సమయం మారుతున్న అస్థిరత అంటే ఏమిటి?
సమయ-మారుతున్న అస్థిరత వేర్వేరు కాల వ్యవధిలో అస్థిరతలో హెచ్చుతగ్గులను సూచిస్తుంది. పెట్టుబడిదారులు వివిధ కాల వ్యవధిలో అంతర్లీన భద్రత యొక్క అస్థిరతను అధ్యయనం చేయడానికి లేదా పరిగణించడానికి ఎంచుకోవచ్చు. ఉదాహరణకు, వ్యాపారులు సెలవులో ఉన్నప్పుడు వేసవిలో కొన్ని ఆస్తుల అస్థిరత తక్కువగా ఉండవచ్చు. సమయ-వైవిధ్యమైన అస్థిరత చర్యల ఉపయోగం పెట్టుబడుల అంచనాలను ప్రభావితం చేస్తుంది.
సమయం-మారుతున్న అస్థిరత ఎలా పనిచేస్తుంది
సమయం-మారుతున్న అస్థిరతను ఏ సమయ-చట్రంలోనైనా అధ్యయనం చేయవచ్చు. సాధారణంగా, అస్థిరత విశ్లేషణకు అంతర్లీన భద్రత యొక్క ప్రమాదానికి ఒక కొలతగా అస్థిరత స్థాయిలను ఉత్పత్తి చేయడానికి గణిత మోడలింగ్ అవసరం. ఈ రకమైన మోడలింగ్ చారిత్రక అస్థిరత గణాంకాలను ఉత్పత్తి చేస్తుంది.
చారిత్రక అస్థిరతను సాధారణంగా ఆర్థిక పరికరం కోసం ధరల ప్రామాణిక విచలనం అని పిలుస్తారు మరియు అందువల్ల దాని ప్రమాదానికి కొలత. కాలక్రమేణా, భద్రత ధరలో పెద్ద మార్పులకు లోబడి వివిధ అస్థిరతలను కలిగి ఉంటుందని భావిస్తున్నారు, స్టాక్స్ మరియు ఇతర ఆర్థిక సాధనాలు వివిధ అస్థిరతలను మరియు తక్కువ అస్థిరతను వివిధ సమయాల్లో ప్రదర్శిస్తాయి.
సూచించిన అస్థిరతను ఉత్పత్తి చేయడానికి విశ్లేషకులు గణిత గణనలను కూడా ఉపయోగించవచ్చు. సూచించిన అస్థిరత చారిత్రక అస్థిరతకు భిన్నంగా ఉంటుంది, ఎందుకంటే ఇది చారిత్రక డేటాపై ఆధారపడి ఉండదు, కానీ ప్రస్తుత మార్కెట్ కారకాల ఆధారంగా మార్కెట్ అంచనా వేసిన అస్థిరతకు కొలతను అందించే గణిత గణన.
కీ టేకావేస్
- వేర్వేరు కాల వ్యవధిలో ఇచ్చిన ఆస్తి యొక్క అస్థిరత ఎలా మారుతుందో సమయం-మారుతున్న అస్థిరత వివరిస్తుంది. అస్థిరత విశ్లేషణకు వేర్వేరు సమయ-ఫ్రేమ్‌లపై ధరల హెచ్చుతగ్గులలో గణాంక వ్యత్యాసాలను పరిష్కరించడానికి ఆర్థిక నమూనాలను ఉపయోగించడం అవసరం. అస్థిరత అంటే సగటు-తిరిగి మారుతుంది, కాబట్టి కాలాలు అధిక అస్థిరత తరువాత తక్కువ కాలాలు, మరియు దీనికి విరుద్ధంగా ఉండవచ్చు.
చారిత్రక అస్థిరత
డేటా లభ్యత ఆధారంగా చారిత్రక అస్థిరతను కాల వ్యవధుల ద్వారా విశ్లేషించవచ్చు. చాలా మంది విశ్లేషకులు దాని మొత్తం జీవితమంతా భద్రత యొక్క అస్థిరతను కనుగొనడానికి వీలైనంత ఎక్కువ డేటాతో మొదటి మోడల్ అస్థిరతను కోరుకుంటారు. ఈ రకమైన విశ్లేషణలో, అస్థిరత అనేది భద్రత యొక్క సగటు దాని సగటు చుట్టూ ఉన్న విచలనం.
నిర్దిష్ట మార్కెట్ చక్రాలు, సంక్షోభాలు లేదా లక్ష్య సంఘటనల సమయంలో భద్రత ఎలా ప్రవర్తించిందో అర్థం చేసుకోవడానికి నిర్దిష్ట కాల వ్యవధుల ద్వారా అస్థిరతను విశ్లేషించడం సహాయపడుతుంది. ఇటీవలి నెలలు లేదా త్రైమాసికాలలో భద్రత యొక్క అస్థిరతను విశ్లేషించడంలో సమయ శ్రేణి అస్థిరత సహాయపడుతుంది.
చారిత్రక అస్థిరత వేర్వేరు మార్కెట్ ధర మరియు పరిమాణాత్మక నమూనాలలో కూడా వేరియబుల్ కావచ్చు. ఉదాహరణకు, బ్లాక్-స్కోల్స్ ఆప్షన్ ప్రైసింగ్ మోడల్‌కు దాని ఎంపిక ధరను గుర్తించడానికి ప్రయత్నిస్తున్నప్పుడు భద్రత యొక్క చారిత్రక అస్థిరత అవసరం.
అస్థిరత
మార్కెట్ యొక్క ప్రస్తుత u హించిన అస్థిరతను గుర్తించడానికి బ్లాక్-స్కోల్స్ మోడల్ వంటి మోడల్ నుండి కూడా అస్థిరతను సేకరించవచ్చు. మరో మాటలో చెప్పాలంటే, ఆ ధరను సాధించడానికి అంతర్లీన ఆస్తి యొక్క అస్థిరత ఏమిటో సూచించడానికి ఇన్పుట్ వలె ఒక ఎంపిక యొక్క గమనించిన మార్కెట్ ధరను తీసుకొని మోడల్ వెనుకకు నడుస్తుంది.
సాధారణంగా, సూచించిన అస్థిరత యొక్క కాలపరిమితి గడువు ముగిసే సమయం మీద ఆధారపడి ఉంటుంది. మొత్తంమీద, గడువుకు ఎక్కువ సమయం ఉన్న ఎంపికలు అధిక అస్థిరతను కలిగి ఉంటాయి, తక్కువ సమయంలో గడువు ముగిసే ఎంపికలు తక్కువ అస్థిరతను కలిగి ఉంటాయి.
2003 ఆర్థిక శాస్త్రంలో నోబెల్ బహుమతి
2003 లో ఆర్థికవేత్తలు రాబర్ట్ ఎఫ్. ఎంగిల్ మరియు క్లైవ్ గ్రాంజెర్ సమయం-మారుతున్న అస్థిరతను అధ్యయనం చేయడంలో చేసిన కృషికి ఆర్థిక శాస్త్రంలో నోబెల్ మెమోరియల్ బహుమతిని గెలుచుకున్నారు. ఆర్థికవేత్తలు ఆటోరెగ్రెసివ్ కండిషనల్ హెటెరోస్కెడాస్టిసిటీ (ARCH) నమూనాను అభివృద్ధి చేశారు. ఈ మోడల్ వేర్వేరు కాల వ్యవధిలో అస్థిరతను విశ్లేషించడానికి మరియు వివరించడానికి అంతర్దృష్టిని అందిస్తుంది. దీని ఫలితాలను risk హాజనిత రిస్క్ మేనేజ్‌మెంట్‌లో ఉపయోగించవచ్చు, ఇది వివిధ విభిన్న పరిస్థితులలో నష్టాలను తగ్గించడానికి సహాయపడుతుంది.
