गार्च प्रक्रिया
वित्तीय बाजारों में अस्थिरता का अनुमान लगाने के लिए एक दृष्टिकोण का वर्णन करने के लिए अर्थशास्त्रियों के लिए नोबेल मेमोरियल पुरस्कार के एक अर्थशास्त्री रॉबर्ट एफ। एंगेल और 2003 के विजेता के रूप में 1982 में विकसित सामान्यीकृत ऑटोरेस्पिरेटिव सशर्त हेटेरोसेडासिटी (GARCH) प्रक्रिया एक अर्थमितीय शब्द है। गार्च मॉडलिंग के कई रूप हैं। GARCH प्रक्रिया को अक्सर वित्तीय मॉडलिंग पेशेवरों द्वारा पसंद किया जाता है क्योंकि यह वित्तीय साधनों की कीमतों और दरों की भविष्यवाणी करने की कोशिश करते समय अन्य रूपों की तुलना में अधिक वास्तविक दुनिया का संदर्भ प्रदान करता है।
ब्रेकिंग गार्च प्रक्रिया
Heteroskedasticity एक सांख्यिकीय मॉडल में एक त्रुटि शब्द, या चर की भिन्नता के अनियमित पैटर्न का वर्णन करता है। अनिवार्य रूप से, जहां विषमलैंगिकता होती है, अवलोकन रेखीय पैटर्न के अनुरूप नहीं होते हैं। इसके बजाय, वे क्लस्टर करते हैं। नतीजा यह है कि निष्कर्ष और भविष्य कहनेवाला मूल्य एक मॉडल से आकर्षित कर सकते हैं विश्वसनीय नहीं होगा। GARCH एक सांख्यिकीय मॉडल है जिसका उपयोग विभिन्न प्रकार के वित्तीय डेटा के विश्लेषण के लिए किया जा सकता है, उदाहरण के लिए, मैक्रोइकॉनॉमिक डेटा। वित्तीय संस्थान आमतौर पर स्टॉक, बॉन्ड और बाजार सूचकांकों के लिए रिटर्न की अस्थिरता का अनुमान लगाने के लिए इस मॉडल का उपयोग करते हैं। वे मूल्य निर्धारण और न्यायाधीश को निर्धारित करने में मदद करने के लिए परिणामी जानकारी का उपयोग करते हैं जो परिसंपत्तियां उच्चतर रिटर्न प्रदान करेंगी, साथ ही साथ अपने परिसंपत्ति आवंटन, हेजिंग, जोखिम प्रबंधन और पोर्टफोलियो अनुकूलन निर्णयों में मदद करने के लिए वर्तमान निवेश के रिटर्न का अनुमान लगाने के लिए।
एक GARCH मॉडल के लिए सामान्य प्रक्रिया में तीन चरण शामिल हैं। सबसे पहले एक सर्वश्रेष्ठ-फिटिंग ऑटोरेग्रेसिव मॉडल का अनुमान लगाना है। दूसरा है त्रुटि शब्द के ऑटोकरेक्लेशन की गणना करना। तीसरा चरण महत्व के लिए परीक्षण करना है। वित्तीय अस्थिरता का आकलन करने और भविष्यवाणी करने के लिए दो अन्य व्यापक रूप से उपयोग किए जाने वाले दृष्टिकोण क्लासिक ऐतिहासिक अस्थिरता (VolSD) विधि और घातीय रूप से भारित चलती औसत अस्थिरता (VolEWMA) विधि हैं।
गार्च प्रक्रिया का उदाहरण
GARCH मॉडल वित्तीय बाजारों का वर्णन करने में मदद करते हैं जिसमें अस्थिरता बदल सकती है, वित्तीय संकटों या विश्व घटनाओं की अवधि के दौरान अधिक अस्थिर हो जाती है और सापेक्ष शांत और स्थिर आर्थिक विकास की अवधि के दौरान कम अस्थिरता होती है। उदाहरण के लिए, रिटर्न के एक भूखंड पर, स्टॉक रिटर्न उन वर्षों के लिए अपेक्षाकृत समान दिख सकते हैं, जो वित्तीय संकट की ओर अग्रसर हैं, जैसे 2007 में। संकट की शुरुआत के बाद की समय अवधि में, रिटर्न नकारात्मक से बेतहाशा स्विंग हो सकती है। सकारात्मक क्षेत्र के लिए। इसके अलावा, बढ़ी हुई अस्थिरता आगे जाने वाली अस्थिरता की भविष्यवाणी हो सकती है। अस्थिरता तब पूर्व-संकट के स्तरों से मिलती-जुलती स्तरों पर लौट सकती है या आगे जाकर एक जैसी हो सकती है। एक साधारण प्रतिगमन मॉडल वित्तीय बाजारों में प्रदर्शित अस्थिरता में इस भिन्नता के लिए जिम्मेदार नहीं है और "ब्लैक स्वान" घटनाओं का प्रतिनिधि नहीं है जो एक से अधिक भविष्यवाणी करेगा।
एसेट रिटर्न के लिए गार्च मॉडल्स बेस्ट
गार्च की प्रक्रिया होमोसैकेस्टिक मॉडल से भिन्न होती है, जो निरंतर अस्थिरता मानती हैं और मूल साधारण कम से कम वर्गों (ओएलएस) विश्लेषण में उपयोग की जाती हैं। OLS का लक्ष्य उन बिंदुओं को फिट करने के लिए डेटा बिंदुओं और प्रतिगमन रेखा के बीच विचलन को कम करना है। परिसंपत्ति रिटर्न के साथ, अस्थिरता निश्चित अवधि के दौरान बदलती रहती है और पिछले विचरण पर निर्भर करती है, जिससे होमोसैकेस्टिक मॉडल इष्टतम नहीं होता है।
GARCH प्रक्रियाएं, निरंकुश होने के कारण, वर्तमान भिन्नता के लिए मॉडल के लिए पिछले चुकता टिप्पणियों और पिछले संस्करण पर निर्भर करती हैं। गार्च प्रक्रियाओं को व्यापक रूप से वित्त में उपयोग किया जाता है, क्योंकि यह परिसंपत्ति रिटर्न और मुद्रास्फीति में मॉडलिंग में उनकी प्रभावशीलता के कारण होता है। GARCH का लक्ष्य पूर्वानुमानों में त्रुटियों के लिए लेखांकन द्वारा पूर्वानुमानों को कम से कम करना है और इस प्रकार, पहले से चल रही भविष्यवाणियों की सटीकता को बढ़ाता है।
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।