গুর্চ প্রক্রিয়া কি
জেনারেলাইজড অটোরিগ্রেসিভ কন্ডিশনাল হেটেরোসেকাস্টাস্টিটি (জিআরচ) প্রক্রিয়াটি অর্থনীতিবিদ এবং অর্থনীতিবিদের নোবেল মেমোরিয়াল পুরস্কারের ২০০৩ বিজয়ী রবার্ট এফ এনগেল দ্বারা একটি অর্থনীতিবিদ এবং অর্থনীতির বাজারে অস্থিরতা অনুমান করার পদ্ধতির বর্ণনা দেওয়ার জন্য ১৯৮২ সালে বিকশিত হয়। জিআরচ মডেলিংয়ের বিভিন্ন রূপ রয়েছে। আর্থিক মডেলিং পেশাদারদের দ্বারা জিআরচ প্রক্রিয়াটি প্রায়শই পছন্দ করা হয় কারণ আর্থিক সরঞ্জামগুলির দাম এবং হারগুলি পূর্বাভাস দেওয়ার চেষ্টা করার সময় এটি অন্যান্য ফর্মগুলির তুলনায় আরও বাস্তব-বিশ্বের প্রসঙ্গ সরবরাহ করে।
BREAKING ডাউন গ্রোচ প্রক্রিয়া
হিটারোস্কেস্টাস্টিটি একটি পরিসংখ্যানের মডেলটিতে ত্রুটি শর্তের পরিবর্তনের অনিয়মিত প্যাটার্ন বা ভেরিয়েবলের বর্ণনা দেয়। মূলত, যেখানে হিটারোস্কেস্টাস্টিটি রয়েছে সেখানে পর্যবেক্ষণগুলি লিনিয়ার প্যাটার্নের সাথে খাপ খায় না। পরিবর্তে, তারা গুচ্ছ ঝোঁক। ফলাফলটি হ'ল মডেল থেকে যে সিদ্ধান্তে এবং ভবিষ্যদ্বাণীমূলক মানটি আঁকতে পারে তা নির্ভরযোগ্য হবে না। জিআরচ একটি স্ট্যাটিস্টিকাল মডেল যা বিভিন্ন ধরণের আর্থিক ডেটা বিশ্লেষণ করতে ব্যবহার করা যেতে পারে, উদাহরণস্বরূপ, সামষ্টিক অর্থনৈতিক ডেটা। আর্থিক প্রতিষ্ঠানগুলি সাধারণত স্টক, বন্ড এবং বাজার সূচকগুলির জন্য রিটার্নের অস্থিরতা অনুমান করতে এই মডেলটি ব্যবহার করে। তারা নির্ধারিত তথ্যের সাহায্যে মূল্য নির্ধারণ করতে এবং কোন সম্পদগুলি সম্ভাব্য উচ্চতর রিটার্ন প্রদান করবে তা বিচার করতে সহায়তা করবে এবং পাশাপাশি তাদের সম্পদ বরাদ্দ, হেজিং, ঝুঁকি ব্যবস্থাপনার এবং পোর্টফোলিও অপ্টিমাইজেশান সিদ্ধান্তগুলিতে সহায়তা করার জন্য বর্তমান বিনিয়োগগুলির রিটার্নের পূর্বাভাস দিতে পারে।
একটি জিআরচ মডেলের সাধারণ প্রক্রিয়াতে তিনটি পদক্ষেপ জড়িত। প্রথমটি হ'ল একটি সেরা-ফিটিংয়ের অটোরেগ্রেসিভ মডেল esti দ্বিতীয়টি হচ্ছে ত্রুটি শর্তটির স্বতঃসংশ্লিষ্ট গণনা করা। তৃতীয় ধাপটি তাৎপর্যের জন্য পরীক্ষা করা। আর্থিক অস্থিরতার অনুমান এবং পূর্বাভাসের জন্য অন্য দুটি বহুল ব্যবহৃত পন্থা হ'ল ক্লাসিক historicalতিহাসিক অস্থিরতা (ভোলএসডি) পদ্ধতি এবং তাত্পর্যপূর্ণ ওজনযুক্ত চলমান গড় অস্থিরতা (ভলিউএমএএমএ) পদ্ধতি।
গ্রর্ক প্রক্রিয়া উদাহরণ
জিআরচ মডেলগুলি আর্থিক বাজারগুলিতে বর্ণনা করতে সহায়তা করে যেখানে অস্থিরতা পরিবর্তন হতে পারে, আর্থিক সঙ্কট বা বিশ্ব ইভেন্টের সময়কালে আরও অস্থির হয়ে ওঠে এবং আপেক্ষিক শান্ত এবং অবিচল অর্থনৈতিক বিকাশের সময়কালে কম অস্থির হয়ে ওঠে। উদাহরণস্বরূপ, রিটার্নের একটি প্লটে স্টক রিটার্নগুলি 2007 সালের মতো আর্থিক সংকটের দিকে পরিচালিত বছরগুলিতে তুলনামূলকভাবে অভিন্ন দেখায় a সংকট শুরুর পরের সময়কালে, রিটার্নগুলি নেতিবাচক থেকে বন্যভাবে দুলতে পারে ইতিবাচক অঞ্চলে। তদুপরি, বর্ধিত অস্থিরতা অস্থিরতা এগিয়ে যাওয়ার ভবিষ্যদ্বাণীপূর্ণ হতে পারে। অস্থিরতা তখন প্রাক-সংকটের স্তরের সাথে সাদৃশ্যযুক্ত স্তরে ফিরে আসতে পারে বা আরও অভিন্ন হতে পারে forward একটি সাধারণ রিগ্রেশন মডেল আর্থিক বাজারে প্রদর্শিত অস্থিরতার এই পরিবর্তনের জন্য অ্যাকাউন্ট করে না এবং এটি "ব্ল্যাক রাজহাঁস" ইভেন্টগুলির প্রতিনিধিত্ব করে না যা একের অধিক ঘটে ভবিষ্যদ্বাণী করবে।
সম্পদ ফেরতের জন্য গুর্চ মডেল সেরা
গ্রিচ প্রক্রিয়াগুলি হোমসকেডাস্টিক মডেলগুলির থেকে পৃথক, যা ধ্রুবক অস্থিরতা ধরে নেয় এবং বেসিক সাধারণ ন্যূনতম স্কোয়ার (ওএলএস) বিশ্লেষণে ব্যবহৃত হয়। ওএলএস এর লক্ষ্য এই পয়েন্টগুলির সাথে মানিয়ে নেওয়ার জন্য ডেটা পয়েন্ট এবং একটি রিগ্রেশন লাইনের মধ্যকার বিচ্যুতি হ্রাস করা। সম্পত্তির রিটার্ন সহ, অস্থিরতা নির্দিষ্ট সময়ের মধ্যে পরিবর্তিত হয় এবং অতীত বৈকল্পিকতার উপর নির্ভর করে, একটি হোমসকেস্টেস্টিক মডেলকে অনুকূল নয়।
গুর্চ প্রক্রিয়াগুলি অটোরিগ্রেসিভ হওয়ায় বর্তমান বৈকল্পিকের মডেল করার জন্য অতীত স্কোয়ার পর্যবেক্ষণ এবং অতীতের পরিবর্তনের উপর নির্ভর করে। মডেলিংয়ের সম্পত্তির রিটার্ন এবং মুদ্রাস্ফীতিের কার্যকারিতার কারণে জিআরসি প্রক্রিয়াগুলি ফিনান্সে ব্যাপকভাবে ব্যবহৃত হয়। পূর্ববর্তী পূর্বাভাসের ত্রুটিগুলির জন্য অ্যাকাউন্টিং করে এবং এর মাধ্যমে চলমান পূর্বাভাসের যথার্থতা বাড়িয়ে গুর্চের লক্ষ্য রয়েছে fore
