autoregressive

एल्गोरिथम ट्रेडिंग : autoregressive
ऑटोरेग्रेसिव का मतलब क्या है?

एक सांख्यिकीय मॉडल आत्मकेंद्रित है यदि यह पिछले मूल्यों के आधार पर भविष्य के मूल्यों की भविष्यवाणी करता है। उदाहरण के लिए, एक आत्मकेंद्रित मॉडल अपने पिछले प्रदर्शन के आधार पर किसी शेयर की भविष्य की कीमतों की भविष्यवाणी कर सकता है।

चाबी छीन लेना

  • ऑटोरेग्रेसिव मॉडल अतीत के मूल्यों के आधार पर भविष्य के मूल्यों की भविष्यवाणी करते हैं।
  • भविष्य के सुरक्षा मूल्यों की भविष्यवाणी के लिए तकनीकी विश्लेषण में इनका व्यापक रूप से उपयोग किया जाता है।
  • आत्मकेंद्रित मॉडल स्पष्ट रूप से मानते हैं कि भविष्य अतीत जैसा होगा। इसलिए, वे कुछ बाजार स्थितियों के तहत गलत साबित हो सकते हैं, जैसे कि वित्तीय संकट या तेजी से तकनीकी परिवर्तन की अवधि।

ऑटोरोग्रेसिव मॉडल को समझना

ऑटोरेग्रेसिव मॉडल इस आधार पर काम करते हैं कि पिछले मूल्यों का वर्तमान मूल्यों पर प्रभाव पड़ता है, जो सांख्यिकीय तकनीक को प्रकृति, अर्थशास्त्र और अन्य प्रक्रियाओं का विश्लेषण करने के लिए लोकप्रिय बनाता है जो समय के साथ बदलते हैं। एकाधिक प्रतिगमन मॉडल भविष्यवाणियों के एक रैखिक संयोजन का उपयोग करके एक चर का अनुमान लगाते हैं, जबकि ऑटोरेग्रेसिव मॉडल चर के पिछले मूल्यों के संयोजन का उपयोग करते हैं।

एक एआर (1) ऑटोरेग्रेसिव प्रक्रिया वह है जिसमें वर्तमान मूल्य तुरंत पूर्ववर्ती मूल्य पर आधारित होता है, जबकि एआर (2) प्रक्रिया एक होती है जिसमें वर्तमान मूल्य पिछले दो मूल्यों पर आधारित होता है। एक एआर (0) प्रक्रिया का उपयोग सफेद शोर के लिए किया जाता है और इसमें शर्तों के बीच कोई निर्भरता नहीं होती है। इन विविधताओं के अलावा, इन गणनाओं में उपयोग किए जाने वाले गुणांक की गणना करने के कई अलग-अलग तरीके भी हैं, जैसे कि कम से कम वर्ग विधि।

इन अवधारणाओं और तकनीकों का उपयोग तकनीकी विश्लेषकों द्वारा सुरक्षा कीमतों का अनुमान लगाने के लिए किया जाता है। हालाँकि, जब से ऑटोर्रिजिव मॉडल केवल पूर्व जानकारी के आधार पर अपनी भविष्यवाणियों को आधार बनाते हैं, तो वे स्पष्ट रूप से मान लेते हैं कि पिछली कीमतों को प्रभावित करने वाली मूलभूत ताकतें समय के साथ नहीं बदलेंगी। यह आश्चर्यजनक और गलत भविष्यवाणियों को जन्म दे सकता है यदि प्रश्न में अंतर्निहित बल वास्तव में बदलते हैं, जैसे कि एक उद्योग तेजी से और अभूतपूर्व तकनीकी परिवर्तन से गुजर रहा है।

फिर भी, व्यापारी पूर्वानुमान के उद्देश्यों के लिए ऑटोरेग्रेसिव मॉडल के उपयोग को परिष्कृत करना जारी रखते हैं। एक बेहतरीन उदाहरण ऑटोरोग्रेसिव इंटीग्रेटेड मूविंग एवरेज (ARIMA) है, एक परिष्कृत ऑटोरेग्रेसिव मॉडल है जो पूर्वानुमान बनाते समय रुझान, चक्र, मौसमी, त्रुटियों और अन्य गैर-स्थिर प्रकार के डेटा को ध्यान में रख सकता है।

विश्लेषणात्मक दृष्टिकोण

यद्यपि ऑटोरेग्रेसिव मॉडल तकनीकी विश्लेषण से जुड़े होते हैं, उन्हें निवेश के लिए अन्य दृष्टिकोणों के साथ भी जोड़ा जा सकता है। उदाहरण के लिए, निवेशक एक सम्मोहक अवसर की पहचान करने के लिए मौलिक विश्लेषण का उपयोग कर सकते हैं और फिर प्रवेश और निकास बिंदुओं की पहचान करने के लिए तकनीकी विश्लेषण का उपयोग कर सकते हैं।

एक आत्मकेंद्रित मॉडल का वास्तविक विश्व उदाहरण

ऑटोरेग्रेसिव मॉडल इस धारणा पर आधारित हैं कि पिछले मूल्यों का वर्तमान मूल्यों पर प्रभाव पड़ता है। उदाहरण के लिए, स्टॉक की कीमतों का पूर्वानुमान लगाने के लिए एक ऑटोरेस्पिरेटिव मॉडल का उपयोग करने वाले निवेशक को यह मानने की आवश्यकता होगी कि उस शेयर के नए खरीदार और विक्रेता हाल ही में बाजार के लेन-देन से प्रभावित होते हैं, जो यह तय करते हैं कि सुरक्षा के लिए कितना प्रस्ताव या स्वीकार करना है।

हालांकि यह धारणा ज्यादातर परिस्थितियों में रहेगी, लेकिन हमेशा ऐसा नहीं होता है। उदाहरण के लिए, 2008 के वित्तीय संकट से पहले के वर्षों में, अधिकांश निवेशकों को कई वित्तीय फर्मों द्वारा बंधक-समर्थित प्रतिभूतियों के बड़े पोर्टफोलियो द्वारा उत्पन्न जोखिमों के बारे में पता नहीं था। उन समयों के दौरान, अमेरिकी वित्तीय शेयरों के प्रदर्शन की भविष्यवाणी करने के लिए एक ऑटोर्रिजिव मॉडल का उपयोग करने वाले निवेशक के पास उस क्षेत्र में स्थिर या बढ़ती स्टॉक कीमतों के चलन की भविष्यवाणी करने का अच्छा कारण होगा।

हालांकि, एक बार यह सार्वजनिक ज्ञान हो गया कि कई वित्तीय संस्थानों में आसन्न पतन का खतरा था, निवेशक अचानक इन शेयरों की हाल की कीमतों के साथ कम चिंतित हो गए और उनके अंतर्निहित जोखिम जोखिम से बहुत अधिक चिंतित थे। इसलिए, बाजार ने तेजी से वित्तीय शेयरों को बहुत निचले स्तर पर उलट दिया, एक ऐसा कदम जिसने एक ऑटोरेस्पोन्डर मॉडल को पूरी तरह से भ्रमित कर दिया।

यह ध्यान रखना महत्वपूर्ण है कि, एक ऑटोरोग्रेसिव मॉडल में, एक बार का झटका भविष्य में गणना किए गए चर के मूल्यों को असीम रूप से प्रभावित करेगा। इसलिए, वित्तीय संकट की विरासत आज के निरंकुश मॉडल में रहती है।

इन्वेस्टमेंट 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।

संबंधित शर्तें

ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज (ARIMA) एक ऑटोरोग्रेसिव इंटीग्रेटेड मूविंग एवरेज एक सांख्यिकीय विश्लेषण मॉडल है जो भविष्य के रुझानों का पूर्वानुमान करने के लिए समय श्रृंखला डेटा का लाभ उठाता है। अधिक बॉक्स-जेनकिंस मॉडल परिभाषा बॉक्स-जेनकिन्स मॉडल एक गणितीय मॉडल है जो एक निर्दिष्ट समय श्रृंखला से डेटा का पूर्वानुमान लगाने के लिए डिज़ाइन किया गया है। डेटा सेट से शोर निकालने के लिए एल्गोरिथ्म का उपयोग करके डेटा स्मूथिंग कैसे काम करता है। यह महत्वपूर्ण पैटर्न को बाहर खड़ा करने की अनुमति देता है। डेटा स्मूथिंग का उपयोग रुझानों की भविष्यवाणी करने में मदद करने के लिए किया जा सकता है, जैसे कि प्रतिभूतियों की कीमतों में पाए जाने वाले। अधिक कैसे कम से कम वर्गों का मानदंड विधि काम करता है कम से कम वर्ग मानदंड उस डेटा को दर्शाने के लिए एक पंक्ति की सटीकता को मापने का एक तरीका है जो इसे उत्पन्न करने के लिए उपयोग किया गया था। यही है, सूत्र सबसे अच्छा फिट की रेखा निर्धारित करता है। अधिक आर-स्क्वेर्ड आर-स्क्वेर्ड एक सांख्यिकीय उपाय है जो एक स्वतंत्र चर द्वारा समझाया गया है जो एक आश्रित चर के लिए विचरण के अनुपात का प्रतिनिधित्व करता है। अधिक कैसे एकाधिक रैखिक प्रतिगमन काम करता है एकाधिक रैखिक प्रतिगमन (एमएलआर) एक सांख्यिकीय तकनीक है जो प्रतिक्रिया चर के परिणाम की भविष्यवाणी करने के लिए कई व्याख्यात्मक चर का उपयोग करती है। अधिक साथी लिंक
अनुशंसित
अपनी टिप्पणी छोड़ दो