ऑटोरेग्रेसिव कंडीशनल हेटेरोस्केडैस्टिसिटी (ARCH)

ऑटोरेग्रेसिव कंडीशनल हेटेरोस्केडैस्टिसिटी (एआरसीएच) क्या है?

ऑटोरेग्रेसिव कंडीशनल हेटेरोस्केडैस्टिसिटी (एआरसीएच) एक सांख्यिकीय मॉडल है जिसका उपयोग भविष्य की अस्थिरता की भविष्यवाणी करने के लिए समय श्रृंखला में अस्थिरता का विश्लेषण करने के लिए किया जाता है। वित्तीय दुनिया में, ARCH मॉडलिंग का उपयोग अस्थिरता का एक मॉडल प्रदान करके जोखिम का अनुमान लगाने के लिए किया जाता है जो वास्तविक बाजारों से अधिक मिलता-जुलता है। ARCH मॉडलिंग से पता चलता है कि उच्च अस्थिरता की अवधि के बाद अधिक उच्च अस्थिरता होती है और कम अस्थिरता की अवधि के बाद अधिक कम अस्थिरता होती है।

व्यवहार में, इसका मतलब है कि अस्थिरता या भिन्नता क्लस्टर में जाती है, जो निवेशकों के लिए अलग-अलग समय अवधि में संपत्ति रखने के जोखिम पर विचार करते समय उपयोगी होती है। ARCH अवधारणा को 1980 के दशक में अर्थशास्त्री रॉबर्ट एफ। एंगल III द्वारा विकसित किया गया था । ARCH ने तुरंत वित्तीय मॉडलिंग में सुधार किया, जिसके परिणामस्वरूप एंगल ने आर्थिक विज्ञान में 2003 का नोबेल मेमोरियल पुरस्कार जीता ।

ऑटोरेग्रेसिव कंडीशनल हेटेरोस्केडैस्टिसिटी (ARCH) को समझना

सशर्त अस्थिरता के साथ निरंतर अस्थिरता की धारणाओं को प्रतिस्थापित करके अर्थमितीय मॉडल को बेहतर बनाने के लिए ऑटोरेग्रेसिव कंडीशनल हेटेरोस्केडैस्टिसिटी (एआरसीएच) मॉडल को डिजाइन किया गया था । एंगल और एआरसीएच मॉडल पर काम करने वाले अन्य लोगों ने माना कि पिछले वित्तीय डेटा भविष्य के डेटा को प्रभावित करते हैं - यही ऑटोरेग्रेसिव की परिभाषा है । ARCH का सशर्त विषमलैंगिकता भाग केवल देखने योग्य तथ्य को संदर्भित करता है कि वित्तीय बाजारों में अस्थिरता गैर-स्थिर है - सभी वित्तीय डेटा, चाहे शेयर बाजार मूल्य, तेल की कीमतें, विनिमय दर, या जीडीपी, उच्च और निम्न अस्थिरता की अवधि से गुजरते हैं। अर्थशास्त्रियों ने हमेशा अस्थिरता में बदलाव की मात्रा को जाना है, लेकिन वे अक्सर इसे एक निश्चित अवधि के लिए स्थिर रखते हैं क्योंकि मॉडलिंग बाजारों में उनके पास बेहतर विकल्प की कमी होती है।

ARCH ने एक ऐसा मॉडल प्रदान किया जिसे अर्थशास्त्री अस्थिरता के लिए स्थिर या औसत के बजाय उपयोग कर सकते थे। ARCH मॉडल वित्तीय संकट या अन्य ब्लैक स्वान घटनाओं की अवधि के दौरान बाजार में देखे जाने वाले अस्थिरता समूहों से परे भी पहचान और पूर्वानुमान लगा सकते हैं । उदाहरण के लिए, एसएंडपी 500 के लिए अस्थिरता 2003 से 2007 तक बुल मार्केट के दौरान एक विस्तारित अवधि के लिए असामान्य रूप से कम थी, 2008 के बाजार सुधार के दौरान रिकॉर्ड स्तर तक पहुंचने से पहले। यह असमान और अत्यधिक भिन्नता मानक-विचलन-आधारित मॉडल के लिए मुश्किल है। साथ सौदा करने के लिए। हालाँकि, ARCH मॉडल डेटा में इस प्रकार के पैटर्न से उत्पन्न होने वाली सांख्यिकीय समस्याओं को ठीक करने में सक्षम हैं। इसके अलावा, ARCH मॉडल उच्च-आवृत्ति डेटा (प्रति घंटा, दैनिक, मासिक, त्रैमासिक) के साथ सबसे अच्छा काम करते हैं, इसलिए वे वित्तीय डेटा के लिए आदर्श हैं। नतीजतन, एआरसीएच मॉडल वित्तीय बाजारों के मॉडलिंग के लिए मुख्य आधार बन गए हैं जो अस्थिरता प्रदर्शित करते हैं (जो वास्तव में लंबे समय में सभी वित्तीय बाजार हैं)।

ARCH मॉडल का जारी विकास

2003 में एंगल के नोबेल व्याख्यान के अनुसार, उन्होंने मिल्टन फ्रीडमैन के अनुमान के जवाब में ARCH विकसित किया कि यह अनिश्चितता थी कि मुद्रास्फीति की वास्तविक दर के बजाय मुद्रास्फीति की दर क्या होगी जो अर्थव्यवस्था को नकारात्मक रूप से प्रभावित करती है। एक बार मॉडल बनने के बाद, यह सभी प्रकार की अस्थिरता के पूर्वानुमान के लिए अमूल्य साबित हुआ। ARCH ने कई संबंधित मॉडल तैयार किए हैं जिनका व्यापक रूप से अनुसंधान और वित्त में उपयोग किया जाता है, जिनमें GARCH,. EGARCH, STARCH, और अन्य शामिल हैं।

अधिक सटीक पूर्वानुमान श्रेणियों को प्राप्त करने के लिए ये भिन्न मॉडल अक्सर भार और सशर्तता के संदर्भ में परिवर्तन पेश करते हैं। उदाहरण के लिए, EGARCH, या घातीय GARCH, डेटा श्रृंखला में नकारात्मक रिटर्न को अधिक महत्व देता है क्योंकि ये अधिक अस्थिरता पैदा करने के लिए दिखाए गए हैं। दूसरे शब्दों में कहें तो मूल्य चार्ट में उतार-चढ़ाव एक बड़ी गिरावट के बाद बड़ी वृद्धि के बाद की तुलना में अधिक बढ़ जाता है। अधिकांश ARCH मॉडल वेरिएंट अधिकतम अधिकतम संभावना दृष्टिकोण का उपयोग करके भार को समायोजित करने के लिए पिछले डेटा का विश्लेषण करते हैं । इसका परिणाम एक गतिशील मॉडल में होता है जो बढ़ती सटीकता के साथ निकट-अवधि और भविष्य की अस्थिरता का अनुमान लगा सकता है-जो निश्चित रूप से, इतने सारे वित्तीय संस्थान उनका उपयोग क्यों करते हैं।

##हाइलाइट

• विभिन्न होल्डिंग अवधियों में परिसंपत्ति जोखिमों को मॉडल करने के लिए वित्तीय संस्थानों द्वारा ARCH मॉडल का उपयोग किया जाता है।

• ऑटोरेग्रेसिव कंडीशनल हेटेरोस्केडैस्टिसिटी (एआरसीएच) मॉडल अस्थिरता को मापते हैं और भविष्य में इसका पूर्वानुमान लगाते हैं।

• कई अलग-अलग प्रकार के ARCH मॉडल हैं जो एक ही डेटा सेट के अलग-अलग दृश्य प्रदान करने के लिए वेटिंग को बदलते हैं।

• ARCH मॉडल गतिशील होते हैं, जिसका अर्थ है कि वे डेटा में परिवर्तन का जवाब देते हैं।