হেটেরোস্কেস্টাস্টিটি কী?
পরিসংখ্যানগুলিতে, হিটারোস্কেস্টেটিসিটি (বা হেটেরোসিসেস্টাস্টিটি) ঘটে যখন কোনও নির্দিষ্ট সময়ের উপর নজরদারি করা একটি চলকটির স্ট্যান্ডার্ড ত্রুটিগুলি স্থির থাকে না। হেটেরোস্কেস্টাস্টিটির সাথে, অবশিষ্ট ত্রুটিগুলির ভিজ্যুয়াল ইন্সপেকশন সম্পর্কে টো-টেল সাইনটি হ'ল নীচের চিত্রটিতে চিত্রিত হিসাবে তারা সময়ের সাথে ফ্যান প্রবণতা অর্জন করবে।
হেটেরোস্কেস্টাস্টিটি প্রায়শই দুটি রূপে উত্থিত হয়: শর্তাধীন এবং শর্তহীন। শর্তসাপেক্ষ হেটেরোসকেস্টাস্টিটি নন-কনস্ট্যান্ট অস্থিরতা চিহ্নিত করে যখন ভবিষ্যতে উচ্চ এবং নিম্ন অস্থিরতার সময়কাল চিহ্নিত করা যায় না। শর্তহীন হিটারোসকেডাস্টিটি ব্যবহার করা হয় যখন ফিউচার পিরিয়ডগুলি উচ্চ এবং নিম্ন অস্থিরতার চিহ্নিত করা যায়।
জুলি ব্যাং এর ছবি © ইনভেস্টোপিডিয়া 2019
কী Takeaways
- পরিসংখ্যানগুলিতে, হেটেরোস্কেস্টেটিসিটি (বা হেটেরোসিসেস্টাস্টিটি) ঘটে যখন কোনও নির্দিষ্ট সময়ের উপর পর্যবেক্ষণ করা একটি চলকের স্ট্যান্ডার্ড ত্রুটিগুলি স্থির থাকে না he সময়ের সাথে সাথে ফ্যান আউট করার জন্য, যেমন নীচের চিত্রটিতে চিত্রিত হয়েছে e হিটারোস্কেস্টাস্টিটি লিনিয়ার রিগ্রেশন মডেলিংয়ের অনুমানের লঙ্ঘন এবং তাই এটি সিপিএমের মতো একনোমেট্রিক বিশ্লেষণ বা আর্থিক মডেলগুলির বৈধতাকে প্রভাবিত করতে পারে।
যদিও হেটেরোস্কেস্টাস্টিটি সহগের অনুমানগুলিতে পক্ষপাতিত্ব সৃষ্টি করে না, এটি তাদের কম সুনির্দিষ্ট করে তোলে; নিম্ন নির্ভুলতা সহগের অনুমানগুলি সঠিক জনসংখ্যার মান থেকে আরও বেশি হওয়ার সম্ভাবনা বৃদ্ধি করে।
হেটেরোস্কেস্টাস্টিটির মূল বিষয়গুলি
অর্থায়নে, শর্তসাপেক্ষ হিটারোস্কেস্টাস্টিটি প্রায়শই স্টক এবং বন্ডের দামে দেখা যায়। এই সমীকরণের অস্থিরতার স্তরটি কোনও সময়ের মধ্যে পূর্বাভাস দেওয়া যায় না। বৈদ্যুতিন ব্যবহারের মতো চিহ্নিতযোগ্য মৌসুমী পরিবর্তনশীলতাগুলি এমন ভেরিয়েবলগুলি নিয়ে আলোচনা করার সময় শর্তহীন হিটারোস্কেস্টাস্টিটি ব্যবহার করা যেতে পারে।
এটি পরিসংখ্যানগুলির সাথে সম্পর্কিত হিসাবে, হেটেরোসকেস্টাস্টিটি (এছাড়াও হিটারোসিসেস্টাস্টিটি বানান ) কোনও নির্দিষ্ট নমুনার মধ্যে ন্যূনতম একটি স্বতন্ত্র ভেরিয়েবলের মধ্যে ত্রুটি বৈকল্পিকতা বা বিক্ষিপ্ততার নির্ভরতা বোঝায়। এই ভিন্নতাগুলি ডেটা সেটগুলির মধ্যে ত্রুটির মার্জিন গণনা করতে ব্যবহার করা যেতে পারে যেমন প্রত্যাশিত ফলাফল এবং প্রকৃত ফলাফল, কারণ এটি গড় মান থেকে ডেটা পয়েন্টের বিচ্যুতির একটি পরিমাপ সরবরাহ করে।
কোনও ডেটাসেটকে প্রাসঙ্গিক হিসাবে বিবেচনা করার জন্য, বেশিরভাগ ডেটা পয়েন্টগুলি অবশ্যই চেবিশেভের উপপাদ্য দ্বারা বর্ণিত হিসাবে গড় থেকে কিছু নির্দিষ্ট স্ট্যান্ডার্ড বিচ্যুতিগুলির মধ্যে থাকতে হবে, এটি চেবিশেভের অসমতা হিসাবেও পরিচিত। এটি গড় থেকে পৃথকভাবে একটি এলোমেলো ভেরিয়েবলের সম্ভাব্যতা সম্পর্কিত নির্দেশিকা সরবরাহ করে।
নির্দিষ্ট স্ট্যান্ডার্ড বিচ্যুতির সংখ্যার ভিত্তিতে, একটি এলোমেলো ভেরিয়েবলের সেই পয়েন্টগুলির মধ্যে বিদ্যমান হওয়ার সম্ভাবনা রয়েছে has উদাহরণস্বরূপ, এটি দুটি স্ট্যান্ডার্ড বিচ্যুতির পরিসীমাটিতে বৈধ হিসাবে বিবেচিত হওয়ার জন্য ডেটা পয়েন্টের অন্তত 75% থাকতে পারে required সর্বনিম্ন প্রয়োজনের বাইরে বৈকল্পের একটি সাধারণ কারণ প্রায়শই ডেটা মানের বিষয়গুলির জন্য দায়ী করা হয়।
হেটরোস্কেস্টাস্টিকের বিপরীতটি হমোস্কেস্টাস্টিক। হোমোসকেস্টাস্টিটি এমন এক অবস্থার কথা বোঝায় যেখানে অবশিষ্টাংশের বৈকল্পিকতা স্থির বা প্রায় তাই থাকে। হোমোসকেস্টাস্টিটি লিনিয়ার রিগ্রেশন মডেলিংয়ের একটি অনুমান ass হোমসকেস্টাস্টিটি পরামর্শ দেয় যে রিগ্রেশন মডেলটি সুসংজ্ঞায়িত হতে পারে, এর অর্থ এটি নির্ভরশীল ভেরিয়েবলের কর্মক্ষমতা সম্পর্কে একটি ভাল ব্যাখ্যা সরবরাহ করে।
প্রকার হেটেরোস্কেস্টাস্টিটি
শর্তহীন
শর্তহীন বৈষম্যবাদীতা অনুমানযোগ্য এবং বেশিরভাগ ক্ষেত্রে প্রকৃতির দ্বারা চক্রীয় হয় এমন পরিবর্তনশীলগুলির সাথে সম্পর্কিত। এর মধ্যে holidayতিহ্যবাহী ছুটির দিনে শপিংয়ের সময় উচ্চতর খুচরা বিক্রয় বা উষ্ণ মাসগুলিতে শীতাতপ নিয়ন্ত্রক মেরামত কল বৃদ্ধি বৃদ্ধি অন্তর্ভুক্ত থাকতে পারে।
শিফটগুলি particularতুগতভাবে পরিবর্তিত না হলে নির্দিষ্ট ঘটনা বা ভবিষ্যদ্বাণীমূলক চিহ্নিতকারীদের পরিবর্তনের মধ্যে পরিবর্তনগুলি সরাসরি বাঁধা যেতে পারে। এটি একটি নতুন মডেল প্রকাশের সাথে স্মার্টফোন বিক্রয় বৃদ্ধির সাথে সম্পর্কিত হতে পারে কারণ ইভেন্টটি ভিত্তিতে ক্রিয়াকলাপটি চক্রীয় হয় তবে theতু দ্বারা অগত্যা নির্ধারিত হয় না।
শর্তাধীন
শর্তসাপেক্ষ হেটেরোসকস্টাস্টিটি প্রকৃতির দ্বারা অনুমানযোগ্য নয়। এমন কোনও টেলটেল চিহ্ন নেই যা বিশ্লেষকদেরকে বিশ্বাস করতে পরিচালিত করে যে কোনও সময়ে যে কোনও সময়ে ডেটা কমবেশি ছড়িয়ে পড়েছে। প্রায়শই, আর্থিক পণ্যগুলি শর্তসাপেক্ষ বৈষম্যবাদী হিসাবে বিবেচিত হয় কারণ সমস্ত পরিবর্তন নির্দিষ্ট ইভেন্ট বা alতুগত পরিবর্তনের জন্য দায়ী করা যায় না।
বিশেষ বিবেচ্য বিষয়
হিটারোস্কেস্টাস্টিটি এবং ফিনান্সিয়াল মডেলিং
রিটারেশন মডেলিংয়ের ক্ষেত্রে হিটারোস্কেস্টাস্টিটি একটি গুরুত্বপূর্ণ ধারণা এবং বিনিয়োগের বিশ্বে রিগ্রেশন মডেলগুলি সিকিওরিটি এবং বিনিয়োগের পোর্টফোলিওগুলির কার্যকারিতা ব্যাখ্যা করার জন্য ব্যবহৃত হয়। এর মধ্যে সর্বাধিক সুপরিচিত হ'ল ক্যাপিটাল অ্যাসেট প্রাইসিং মডেল (সিএপিএম), যা সামগ্রিকভাবে বাজারের সাথে সম্পর্কিত হিসাবে তার স্টকটির পারফরম্যান্সকে ব্যাখ্যা করে। এই মডেলের এক্সটেনশানগুলি হ'ল আকার, গতিবেগ, গুণমান এবং শৈলীর মতো ভবিষ্যদ্বাণীকারী ভেরিয়েবলগুলি যুক্ত করেছে (মূল্য বনাম বৃদ্ধি)।
এই পূর্বাভাসকারী ভেরিয়েবলগুলি যুক্ত করা হয়েছে কারণ তারা নির্ভরশীল ভেরিয়েবলের বিভিন্নতার ব্যাখ্যা বা অ্যাকাউন্ট করে account পোর্টফোলিও কর্মক্ষমতা CAPM দ্বারা ব্যাখ্যা করা হয়। উদাহরণস্বরূপ, সিএপিএম মডেলের বিকাশকারীরা সচেতন ছিলেন যে তাদের মডেল একটি আকর্ষণীয় অসাধারণতা ব্যাখ্যা করতে ব্যর্থ হয়েছে: উচ্চ মানের স্টকগুলি, যা নিম্ন মানের স্টকের তুলনায় কম অস্থির ছিল, সিএপিএম মডেলের পূর্বাভাসের চেয়ে ভাল সম্পাদন করার ঝোঁক ছিল। সিএপিএম বলছে যে উচ্চ-ঝুঁকিপূর্ণ স্টকগুলি নিম্ন-ঝুঁকিপূর্ণ স্টকগুলিকে ছাড়িয়ে যায়। অন্য কথায়, উচ্চ-অস্থিরতা স্টকগুলি নিম্ন-অস্থিরতা স্টকগুলিকে পরাজিত করা উচিত। তবে উচ্চমানের স্টকগুলি, যা কম অস্থির, সিএপিএম দ্বারা পূর্বাভাসের চেয়ে আরও ভাল পারফর্ম করার ঝোঁক।
পরবর্তীতে, অন্যান্য গবেষকরা সিএপিএম মডেলকে বাড়িয়ে দিয়েছিলেন (যা ইতিমধ্যে আকার, শৈলী এবং গতিবেগের মতো অন্যান্য ভবিষ্যদ্বাণী ভেরিয়েবলগুলি অন্তর্ভুক্ত করার জন্য প্রসারিত হয়েছিল) গুণমানকে একটি অতিরিক্ত অনুমানকারী ভেরিয়েবল হিসাবে অন্তর্ভুক্ত করার জন্য, "ফ্যাক্টর" হিসাবেও পরিচিত ছিল। এই ফ্যাক্টরটি এখন মডেলটিতে অন্তর্ভুক্ত হওয়ার সাথে সাথে কম অস্থিরতার স্টকের পারফরম্যান্স অসাধারণতা হিসাবে গণ্য হয়েছিল। মাল্টি-ফ্যাক্টর মডেল হিসাবে পরিচিত এই মডেলগুলি ফ্যাক্টর বিনিয়োগ এবং স্মার্ট বিটার ভিত্তি তৈরি করে।
