প্রায়শই একটি বামন নিয়ে একটি এলোমেলো পদক্ষেপ একটি নির্জনবাদী ধারার জন্য বিভ্রান্ত হয়। উভয় একটি ড্রিফট এবং একটি সাদা শব্দের উপাদান অন্তর্ভুক্ত, কিন্তু একটি এলোমেলো হাঁটার ক্ষেত্রে সময় "t" মানটি শেষ সময়ের মান (ওয়াই _{টি -1}) এর উপর পুনরায় চাপ দেওয়া হয়, তবে একটি নির্বিচারবাদী প্রবণতার ক্ষেত্রে এটি পুনরায় চাপ দেওয়া হয় একটি সময়ের ট্রেন্ডে (βt)। একটি নির্বিরোধী প্রবণতা সহ একটি অ-স্থিতিশীল প্রক্রিয়াটির একটি অর্থ রয়েছে যা একটি নির্দিষ্ট প্রবণতার আশেপাশে বৃদ্ধি পায়, যা স্থির এবং সময়ের সাথে স্বাধীন। ড্রিফট এবং ডিটারমিনিস্টিক ট্রেন্ডের সাথে এলোমেলো ওয়াক (Y _t = α + Y _t-1 + + _t + । এটি শেষ সময়ের মান, একটি প্রবাহ, একটি প্রবণতা এবং স্টোকাস্টিক উপাদান দ্বারা "t" সময়ে মান নির্দিষ্ট করে। (এলোমেলো পদচারণা এবং প্রবণতা সম্পর্কে আরও জানতে, আমাদের আর্থিক ধারণাগুলির টিউটোরিয়াল দেখুন))

প্রবণতা এবং পার্থক্য স্টেশনারি

ড্রিফ্টের সাথে বা ছাড়াই এলোমেলো পদক্ষেপটি পৃথক করে (Y _টি থেকে Y _টি _-1 বিয়োগ করে, পার্থকত Y _টি - Y _{টি -1}) Y _টি - Y _{টি -1} = ε _{t অনুসারে} স্থির প্রক্রিয়াতে রূপান্তরিত হতে পারে বা Y _t - Y _t-1 = α + ε _t এবং তারপরে প্রক্রিয়াটি পার্থক্যগত হয়। ভিন্নতার অসুবিধা হ'ল প্রক্রিয়াটি প্রতিবার পার্থক্য নেওয়া হলে একটি পর্যবেক্ষণ হারায়।

একটি নির্মল প্রবণতা সহ একটি অ-স্থিতিশীল প্রক্রিয়া প্রবণতা অপসারণের পরে বা অবনমিত হওয়ার পরে স্থির হয়ে ওঠে। উদাহরণস্বরূপ, Yt = α + +t + εt প্রবণতাটি বিয়োগ করে একটি স্থিতিশীল প্রক্রিয়াতে রূপান্তরিত হবে tt: Yt - βt = α + εt, নীচের চিত্র 4-তে দেখানো হয়েছে। কোনও অ-স্টেশনারি প্রক্রিয়াটি একটি স্থিতিশীল রূপে রূপান্তর করতে যখন অবনতি ব্যবহৃত হয় তখন কোনও পর্যবেক্ষণ নষ্ট হয় না।

ড্রিফট এবং ডিটারমিনিস্টিক ট্রেন্ডের সাথে এলোমেলো হাঁটার ক্ষেত্রে, অবনতি হ্রাসকারী নির্জনবাদী প্রবণতা এবং প্রবাহকে সরাতে পারে তবে বৈচিত্র্য অনন্ততায় যেতে থাকবে। ফলস্বরূপ, স্টোকাস্টিক প্রবণতা অপসারণ করতে আলাদা করতে হবে।

উপসংহার

আর্থিক মডেলগুলিতে স্থিতিশীল সময় সিরিজের ডেটা ব্যবহার করা অবিশ্বাস্য এবং উদ্দীপক ফলাফল উত্পন্ন করে এবং দুর্বল বোঝাপড়া এবং পূর্বাভাসের দিকে পরিচালিত করে। সমস্যার সমাধান হ'ল সময় সিরিজের ডেটা রূপান্তর করা যাতে এটি স্থির হয়ে ওঠে। যদি অ-স্থিতিশীল প্রক্রিয়াটি কোনও ড্রিফ্টের সাথে বা ছাড়াই এলোমেলো পদচারনা হয় তবে এটি পৃথক করে স্থিতিশীল প্রক্রিয়াতে রূপান্তরিত হয়। অন্যদিকে, যদি সময় সিরিজের ডেটা বিশ্লেষণ করে একটি নির্মল প্রবণতা প্রদর্শন করে, উত্সাহী ফলাফল অবনতি দ্বারা এড়ানো যেতে পারে। কখনও কখনও অ-স্থিতিশীল সিরিজগুলি একই সাথে একটি স্টোকাস্টিক এবং ডিটারমিনিস্টিক প্রবণতা একত্রিত করতে পারে এবং বিভ্রান্তিমূলক ফলাফলগুলি এড়াতে পৃথক এবং ঘৃণ্য উভয়ই প্রয়োগ করা উচিত, কারণ ডিফারেন্সিং প্রবণতাটি সরিয়ে দেবে এবং ডেট্রেন্ডিং ডিটারমিনিস্টিক ট্রেন্ডকে সরিয়ে দেবে।

সুচিপত্র: