समय श्रृंखला

टाइम सीरीज़ क्या है?

एक समय श्रृंखला डेटा बिंदुओं का एक क्रम है जो कुछ समय के लिए क्रमिक क्रम में होता है। इसकी तुलना क्रॉस-सेक्शनल डेटा से की जा सकती है,. जो समय में एक बिंदु को कैप्चर करता है।

निवेश में, एक समय श्रृंखला नियमित अंतराल पर रिकॉर्ड किए गए डेटा बिंदुओं के साथ एक निश्चित अवधि में सुरक्षा की कीमत जैसे चुने हुए डेटा बिंदुओं की गति को ट्रैक करती है। इसमें कोई न्यूनतम या अधिकतम समय शामिल नहीं होना चाहिए, जिससे डेटा को इस तरह से इकट्ठा किया जा सके जो गतिविधि की जांच करने वाले निवेशक या विश्लेषक द्वारा मांगी जा रही जानकारी प्रदान करता हो।

समय श्रृंखला को समझना

समय के साथ बदलने वाले किसी भी चर पर एक समय श्रृंखला ली जा सकती है। निवेश में, समय के साथ सुरक्षा की कीमत को ट्रैक करने के लिए समय श्रृंखला का उपयोग करना आम बात है। इसे अल्पावधि में ट्रैक किया जा सकता है, जैसे किसी व्यावसायिक दिन के दौरान घंटे पर एक सुरक्षा की कीमत, या लंबी अवधि, जैसे हर महीने के आखिरी दिन पर एक सुरक्षा की कीमत। पांच साल का कोर्स।

समय-श्रृंखला विश्लेषण यह देखने के लिए उपयोगी हो सकता है कि समय के साथ कोई संपत्ति, सुरक्षा या आर्थिक चर कैसे बदलता है। इसका उपयोग यह जांचने के लिए भी किया जा सकता है कि चुने हुए डेटा बिंदु से जुड़े परिवर्तन उसी समय अवधि में अन्य चरों में बदलाव की तुलना कैसे करते हैं।

समय श्रृंखला का उपयोग कई गैर-वित्तीय संदर्भों में भी किया जाता है, जैसे समय के साथ जनसंख्या में परिवर्तन को मापना। नीचे दिया गया आंकड़ा 1900-2000 की सदी में अमेरिकी जनसंख्या की वृद्धि के लिए ऐसी समय श्रृंखला को दर्शाता है।

समय श्रृंखला विश्लेषण

मान लीजिए कि आप किसी दिए गए स्टॉक के लिए एक वर्ष की अवधि में दैनिक समापन स्टॉक की कीमतों की एक समय श्रृंखला का विश्लेषण करना चाहते हैं। आप पिछले एक साल के लिए प्रत्येक दिन से स्टॉक के लिए सभी बंद कीमतों की एक सूची प्राप्त करेंगे और उन्हें कालानुक्रमिक क्रम में सूचीबद्ध करेंगे। यह स्टॉक के लिए एक साल की दैनिक समापन मूल्य समय श्रृंखला होगी।

थोड़ा और गहराई से जाने पर, आप तकनीकी विश्लेषण टूल के साथ टाइम सीरीज़ डेटा का विश्लेषण कर सकते हैं ताकि यह पता चल सके कि स्टॉक की टाइम सीरीज़ कोई मौसमी दिखाती है या नहीं। इससे यह निर्धारित करने में मदद मिलेगी कि स्टॉक हर साल नियमित समय पर चोटियों और गर्तों से गुजरता है या नहीं। इस क्षेत्र में विश्लेषण के लिए देखी गई कीमतों को लेने और उन्हें एक चुने हुए मौसम से संबंधित करने की आवश्यकता होगी। इसमें पारंपरिक कैलेंडर मौसम शामिल हो सकते हैं, जैसे गर्मी और सर्दी, या खुदरा मौसम, जैसे छुट्टियों के मौसम।

वैकल्पिक रूप से, आप स्टॉक के शेयर की कीमत में बदलाव रिकॉर्ड कर सकते हैं क्योंकि यह एक आर्थिक चर से संबंधित है, जैसे कि बेरोजगारी दर । चयनित आर्थिक चर से संबंधित जानकारी के साथ डेटा बिंदुओं को सहसंबंधित करके, आप डेटा बिंदुओं और चुने हुए चर के बीच निर्भरता प्रदर्शित करने वाली स्थितियों में पैटर्न देख सकते हैं।

समय श्रृंखला डेटा के साथ एक संभावित मुद्दा यह है कि चूंकि प्रत्येक चर अपनी पूर्व स्थिति या मूल्य पर निर्भर है , इसलिए ऑटोसहसंबंध का एक बड़ा सौदा हो सकता है,. जिसके परिणाम पूर्वाग्रह हो सकते हैं।

समय श्रृंखला पूर्वानुमान

समय श्रृंखला पूर्वानुमान भविष्य की गतिविधि की भविष्यवाणी करने के लिए ऐतिहासिक मूल्यों और संबंधित पैटर्न के बारे में जानकारी का उपयोग करता है। अक्सर, यह प्रवृत्ति विश्लेषण, चक्रीय उतार-चढ़ाव विश्लेषण और मौसमी मुद्दों से संबंधित होता है। सभी पूर्वानुमान विधियों की तरह, सफलता की गारंटी नहीं है।

के लिए, बॉक्स-जेनकिंस मॉडल,. एक निर्दिष्ट समय श्रृंखला से इनपुट के आधार पर डेटा श्रेणियों का पूर्वानुमान लगाने के लिए डिज़ाइन की गई तकनीक है। यह तीन सिद्धांतों, ऑटोरेग्रेशन,. डिफरेंसिंग और मूविंग एवरेज का उपयोग करके डेटा का पूर्वानुमान लगाता है । इन तीन सिद्धांतों को क्रमशः p, d और q के रूप में जाना जाता है। बॉक्स-जेनकिंस विश्लेषण में प्रत्येक सिद्धांत का उपयोग किया जाता है और साथ में उन्हें सामूहिक रूप से एक ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज या एआरआईएमए (पी, डी, क्यू) के रूप में दिखाया जाता है। उदाहरण के लिए, ARIMA का उपयोग स्टॉक की कीमतों या आय में वृद्धि का पूर्वानुमान लगाने के लिए किया जा सकता है।

एक अन्य विधि, जिसे रीस्केल्ड रेंज विश्लेषण के रूप में जाना जाता है, का उपयोग समय श्रृंखला डेटा में दृढ़ता, यादृच्छिकता या माध्य प्रत्यावर्तन की मात्रा का पता लगाने और मूल्यांकन करने के लिए किया जा सकता है। डेटा के लिए भविष्य के मूल्य या औसत को एक्सट्रपलेशन करने के लिए रीस्केल्ड रेंज का उपयोग किया जा सकता है, यह देखने के लिए कि कोई प्रवृत्ति स्थिर है या रिवर्स होने की संभावना है।

क्रॉस सेक्शनल बनाम। समय श्रृंखला विश्लेषण

क्रॉस-अनुभागीय विश्लेषण स्टॉक विश्लेषण के लिए दो व्यापक तुलना विधियों में से एक है। क्रॉस-सेक्शनल विश्लेषण समय की अवधि के बजाय एक ही समय में एकत्र किए गए डेटा को देखता है। विश्लेषण अनुसंधान लक्ष्यों की स्थापना और उन चरों की परिभाषा के साथ शुरू होता है जिन्हें एक विश्लेषक मापना चाहता है। अगला कदम क्रॉस सेक्शन की पहचान करना है, जैसे कि साथियों या उद्योग का समूह, और मूल्यांकन किए जाने वाले विशिष्ट बिंदु को निर्धारित करना। अंतिम चरण क्रॉस सेक्शन और चर के आधार पर विश्लेषण करना है, और किसी कंपनी या संगठन के प्रदर्शन पर निष्कर्ष निकालना है। अनिवार्य रूप से, क्रॉस-सेक्शनल विश्लेषण एक निवेशक को दिखाता है कि किस कंपनी को सबसे अच्छा मेट्रिक्स दिया जाता है जिसकी वे परवाह करते हैं।

समय श्रृंखला विश्लेषण, तकनीकी व्यापार पर लागू होने पर प्रवृत्ति विश्लेषण के रूप में जाना जाता है, समय के साथ एकल सुरक्षा पर केंद्रित होता है। ऐसे में कीमत को उसके पिछले प्रदर्शन के संदर्भ में आंका जा रहा है। टाइम सीरीज़ विश्लेषण एक निवेशक को दिखाता है कि कंपनी उन उपायों से पहले से बेहतर या बदतर कर रही है, जिनकी वे परवाह करते हैं। अक्सर ये क्लासिक्स होंगे जैसे प्रति शेयर आय (ईपीएस), डेट-टू-इक्विटी, फ्री कैश फ्लो (एफसीएफ), और इसी तरह। व्यवहार में, निवेशक आमतौर पर निर्णय लेने से पहले समय श्रृंखला विश्लेषण और क्रॉस-अनुभागीय विश्लेषण के संयोजन का उपयोग करेंगे। उदाहरण के लिए, समय के साथ ईपीएस को देखना और फिर उद्योग बेंचमार्क ईपीएस की जांच करना।

##हाइलाइट

• हालांकि क्रॉस-सेक्शनल डेटा को समय श्रृंखला के विपरीत के रूप में देखा जाता है, दोनों को अक्सर व्यवहार में एक साथ उपयोग किया जाता है।

• समय श्रृंखला का उपयोग करते हुए पूर्वानुमान विधियों का उपयोग मौलिक और तकनीकी विश्लेषण दोनों में किया जाता है।

• समय श्रृंखला विश्लेषण यह देखने के लिए उपयोगी हो सकता है कि दी गई संपत्ति, सुरक्षा, या आर्थिक चर समय के साथ कैसे बदलते हैं।

• एक समय श्रृंखला एक डेटा सेट है जो समय के साथ एक नमूने को ट्रैक करता है।

• विशेष रूप से, एक समय श्रृंखला किसी को यह देखने की अनुमति देती है कि कौन से कारक कुछ चर को समय-समय पर प्रभावित करते हैं।

##सामान्य प्रश्न

आप टाइम सीरीज डेटा का विश्लेषण कैसे करते हैं?

सांख्यिकीय तकनीकों का उपयोग दो प्रमुख तरीकों से समय श्रृंखला डेटा का विश्लेषण करने के लिए किया जा सकता है: एक या एक से अधिक चर समय के साथ ब्याज के कुछ चर को कैसे प्रभावित करते हैं, या भविष्य के रुझानों की भविष्यवाणी करने के लिए अनुमान उत्पन्न करने के लिए। क्रॉस-सेक्शनल डेटा के विपरीत, जो अनिवार्य रूप से एक समय श्रृंखला का एक टुकड़ा है, समय का तीर एक विश्लेषक को अधिक प्रशंसनीय कारण के दावे करने की अनुमति देता है।

डेटा माइनिंग में टाइम सीरीज़ का उपयोग कैसे किया जाता है?

डेटा माइनिंग एक ऐसी प्रक्रिया है जो कच्चे डेटा को उपयोगी जानकारी में बदल देती है। डेटा के बड़े बैचों में पैटर्न देखने के लिए सॉफ़्टवेयर का उपयोग करके, व्यवसाय अपने ग्राहकों के बारे में अधिक प्रभावी मार्केटिंग रणनीति विकसित करने, बिक्री बढ़ाने और लागत कम करने के बारे में अधिक जान सकते हैं। समय श्रृंखला, जैसे कि कॉर्पोरेट फाइलिंग या वित्तीय विवरणों का एक ऐतिहासिक रिकॉर्ड, भविष्य में पूर्वानुमानित रुझानों और पैटर्न की पहचान करने के लिए यहां विशेष रूप से उपयोगी है।

टाइम सीरीज़ के कुछ उदाहरण क्या हैं?

एक समय श्रृंखला का निर्माण किसी भी डेटा द्वारा किया जा सकता है जिसे समय के साथ समान अंतराल पर मापा जाता है। ऐतिहासिक स्टॉक की कीमतों, आय, जीडीपी, या वित्तीय या आर्थिक डेटा के अन्य अनुक्रमों का विश्लेषण एक समय श्रृंखला के रूप में किया जा सकता है।

क्रॉस-सेक्शनल और टाइम सीरीज़ डेटा के बीच अंतर क्या है?

एक क्रॉस सेक्शन एक समय में एक बिंदु को देखता है, जो एक दूसरे पर विभिन्न कारकों के प्रभाव की तुलना और विश्लेषण करने या नमूने का वर्णन करने के लिए उपयोगी है। समय श्रृंखला में समय के साथ एक ही डेटा का बार-बार नमूना लेना शामिल है। व्यवहार में, विश्लेषण के दोनों रूपों का आमतौर पर उपयोग किया जाता है; और जब उपलब्ध हो, एक साथ उपयोग किया जाता है।