ऑटोरेग्रेसिव

एक ऑटोरेग्रेसिव मॉडल क्या है?

एक सांख्यिकीय मॉडल ऑटोरेग्रेसिव है यदि यह पिछले मूल्यों के आधार पर भविष्य के मूल्यों की भविष्यवाणी करता है। उदाहरण के लिए, एक ऑटोरेग्रेसिव मॉडल अपने पिछले प्रदर्शन के आधार पर स्टॉक की भविष्य की कीमतों की भविष्यवाणी करना चाह सकता है।

ऑटोरेग्रेसिव मॉडल को समझना

ऑटोरेग्रेसिव मॉडल इस आधार पर काम करते हैं कि पिछले मूल्यों का वर्तमान मूल्यों पर प्रभाव पड़ता है, जो प्रकृति, अर्थशास्त्र और समय के साथ बदलती अन्य प्रक्रियाओं के विश्लेषण के लिए सांख्यिकीय तकनीक को लोकप्रिय बनाता है। एकाधिक प्रतिगमन मॉडल भविष्यवाणियों के रैखिक संयोजन का उपयोग करके एक चर का पूर्वानुमान 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 तत्काल पूर्ववर्ती मूल्य पर आधारित होता है, जबकि एआर (2) प्रक्रिया वह होती है जिसमें वर्तमान मूल्य पिछले दो मूल्यों पर आधारित होता है। सफेद शोर के लिए एक एआर (0) प्रक्रिया का उपयोग किया जाता है और शर्तों के बीच कोई निर्भरता नहीं होती है। इन विविधताओं के अलावा, इन गणनाओं में प्रयुक्त गुणांकों 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 की भविष्यवाणी करने के लिए किया जाता है। हालांकि, चूंकि ऑटोरेग्रेसिव मॉडल अपनी भविष्यवाणियों को केवल पिछली जानकारी पर आधारित करते हैं, इसलिए वे स्पष्ट रूप से मानते हैं कि पिछली कीमतों को प्रभावित करने वाली मूलभूत ताकतें समय के साथ नहीं बदलेगी। इससे आश्चर्यजनक और गलत भविष्यवाणियां हो सकती हैं यदि प्रश्न में अंतर्निहित ताकतें वास्तव में बदल रही हैं, जैसे कि एक उद्योग तेजी से और अभूतपूर्व तकनीकी परिवर्तन से गुजर रहा है।

फिर भी, व्यापारियों ने पूर्वानुमान उद्देश्यों के लिए ऑटोरेग्रेसिव मॉडल के उपयोग को परिष्कृत करना जारी रखा है। एक बेहतरीन उदाहरण ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज (एआरआईएमए) है, जो एक परिष्कृत ऑटोरेग्रेसिव मॉडल है जो पूर्वानुमान लगाते समय रुझान, चक्र, मौसमी, त्रुटियों और अन्य गैर-स्थिर प्रकार के डेटा को ध्यान में रख सकता है।

विश्लेषणात्मक दृष्टिकोण

हालांकि ऑटोरेग्रेसिव मॉडल तकनीकी विश्लेषण से जुड़े हैं, उन्हें निवेश के अन्य तरीकों 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 ऑटोरेग्रेसिव मॉडल का उदाहरण

ऑटोरेग्रेसिव मॉडल इस धारणा पर आधारित हैं कि पिछले मूल्यों का वर्तमान मूल्यों पर प्रभाव पड़ता है। उदाहरण के लिए, स्टॉक की कीमतों की भविष्यवाणी करने के लिए एक ऑटोरेग्रेसिव मॉडल का उपयोग करने वाले निवेशक को यह मानने की आवश्यकता होगी कि उस स्टॉक के नए खरीदार और विक्रेता हाल के बाजार लेनदेन से प्रभावित होते हैं, जब यह तय करते हैं कि सुरक्षा के लिए कितना प्रस्ताव देना या स्वीकार करना है।

हालांकि यह धारणा ज्यादातर परिस्थितियों में कायम 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 धारित बंधक-समर्थित प्रतिभूतियों के बड़े पोर्टफोलियो द्वारा उत्पन्न जोखिमों के बारे में पता नहीं था। उस समय के दौरान, अमेरिकी वित्तीय शेयरों के प्रदर्शन की भविष्यवाणी करने के लिए एक ऑटोरेग्रेसिव मॉडल का उपयोग करने वाले निवेशक के पास उस क्षेत्र में स्थिर या बढ़ती स्टॉक कीमतों की चल रही प्रवृत्ति की भविष्यवाणी करने का अच्छा कारण होगा।

हालांकि, एक बार जब यह सार्वजनिक हो गया कि कई वित्तीय संस्थान आसन्न पतन के जोखिम में थे, तो निवेशक अचानक इन शेयरों की हाल की कीमतों से कम चिंतित हो गए और उनके अंतर्निहित जोखिम जोखिम से कहीं अधिक चिंतित हो गए। इसलिए, बाजार तेजी से वित्तीय शेयरों को बहुत निचले स्तर पर पुनर्मूल्यांकन कर रहा है, एक ऐसा कदम जिसने एक ऑटोरेग्रेसिव मॉडल को पूरी तरह से भ्रमित कर दिया होगा।

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

##हाइलाइट

• ऑटोरेग्रेसिव मॉडल पिछले मूल्यों के आधार पर भविष्य के मूल्यों की भविष्यवाणी करते हैं।

• भविष्य की सुरक्षा कीमतों की भविष्यवाणी करने के लिए तकनीकी विश्लेषण में इनका व्यापक रूप से उपयोग किया जाता है।

• ऑटोरेग्रेसिव मॉडल परोक्ष रूप से यह मानते हैं कि भविष्य अतीत के समान होगा।

• इसलिए, वे कुछ बाजार स्थितियों, जैसे वित्तीय संकट या तेजी से तकनीकी परिवर्तन की अवधि के तहत गलत साबित हो सकते हैं।