एक सीरियल सहसंबंध क्या है?
सीरियल सहसंबंध विभिन्न समय अंतरालों पर एक चर और खुद के अंतराल संस्करण के बीच का संबंध है। दोहराए जाने वाले पैटर्न अक्सर सीरियल सहसंबंध दिखाते हैं जब एक चर का स्तर उसके भविष्य के स्तर को प्रभावित करता है। वित्त में, इस सहसंबंध का उपयोग तकनीकी विश्लेषकों द्वारा यह निर्धारित करने के लिए किया जाता है कि सुरक्षा का पिछला मूल्य भविष्य के मूल्य की कितनी अच्छी भविष्यवाणी करता है।
सीरियल सहसंबंध को ऑटोकरेलेशन या लैग्ड सहसंबंध के रूप में भी जाना जाता है।
चाबी छीन लेना
- सीरियल सहसंबंध एक दिए गए चर और विभिन्न समय अंतरालों पर खुद के एक अंतराल संस्करण के बीच का संबंध है। एक चर जो क्रमिक रूप से सहसंबद्ध है, में एक पैटर्न है और यादृच्छिक नहीं है। तकनीकी विश्लेषक सुरक्षा या प्रतिभूतियों के समूह के लाभदायक पैटर्न को मान्य करते हैं और निवेश के अवसरों से जुड़े जोखिम का निर्धारण करते हैं।
क्रमिक सहसंबंध विकृत
धारावाहिक सहसंबंध का उपयोग विशिष्ट अवधियों में एक ही चर की टिप्पणियों के बीच संबंधों का वर्णन करने के लिए किया जाता है। यदि एक चर के सहसंबंध को शून्य के रूप में मापा जाता है, तो कोई सहसंबंध नहीं है, और प्रत्येक अवलोकन एक दूसरे से स्वतंत्र है। इसके विपरीत, यदि एक चर का सहसंबंध एक की ओर बढ़ता है, तो अवलोकन क्रमिक रूप से सहसंबद्ध होते हैं, और भविष्य के अवलोकन अतीत के मूल्यों से प्रभावित होते हैं। अनिवार्य रूप से, एक चर जो क्रमिक रूप से सहसंबद्ध है, में एक पैटर्न है और यादृच्छिक नहीं है।
त्रुटि शर्तें तब होती हैं जब कोई मॉडल पूरी तरह से सटीक नहीं होता है और वास्तविक दुनिया के अनुप्रयोगों के दौरान अलग-अलग परिणाम होता है। जब विभिन्न (आमतौर पर आसन्न) अवधियों (या क्रॉस-सेक्शन टिप्पणियों) से त्रुटि शब्द सहसंबद्ध होते हैं, तो त्रुटि शब्द क्रमिक रूप से सहसंबद्ध होता है। सीरियल-सहसंबंध समय-श्रृंखला अध्ययनों में तब होता है जब किसी निश्चित अवधि से जुड़ी त्रुटियां भविष्य की अवधि में ले जाती हैं। उदाहरण के लिए, जब स्टॉक लाभांश की वृद्धि की भविष्यवाणी करते हैं, तो एक वर्ष में एक overestimate सफल वर्षों में overestimates को जन्म देगा।
सीरियल सहसंबंध नकली ट्रेडिंग मॉडल को अधिक सटीक बना सकता है, जो निवेशक को कम जोखिम वाली निवेश रणनीति विकसित करने में मदद करता है।
तकनीकी विश्लेषण धारावाहिक सहसंबंध के उपायों का उपयोग करता है जब एक सुरक्षा पैटर्न का विश्लेषण करता है। विश्लेषण पूरी तरह से एक कंपनी की बुनियादी बातों के बजाय एक शेयर की कीमत के आंदोलन और संबद्ध मात्रा पर आधारित है। तकनीकी विश्लेषण के प्रैक्टिशनर, यदि वे धारावाहिक सहसंबंध का सही ढंग से उपयोग करते हैं, तो लाभदायक पैटर्न या प्रतिभूति या प्रतिभूतियों के समूह या निवेश के अवसरों की पहचान और सत्यापन करते हैं।
धारावाहिक सहसंबंध की अवधारणा
सीरियल सहसंबंध मूल रूप से इंजीनियरिंग में उपयोग किया जाता था यह निर्धारित करने के लिए कि एक सिग्नल, जैसे कि कंप्यूटर सिग्नल या रेडियो तरंग, समय के साथ स्वयं की तुलना में भिन्न होता है। यह अवधारणा आर्थिक हलकों में लोकप्रियता में वृद्धि हुई क्योंकि अर्थशास्त्रियों और अर्थमिति के चिकित्सकों ने समय के साथ आर्थिक आंकड़ों का विश्लेषण करने के लिए उपाय का उपयोग किया।
लगभग सभी बड़े वित्तीय संस्थानों में अब मात्रात्मक विश्लेषक हैं, जिन्हें कर्मचारियों के रूप में क्वेंट के रूप में जाना जाता है। ये वित्तीय ट्रेडिंग विश्लेषक स्टॉक मार्केट का विश्लेषण और भविष्यवाणी करने के लिए तकनीकी विश्लेषण और अन्य सांख्यिकीय निष्कर्षों का उपयोग करते हैं। ये मॉडल पूर्वानुमान और एक रणनीति की संभावित लाभप्रदता में सुधार करने के लिए सहसंबंधों की संरचना की पहचान करने का प्रयास करते हैं। इसके अलावा, सहसंबंध संरचना की पहचान करने से मॉडल के आधार पर किसी भी नकली समय श्रृंखला के यथार्थवाद में सुधार होता है। सटीक सिमुलेशन निवेश रणनीतियों के जोखिम को कम करते हैं।
Quants इन वित्तीय संस्थानों में से कई की सफलता के लिए अभिन्न अंग हैं क्योंकि वे बाजार मॉडल प्रदान करते हैं जो संस्था तब अपनी निवेश रणनीति के आधार के रूप में उपयोग करती है।
सीरियल सहसंबंध मूल रूप से सिग्नल प्रोसेसिंग और सिस्टम इंजीनियरिंग में उपयोग किया जाता था यह निर्धारित करने के लिए कि सिग्नल समय के साथ कैसे बदलता है। 1980 के दशक में, अर्थशास्त्रियों और गणितज्ञों ने शेयर की कीमतों की भविष्यवाणी करने के लिए अवधारणा को लागू करने के लिए वॉल स्ट्रीट में भाग लिया।
इन क्वेंट के बीच सीरियल सहसंबंध डर्बिन-वाटसन टेस्ट का उपयोग करके निर्धारित किया जाता है। सहसंबंध या तो सकारात्मक या नकारात्मक हो सकता है। सकारात्मक सीरियल सहसंबंध को प्रदर्शित करने वाले एक शेयर की कीमत का एक सकारात्मक पैटर्न है। एक नकारात्मक धारावाहिक सहसंबंध की सुरक्षा समय के साथ स्वयं पर नकारात्मक प्रभाव डालती है।
