मार्कोव विश्लेषण

मार्कोव विश्लेषण क्या है?

मार्कोव विश्लेषण एक चर के मूल्य की भविष्यवाणी करने के लिए उपयोग की जाने वाली एक विधि है जिसका अनुमानित मूल्य केवल इसकी वर्तमान स्थिति से प्रभावित होता है, न कि किसी पूर्व गतिविधि से। संक्षेप में, यह पूरी तरह से चर के आसपास की वर्तमान परिस्थितियों के आधार पर एक यादृच्छिक चर की भविष्यवाणी करता है।

मार्कोव विश्लेषण अक्सर लोगों के बड़े समूहों के भीतर व्यवहार और निर्णयों की भविष्यवाणी करने के लिए उपयोग किया जाता है। इसका नाम रूसी गणितज्ञ आंद्रेई आंद्रेयेविच मार्कोव के नाम पर रखा गया था, जिन्होंने स्टोकेस्टिक प्रक्रियाओं के अध्ययन का बीड़ा उठाया था, जो ऐसी प्रक्रियाएं हैं जिनमें संयोग का संचालन शामिल है। मार्कोव ने सबसे पहले इस पद्धति को एक कंटेनर में फंसे गैस कणों की गति की भविष्यवाणी करने के लिए लागू किया था।

मार्कोव विश्लेषण को समझना

मार्कोव विश्लेषण प्रक्रिया में एक चर की वर्तमान स्थिति को देखते हुए, भविष्य की कार्रवाई की संभावना को परिभाषित करना शामिल है। एक बार प्रत्येक राज्य में भविष्य के कार्यों की संभावनाएं निर्धारित हो जाने के बाद, एक निर्णय वृक्ष तैयार किया जा सकता है, और परिणाम की संभावना की गणना की जा सकती है।

मार्कोव विश्लेषण के व्यापारिक दुनिया में कई व्यावहारिक अनुप्रयोग हैं। यह अक्सर दोषपूर्ण टुकड़ों की संख्या का अनुमान लगाने के लिए नियोजित किया जाता है जो लाइन पर मशीनों की परिचालन स्थिति को देखते हुए एक असेंबली लाइन से निकल जाएंगे। इसका उपयोग कंपनी के प्राप्य खातों (एआर) के अनुपात की भविष्यवाणी करने के लिए भी किया जा सकता है जो खराब ऋण बन जाएगा।

कंपनियां मार्कोव विश्लेषण का उपयोग मौजूदा ग्राहकों की भविष्य की ब्रांड वफादारी और कंपनी के बाजार हिस्सेदारी पर इन उपभोक्ता निर्णयों के नतीजे का अनुमान लगाने के लिए भी कर सकती हैं । कुछ स्टॉक मूल्य और विकल्प मूल्य पूर्वानुमान विधियों में मार्कोव विश्लेषण भी शामिल है।

मार्कोव विश्लेषण के फायदे और नुकसान

मार्कोव विश्लेषण के प्राथमिक लाभ सादगी और आउट-ऑफ-सैंपल पूर्वानुमान सटीकता हैं। साधारण मॉडल, जैसे कि मार्कोव विश्लेषण के लिए उपयोग किए जाने वाले मॉडल, अक्सर अधिक जटिल मॉडल की तुलना में भविष्यवाणियां करने में बेहतर होते हैं। यह परिणाम अर्थमिति में प्रसिद्ध है ।

दुर्भाग्य से, मार्कोव विश्लेषण घटनाओं की व्याख्या करने के लिए बहुत उपयोगी नहीं है, और यह ज्यादातर मामलों में अंतर्निहित स्थिति का सही मॉडल नहीं हो सकता है। हां, वर्तमान स्थिति के आधार पर सशर्त संभावनाओं का अनुमान लगाना अपेक्षाकृत आसान है । हालाँकि, यह अक्सर एक को थोड़ा बताता है कि कुछ क्यों हुआ।

मार्कोव विश्लेषण भविष्यवाणी करने के लिए एक मूल्यवान उपकरण है, लेकिन यह स्पष्टीकरण प्रदान नहीं करता है।

इंजीनियरिंग में, यह बिल्कुल स्पष्ट है कि एक मशीन के खराब होने की संभावना को जानने से यह स्पष्ट नहीं होता है कि वह क्यों टूट गई। इससे भी महत्वपूर्ण बात यह है कि एक मशीन वास्तव में इस संभावना के आधार पर टूटती नहीं है कि यह आज टूट गई या नहीं। वास्तव में, एक मशीन खराब हो सकती है क्योंकि उसके गियर्स को अधिक बार लुब्रिकेट करने की आवश्यकता होती है।

वित्तीय बाजारों के बारे में हमारे सापेक्ष ज्ञान की कमी से समस्याओं को ठीक करना जटिल है । मार्कोव विश्लेषण ऋण के उस हिस्से का अनुमान लगाने के लिए बहुत अधिक उपयोगी है जो पहले स्थान पर खराब क्रेडिट जोखिमों की जांच के लिए डिफ़ॉल्ट होगा।

मार्कोव विश्लेषण का एक उदाहरण

मार्कोव विश्लेषण का उपयोग स्टॉक सट्टेबाजों द्वारा किया जा सकता है। मान लीजिए कि एक गति निवेशक का अनुमान है कि एक पसंदीदा स्टॉक के पास कल बाजार को मात देने का 60% मौका है यदि वह आज ऐसा करता है। इस अनुमान में केवल वर्तमान स्थिति शामिल है, इसलिए यह मार्कोव विश्लेषण की प्रमुख सीमा को पूरा करता है।

मार्कोव विश्लेषण भी सट्टेबाज को यह अनुमान लगाने की अनुमति देता है कि स्टॉक अगले दो दिनों में बाजार से बेहतर प्रदर्शन करेगा, यह संभावना 0.6 * 0.6 = 0.36 या 36% है, जिसे देखते हुए स्टॉक ने आज बाजार को हराया। उत्तोलन और पिरामिडिंग का उपयोग करके , सट्टेबाज इस प्रकार के मार्कोव विश्लेषण से संभावित लाभ को बढ़ाने का प्रयास करते हैं।

##हाइलाइट

• मार्कोव विश्लेषण एक चर के मूल्य की भविष्यवाणी करने के लिए उपयोग की जाने वाली एक विधि है जिसका अनुमानित मूल्य केवल इसकी वर्तमान स्थिति से प्रभावित होता है।

• मार्कोव विश्लेषण वित्तीय सट्टेबाजों, विशेष रूप से गति निवेशकों के लिए उपयोगी है।

• मार्कोव विश्लेषण घटनाओं को समझाने के लिए बहुत उपयोगी नहीं है, और यह ज्यादातर मामलों में अंतर्निहित स्थिति का सही मॉडल नहीं हो सकता है।

• मार्कोव विश्लेषण के प्राथमिक लाभ सादगी और आउट-ऑफ-सैंपल पूर्वानुमान सटीकता हैं।