autocorrelation
निरंकुशता एक निश्चित समय श्रृंखला और स्वयं के अंतराल संस्करण के बीच समानता का एक गणितीय प्रतिनिधित्व है जो क्रमिक समय अंतराल पर है। यह दो अलग-अलग समय श्रृंखलाओं के बीच सहसंबंध की गणना करने के समान है, सिवाय इसके कि ऑटोक्रेलेशन दो बार एक ही समय श्रृंखला का उपयोग करता है: एक बार अपने मूल रूप में और एक बार एक या अधिक समय अवधि में पिछड़ जाता है।
1:32autocorrelation
स्वायत्तता को समझना
ऑटोकैरेलेशन को लैग्ड सहसंबंध या धारावाहिक सहसंबंध के रूप में भी संदर्भित किया जा सकता है, क्योंकि यह एक चर के वर्तमान मूल्य और उसके पिछले मूल्यों के बीच संबंध को मापता है। जब ऑटोकैरेलेशन की गणना की जाती है, तो परिणामी आउटपुट पारंपरिक सहसंबंध सांख्यिकीय के अनुरूप 1 से नकारात्मक 1 तक हो सकता है। +1 का एक स्वतःसंक्रमण एक सही सकारात्मक सहसंबंध का प्रतिनिधित्व करता है (एक समय श्रृंखला में देखी गई वृद्धि अन्य समय श्रृंखला में एक आनुपातिक वृद्धि की ओर जाता है)। दूसरी ओर नकारात्मक 1 का एक स्वसंबंध, पूर्ण नकारात्मक सहसंबंध (दूसरी समय श्रृंखला में एक आनुपातिक कमी के परिणामस्वरूप एक समय श्रृंखला के परिणामों में देखी गई वृद्धि) का प्रतिनिधित्व करता है। स्वायत्तता रैखिक संबंधों को मापती है; यहां तक कि अगर ऑटोकैरेलेशन माइनसक्यूल है, तब भी एक समय श्रृंखला और खुद के लैग्ड संस्करण के बीच एक nonlinear संबंध हो सकता है।
चाबी छीन लेना
- निरंकुशता एक निश्चित समय श्रृंखला और स्वयं के एक अंतराल संस्करण के बीच समानता की डिग्री का प्रतिनिधित्व करती है जो समय के अंतराल पर होती है।
- स्वतःसंक्रमण एक चर के वर्तमान मूल्य और उसके पिछले मूल्यों के बीच संबंध को मापता है।
- +1 का एक स्वतःसंक्रमण एक पूर्ण सकारात्मक सहसंबंध का प्रतिनिधित्व करता है, जबकि नकारात्मक 1 का एक स्वसंबंध एक पूर्ण नकारात्मक सहसंबंध का प्रतिनिधित्व करता है।
- तकनीकी विश्लेषक यह देखने के लिए कि भविष्य में इसकी कीमत पर सुरक्षा के लिए पिछले कीमतों का कितना प्रभाव है, ऑटोक्रॉलेशन का उपयोग कर सकते हैं।
तकनीकी विश्लेषण में स्वायत्तता
स्वायत्तता तकनीकी विश्लेषण के लिए उपयोगी हो सकती है, जो किसी कंपनी के वित्तीय स्वास्थ्य या प्रबंधन के बजाय चार्टिंग तकनीकों का उपयोग करते हुए सुरक्षा कीमतों और बीच के संबंधों से संबंधित है। तकनीकी विश्लेषक यह देखने के लिए कि भविष्य में इसकी कीमत पर सुरक्षा के लिए पिछले कीमतों का कितना प्रभाव है, ऑटोक्रॉलेशन का उपयोग कर सकते हैं।
यदि स्टॉक में एक संवेग कारक जुड़ा हुआ है, तो स्वतःसंक्रमण दिखा सकता है। उदाहरण के लिए, यदि निवेशकों को पता है कि किसी स्टॉक में ऐतिहासिक रूप से उच्च सकारात्मक ऑटोकैरेलेशन मूल्य है और वे इसे पिछले कई दिनों में बड़े पैमाने पर लाभ कमाते हैं, तो वे आने वाले कई दिनों (प्रमुख समय श्रृंखला) पर आंदोलनों की अपेक्षा कर सकते हैं। लैगिंग समय श्रृंखला और ऊपर की ओर बढ़ने के लिए।
ऑटोकरेलेशन का उदाहरण
मान लेते हैं कि एम्मा यह निर्धारित करना चाह रही है कि क्या उसके पोर्टफोलियो में किसी शेयर का रिटर्न ऑटोकॉर्पेशन प्रदर्शित करता है; स्टॉक का रिटर्न पिछले ट्रेडिंग सत्रों में इसके रिटर्न से संबंधित है। यदि रिटर्न निरंकुशता प्रदर्शित करते हैं, तो एम्मा इसे एक गति स्टॉक के रूप में चिह्नित कर सकता है क्योंकि पिछले रिटर्न भविष्य के रिटर्न को प्रभावित करते हैं। एम्मा दो पूर्व व्यापारिक सत्रों के स्वतंत्र चर के रूप में प्रतिफल और आश्रित चर के रूप में वर्तमान प्रतिफल के साथ एक प्रतिगमन चलाता है। वह पाती है कि एक दिन पहले रिटर्न में 0.7 का सकारात्मक स्वसंबंध है, जबकि दो दिन पहले के रिटर्न में 0.3 का सकारात्मक स्वसंबंध है। पिछले रिटर्न भविष्य के रिटर्न को प्रभावित करते हैं। इसलिए एम्मा ने अपने पद को समायोजित करने के लिए स्वसंबंध का लाभ उठाया और परिणामी गति को जारी रखते हुए या अधिक शेयरों को संचय करके जारी रखा।
इनवेस्टमेंट अकाउंट्स प्रोवाइडर नाम की तुलना करें। विज्ञापनदाता का विवरण × इस तालिका में दिखाई देने वाले प्रस्ताव उन साझेदारियों से हैं जिनसे इन्वेस्टोपेडिया को मुआवजा मिलता है।