वित्तीय संस्थानों और निगमों के साथ-साथ व्यक्तिगत निवेशकों और शोधकर्ता अक्सर आर्थिक पूर्वानुमान, शेयर बाजार विश्लेषण में वित्तीय समय श्रृंखला डेटा (जैसे परिसंपत्ति मूल्य, विनिमय दर, जीडीपी, मुद्रास्फीति और अन्य व्यापक आर्थिक संकेतक) का उपयोग करते हैं या डेटा का अध्ययन स्वयं।

लेकिन परिष्कृत डेटा आपके स्टॉक विश्लेषण में इसे लागू करने में सक्षम होने के लिए महत्वपूर्ण है। इस लेख में, हम आपको दिखाएंगे कि आपके स्टॉक रिपोर्ट के लिए प्रासंगिक डेटा बिंदुओं को अलग कैसे करें

कच्चे डेटा को खाना बनाना
डेटा बिंदु अक्सर गैर-स्थिर होते हैं या इसका मतलब है, भिन्नता और सह-संवेदना जो समय के साथ बदलते हैं। गैर-स्थिर व्यवहार प्रवृत्तियों, चक्र, यादृच्छिक चलता या तीनों के संयोजन हो सकते हैं।

गैर-स्थिर डेटा, एक नियम के रूप में, अप्रत्याशित हैं और मॉडलिंग या पूर्वानुमान नहीं किया जा सकता है। गैर-स्थिर समय श्रृंखला का उपयोग करके प्राप्त परिणाम नकली हो सकते हैं, जिसमें वे दो चर के बीच संबंध का संकेत दे सकते हैं जहां कोई मौजूद नहीं है। लगातार, विश्वसनीय परिणाम प्राप्त करने के लिए, गैर-स्थिर डेटा को स्थिर डेटा में रूपांतरित करने की आवश्यकता होती है। गैर-स्थिर प्रक्रिया के विपरीत, जो एक चर भिन्नता और एक मतलब है जो निकट नहीं रहता है, या समय के साथ लंबे समय तक चलने के लिए रिटर्न देता है, स्थिर प्रक्रिया एक निरंतर दीर्घकालिक मतलब के पीछे जाती है और एक निरंतर विचरण स्वतंत्र होता है समय की।

कॉपराइट © 2007 इन्वेस्टोपैडिया। com

चित्रा 1

गैर-स्थिर प्रक्रियाओं के प्रकार
गैर-स्थिर वित्तीय समय श्रृंखला डेटा के लिए परिवर्तन के बिंदु से पहले, हमें विभिन्न प्रकार के गैर-स्थिर प्रक्रियाओं के बीच भेद करना चाहिए। यह हमें प्रक्रियाओं की बेहतर समझ प्रदान करेगा और हमें सही परिवर्तन लागू करने की अनुमति देगा। गैर-स्थिर प्रक्रियाओं के उदाहरण बिना किसी बहाव के (या धीमे स्थिर परिवर्तन) और नियतात्मक रुझान (प्रवृत्तियों, जो लगातार, सकारात्मक या नकारात्मक, श्रृंखला के पूरे जीवन के लिए समय से स्वतंत्र होते हैं) के साथ यादृच्छिक चलते हैं।

कॉपराइट © 2007 इन्वेस्टोपैडिया। com

चित्रा 2

• शुद्ध रैंडम वॉक (वाई _टी वाई = टी -1 _{+ ε टी )} यादृच्छिक चलने का अनुमान है कि समय पर मूल्य "टी" अंतिम अवधि के मूल्य के साथ-साथ एक स्टेचैस्टिक (गैर-व्यवस्थित) घटक है जो एक सफेद शोर है, जिसका अर्थ है ε _t स्वतंत्र है और समान रूप से "0" के साथ वितरित किया गया है और विचरण "σ²" यादृच्छिक चलने को कुछ ऑर्डर, एक इकाई रूट या एक स्टोचैस्टिक प्रवृत्ति वाली प्रक्रिया के साथ एक प्रक्रिया एकीकृत किया जा सकता है। यह एक गैर मतलब पुनःप्रक्रिया प्रक्रिया है जो मतलब से या तो सकारात्मक या नकारात्मक दिशा में दूर हो सकती है। एक यादृच्छिक चलने की एक अन्य विशेषता यह है कि भिन्नता समय के साथ विकसित होती है और अनंत के रूप में होती है क्योंकि समय अनगिनत होता है; इसलिए, एक यादृच्छिक चलना भविष्यवाणी नहीं की जा सकती।
  बहाव के साथ यादृच्छिक चलना _(वाई टी
• = α + वाई टी -1 _{+ ε टी )} यदि यादृच्छिक चलने वाला मॉडल भविष्यवाणी करता है कि "टी" समय पर मूल्य अंतिम अवधि के मूल्य के साथ-साथ एक स्थिर, या बहाव (α), और एक सफेद शोर शब्द (ε _{टी ) के बराबर होगा, फिर प्रक्रिया एक बहाव के साथ यादृच्छिक चलती है । यह लंबे समय तक चलने के लिए भी वापस नहीं आ रहा है और समय पर निर्भरता भिन्न है।} नियतात्मक रुझान (वाई _टी = α + βt + ε टी )
  अक्सर एक निराशा के साथ एक यादृच्छिक चलना एक नियतात्मक रुझान के लिए भ्रमित है। दोनों एक बहाव और एक सफेद शोर घटक शामिल हैं, लेकिन एक यादृच्छिक चलने के मामले में "टी" समय पर मूल्य पिछली अवधि के मूल्य (वाई टी -1 ) पर वापस जाना जाता है, जबकि एक नियतात्मक प्रवृत्ति यह एक समय प्रवृत्ति (βt) पर regressed है। नियतात्मक रुझान के साथ एक गैर-स्थिर प्रक्रिया का मतलब एक निश्चित प्रवृत्ति के आसपास होता है, जो निरंतर और समय से स्वतंत्र है। _{बहाव और निर्धारणवादी रुझान के साथ यादृच्छिक चलना (वाई} टी
• = α + वाई _{टी -1} + βt + ε _टी )
  एक और उदाहरण है एक गैर-स्थिर प्रक्रिया जो एक बहाव घटक (α) और एक नियतात्मक रुझान (βt) के साथ एक यादृच्छिक चलती को जोड़ती है। यह मूल्य पिछली अवधि के मूल्य, एक बहाव, एक प्रवृत्ति और एक स्टेचैस्टिक घटक के द्वारा "टी" समय पर निर्दिष्ट करता है। (यादृच्छिक सैर और प्रवृत्तियों के बारे में अधिक जानने के लिए, हमारे _{वित्तीय अवधारणाओं} ट्यूटोरियल देखें।)
• रुझान और अंतर स्थिर _{एक बहाव के साथ या बिना एक यादृच्छिक पैदल को एक अलग प्रक्रिया के लिए अलग-अलग तरीके से परिवर्तित किया जा सकता है (Y} टी-1 _वाई टी, _{यू टी वाई टी -1 ) के अनुरूप वाई > टी} - वाई
  टी -1 = ε टी या वाई

टी - वाई
टी -1 _{= α + ε < टी और फिर प्रक्रिया अंतर-स्थिर हो जाती है विभेदकों का नुकसान यह है कि प्रक्रिया हर बार अंतर लेते समय एक अवलोकन को खो देता है।} कॉपर्राइट © 2007 इन्वेस्टोपैडिया। com _{चित्रा 3} एक नियतात्मक रुझान के साथ एक गैर-स्थिर प्रक्रिया चलन को हटाने के बाद स्थिर हो जाती है, या स्थगित हो रही है उदाहरण के लिए, यट = α + βt + εt एक स्थिर प्रक्रिया में प्रवृत्ति βt: Yt - βt = α + εt को घटाकर, जैसा कि नीचे चित्रा 4 में दिखाया गया है। किसी अस्थायी प्रक्रिया को एक स्थिर रूप में बदलने के लिए जब बचाव का उपयोग किया जाता है, तो कोई अवलोकन नहीं खो जाता है। _{कॉपर्राइट © 2007 इन्वेस्टोपैडिया। com} चित्रा 4 _{एक बहाव और नियतात्मक प्रवृत्ति के साथ एक यादृच्छिक चलने के मामले में, स्थगित करने के लिए नियतात्मक प्रवृत्ति और बहाव को हटा सकता है, लेकिन अंतर निरंतरता पर जारी रहेगा। नतीजतन, स्टोकेस्टिक प्रवृत्ति को हटाने के लिए differencing को भी लागू किया जाना चाहिए।} निष्कर्ष _{वित्तीय मॉडल में गैर-स्थिर समय श्रृंखला डेटा का उपयोग करना अविश्वसनीय और नकली परिणाम पैदा करता है और गरीब समझ और पूर्वानुमान की ओर जाता है। समस्या का समाधान समय श्रृंखला डेटा बदलना है ताकि यह स्थिर हो। अगर गैर-स्थिर प्रक्रिया एक बहाव के बिना या बिना एक यादृच्छिक चलती है, तो इसे अलग-अलग तरीके से स्थिर प्रक्रिया में बदल दिया जाता है।दूसरी ओर, यदि समय-श्रृंखला डेटा का विश्लेषण किया जाता है तो एक नियतात्मक प्रवृत्ति का प्रदर्शन करता है, तो नकली परिणामों को निरस्त करने से बचा जा सकता है। कभी-कभी गैर-स्थिर श्रृंखला एक समय में एक स्टेचैस्टिक और नियतात्मक रुझान को जोड़ सकती है और भ्रामक परिणाम प्राप्त करने से बचने के लिए दोनों भिन्नताएं और स्थगित करना लागू किया जाना चाहिए, क्योंकि differencing भिन्नता में प्रवृत्ति को निकाल देगा और स्थगितता निर्धारणवादी प्रवृत्ति को निकाल देगा}