స్థిర మరియు నాన్ పరిచయం

ఆర్థిక సంస్థలు మరియు సంస్థలు, అలాగే వ్యక్తిగత పెట్టుబడిదారులు మరియు పరిశోధకులు, ఆర్థిక అంచనాలు, స్టాక్ మార్కెట్ విశ్లేషణ లేదా డేటా యొక్క అధ్యయనాలలో తరచుగా ఆర్థిక సమయ శ్రేణి డేటాను (ఆస్తి ధరలు, మార్పిడి రేట్లు, జిడిపి, ద్రవ్యోల్బణం మరియు ఇతర స్థూల ఆర్థిక సూచికలు వంటివి) ఉపయోగిస్తారు..

డేటాను శుద్ధి చేయడం మీ స్టాక్ విశ్లేషణకు వర్తింపజేయడానికి కీలకం., మీ స్టాక్ రిపోర్టులకు సంబంధించిన డేటా పాయింట్లను ఎలా వేరు చేయాలో మేము మీకు చూపుతాము.

స్థిర మరియు నాన్-స్టేషనరీ ప్రక్రియలకు పరిచయం

రా డేటా వంట

డేటా పాయింట్లు తరచుగా స్థిరంగా ఉండవు లేదా కాలక్రమేణా మారే మార్గాలు, వైవిధ్యాలు మరియు కోవిరియెన్స్‌లను కలిగి ఉంటాయి. స్థిరంగా లేని ప్రవర్తనలు పోకడలు, చక్రాలు, యాదృచ్ఛిక నడకలు లేదా మూడింటి కలయికలు కావచ్చు.

నాన్-స్టేషనరీ డేటా, ఒక నియమం ప్రకారం, అనూహ్యమైనది మరియు వాటిని మోడల్ చేయలేము లేదా అంచనా వేయలేము. స్థిరంగా లేని సమయ శ్రేణిని ఉపయోగించడం ద్వారా పొందిన ఫలితాలు నకిలీవి కావచ్చు, అవి ఒకటి లేని రెండు వేరియబుల్స్ మధ్య సంబంధాన్ని సూచిస్తాయి. స్థిరమైన, నమ్మదగిన ఫలితాలను పొందడానికి, స్థిర-కాని డేటాను స్థిరమైన డేటాగా మార్చడం అవసరం. వేరియబుల్ వైవిధ్యం మరియు సమీపంలో ఉండని లేదా కాలక్రమేణా దీర్ఘకాలిక సగటుకు తిరిగి వచ్చే స్థిరమైన కాని ప్రక్రియకు భిన్నంగా, స్థిరమైన ప్రక్రియ స్థిరమైన దీర్ఘకాలిక సగటు చుట్టూ తిరిగి వస్తుంది మరియు స్వతంత్ర వ్యత్యాస స్వతంత్రంగా ఉంటుంది సమయం.

నాన్-స్టేషనరీ ప్రాసెస్ల రకాలు

నాన్-స్టేషనరీ ఫైనాన్షియల్ టైమ్ సిరీస్ డేటా కోసం మేము పరివర్తన చెందడానికి ముందు, వివిధ రకాలైన నాన్-స్టేషనరీ ప్రక్రియల మధ్య తేడాను గుర్తించాలి. ఇది మాకు ప్రక్రియల గురించి మంచి అవగాహనను అందిస్తుంది మరియు సరైన పరివర్తనను వర్తింపచేయడానికి అనుమతిస్తుంది. స్థిరమైన ప్రక్రియలకు ఉదాహరణలు డ్రిఫ్ట్‌తో లేదా లేకుండా యాదృచ్ఛిక నడక (నెమ్మదిగా స్థిరమైన మార్పు) మరియు నిర్ణయాత్మక పోకడలు (స్థిరమైన, సానుకూల లేదా ప్రతికూలమైన ధోరణులు, సిరీస్ యొక్క మొత్తం జీవితానికి స్వతంత్రంగా ఉంటాయి).

స్వచ్ఛమైన రాండమ్ వాక్ (Y _t = Y _t-1 + ε _t) "t" సమయంలో విలువ చివరి కాల విలువకు సమానంగా ఉంటుందని మరియు తెల్లని శబ్దం అయిన యాదృచ్ఛిక (క్రమరహిత) భాగానికి సమానంగా ఉంటుందని రాండమ్ వాక్ అంచనా వేసింది. అంటే independent _t స్వతంత్రమైనది మరియు సగటు "0" మరియు వ్యత్యాసం "with" తో సమానంగా పంపిణీ చేయబడుతుంది. యాదృచ్ఛిక నడకను కొన్ని క్రమం, ఒక యూనిట్ రూట్‌తో కూడిన ప్రక్రియ లేదా యాదృచ్ఛిక ధోరణితో కూడిన ప్రక్రియ అని కూడా పిలుస్తారు. ఇది సగటు లేదా ప్రతికూల దిశలో సగటు నుండి దూరంగా వెళ్ళగల నాన్-మీన్-రివర్టింగ్ ప్రక్రియ. యాదృచ్ఛిక నడక యొక్క మరొక లక్షణం ఏమిటంటే, వ్యత్యాసం కాలక్రమేణా పరిణామం చెందుతుంది మరియు సమయం అనంతానికి వెళ్ళినప్పుడు అనంతానికి వెళుతుంది; అందువల్ల, యాదృచ్ఛిక నడక cannot హించలేము. డ్రిఫ్ట్‌తో రాండమ్ వాక్ (Y _t = α + Y _t-1 + ε _t) యాదృచ్ఛిక నడక నమూనా "t" సమయంలో విలువ చివరి కాలం యొక్క విలువతో పాటు స్థిరమైన, లేదా డ్రిఫ్ట్ (α), మరియు a తెలుపు శబ్దం పదం (ε _t), అప్పుడు ప్రక్రియ డ్రిఫ్ట్‌తో యాదృచ్ఛిక నడక. ఇది దీర్ఘకాలిక సగటుకు తిరిగి రాదు మరియు సమయం మీద ఆధారపడి వ్యత్యాసాన్ని కలిగి ఉంటుంది. నిర్ణయాత్మక ధోరణి (Y _t = α + + _t + ε _t) తరచుగా డ్రిఫ్ట్‌తో యాదృచ్ఛిక నడక నిర్ణయాత్మక ధోరణి కోసం గందరగోళం చెందుతుంది. రెండింటిలో డ్రిఫ్ట్ మరియు తెల్లని శబ్దం భాగం ఉన్నాయి, అయితే యాదృచ్ఛిక నడక విషయంలో "t" సమయంలో విలువ చివరి కాలం యొక్క విలువ (Y _t-1) పై తిరిగి ఇవ్వబడుతుంది, అయితే నిర్ణయాత్మక ధోరణి విషయంలో అది తిరిగి ఇవ్వబడుతుంది సమయ ధోరణిలో () t). నిర్ణయాత్మక ధోరణితో స్థిరంగా లేని ప్రక్రియకు స్థిరమైన ధోరణి చుట్టూ పెరిగే సగటు ఉంది, ఇది స్థిరంగా మరియు సమయానికి స్వతంత్రంగా ఉంటుంది. డ్రిఫ్ట్ మరియు డిటెర్మినిస్టిక్ ట్రెండ్‌తో యాదృచ్ఛిక నడక (Y _t = α + Y _t-1 + + _t + ε _t) మరొక ఉదాహరణ స్థిరమైన ప్రక్రియ, ఇది యాదృచ్ఛిక నడకను డ్రిఫ్ట్ భాగం (α) మరియు నిర్ణయాత్మక ధోరణి (βt) తో మిళితం చేస్తుంది.. ఇది చివరి కాలం యొక్క విలువ, డ్రిఫ్ట్, ధోరణి మరియు యాదృచ్ఛిక భాగం ద్వారా "t" సమయంలో విలువను నిర్దేశిస్తుంది. (యాదృచ్ఛిక నడకలు మరియు పోకడల గురించి మరింత తెలుసుకోవడానికి, మా ఆర్థిక భావనల ట్యుటోరియల్ చూడండి.)

ధోరణి మరియు వ్యత్యాసం స్థిర

డ్రిఫ్ట్‌తో లేదా లేకుండా యాదృచ్ఛిక నడకను వేరుచేయడం ద్వారా స్థిరమైన ప్రక్రియగా మార్చవచ్చు (Y _t నుండి Y _t _-1 ను తీసివేయడం, Y _{t -} Y _t-1 వ్యత్యాసాన్ని తీసుకొని) Y _t - Y _t-1 = ε _{t కు అనుగుణంగా} లేదా Y _t - Y _t-1 = α + ε _t ఆపై ప్రక్రియ వ్యత్యాసం-స్థిరంగా మారుతుంది. భేదం యొక్క ప్రతికూలత ఏమిటంటే, వ్యత్యాసం తీసుకున్న ప్రతిసారీ ప్రక్రియ ఒక పరిశీలనను కోల్పోతుంది.

నిర్ణయాత్మక ధోరణితో స్థిరంగా లేని ప్రక్రియ ధోరణిని తొలగించిన తర్వాత లేదా క్షీణించిన తర్వాత స్థిరంగా మారుతుంది. ఉదాహరణకు, Yt = α + βt + εt ధోరణిని తీసివేయడం ద్వారా స్థిరమైన ప్రక్రియగా మార్చబడుతుంది: Yt - = t = α +, t, క్రింద ఉన్న మూర్తి 4 లో చూపిన విధంగా. స్థిరమైన ప్రక్రియను స్థిరమైనదిగా మార్చడానికి డిట్రెండింగ్ ఉపయోగించినప్పుడు ఎటువంటి పరిశీలన కోల్పోదు.

డ్రిఫ్ట్ మరియు నిర్ణయాత్మక ధోరణితో యాదృచ్ఛిక నడక విషయంలో, డిట్రెండింగ్ అనేది నిర్ణయాత్మక ధోరణిని మరియు ప్రవాహాన్ని తొలగిస్తుంది, అయితే వైవిధ్యం అనంతం వరకు కొనసాగుతుంది. తత్ఫలితంగా, యాదృచ్ఛిక ధోరణిని తొలగించడానికి భేదం కూడా వర్తించాలి.

ముగింపు

ఫైనాన్షియల్ మోడళ్లలో నాన్-స్టేషనరీ టైమ్ సిరీస్ డేటాను ఉపయోగించడం నమ్మదగని మరియు నకిలీ ఫలితాలను ఇస్తుంది మరియు తక్కువ అవగాహన మరియు అంచనాకు దారితీస్తుంది. సమస్యకు పరిష్కారం సమయ శ్రేణి డేటాను స్థిరంగా మార్చడం ద్వారా మార్చడం. నాన్-స్టేషనరీ ప్రాసెస్ ఒక డ్రిఫ్ట్ తో లేదా లేకుండా యాదృచ్ఛిక నడక అయితే, అది భేదం ద్వారా స్థిర ప్రక్రియగా మారుతుంది. మరోవైపు, విశ్లేషించిన సమయ శ్రేణి డేటా నిర్ణయాత్మక ధోరణిని ప్రదర్శిస్తే, మోసపూరిత ఫలితాలను తగ్గించడం ద్వారా నివారించవచ్చు. కొన్నిసార్లు నాన్-స్టేషనరీ సిరీస్ ఒకేసారి యాదృచ్ఛిక మరియు నిర్ణయాత్మక ధోరణిని మిళితం చేస్తుంది మరియు తప్పుదోవ పట్టించే ఫలితాలను పొందకుండా ఉండటానికి, భేదం మరియు అవరోధం రెండింటినీ వర్తింపజేయాలి, ఎందుకంటే భేదం వ్యత్యాసంలో ధోరణిని తొలగిస్తుంది మరియు క్షీణించడం నిర్ణయాత్మక ధోరణిని తొలగిస్తుంది.

విషయ సూచిక: