तेजी से भारित से चलती - औसत - मान - जोखिम में

एक्सपोनेंनीली भारित मूविंग औसत की खोज करना। वोल्टालिटी जोखिम का सबसे सामान्य उपाय है, लेकिन यह कई जायके में आता है पिछले लेख में हमने दिखाया कि साधारण ऐतिहासिक अस्थिरता की गणना कैसे की जा सकती है इस लेख को पढ़ने के लिए, देखें भविष्य की जोखिम को मापने के लिए अस्थिरता का प्रयोग हम Google स्टॉक डेटा के 30 दिनों के आधार पर दैनिक अस्थिरता की गणना करने के लिए वास्तविक स्टॉक मूल्य डेटा इस आलेख में, हम साधारण अस्थिरता में सुधार करेंगे और तीव्रता से भारित चलती औसत EWMA ऐतिहासिक वि। इम्प्लाइड अस्थिरता पर चर्चा करेंगे, इस मीट्रिक को थोड़ा परिप्रेक्ष्य के ऐतिहासिक और निहित या अंतर्निहित अस्थिरता के दो व्यापक दृष्टिकोण हैं ऐतिहासिक दृष्टिकोण यह मानते हैं कि पिछले प्रस्तावना हम आशा में इतिहास को मापते हैं कि यह अनुमान लगाया गया है, दूसरी ओर, अस्थिरता को प्रभावित करता है, इतिहास की उपेक्षा करता है जो बाजार की कीमतों से उत्पन्न अस्थिरता के लिए हल करता है यह आशा करता है कि बाजार सबसे अच्छा जानता है और बाजार मूल्य में है, भले ही निहित, भले ही वालटिल का एक आम सहमति संबंधित रीडिंग के लिए, देखें और वाष्पशीलता की सीमाएं देखें। यदि हम उपरोक्त बाईं ओर सिर्फ तीन ऐतिहासिक तरीकों पर ध्यान देते हैं, तो उनके पास दो कदम समान हैं। आवधिक वापसी की श्रृंखला की गणना करें। भारोत्तोलन योजना लागू करें। सबसे पहले, हम गणना करते हैं आवधिक वापसी जो आमतौर पर दैनिक रिटर्न की एक श्रृंखला होती है, जहां प्रत्येक प्रतिफल को लगातार जटिल शब्दों में व्यक्त किया जाता है, प्रत्येक दिन के लिए, हम शेयरों के अनुपात का प्राकृतिक लॉग लेते हैं, अर्थात् कल कल मूल्य से विभाजित मूल्य, और इसी तरह। दैनिक रिटर्न की श्रृंखला, यूआई से यू आईएम पर निर्भर करता है कि हम कितने दिनों के दिन मापन कर रहे हैं। यह हमें दूसरे चरण में ले जाता है यह वह जगह है जहां तीन दृष्टिकोण भिन्न हैं पिछले संस्करण में अस्थिरता का उपयोग करने के लिए भविष्य के जोखिम को गेज करने के लिए, हमने दिखाया कि स्वीकार्य सरलीकरणों की एक जोड़ी, सरल विचरण चुकता रिटर्न का औसत है। यह ध्यान दें कि ये आवधिक रिटर्न के प्रत्येक अंक में है, फिर उस दिन को कुल संख्या या टिप्पणियों से विभाजित किया जाता है तो, यह वास्तव में जूस है स्क्वायर आवधिक रिटर्न का औसत एक और तरीका देता है, प्रत्येक स्क्वेर्ड रिटर्न को एक समान वजन दिया जाता है। यदि अल्फा ए एक वेटिंग कारक विशेष रूप से 1 मीटर है, तो एक साधारण विचरण ऐसा कुछ दिखता है। ईवमा सरल विचरण पर सुधार करता है इस दृष्टिकोण की कमजोरी यह है कि सभी रिटर्न उसी वज़न कम करते हैं कल की हालिया रिटर्न का पिछले महीने की वापसी की तुलना में विचलन पर और अधिक प्रभाव नहीं पड़ता है यह समस्या घाटेदार भारित चलती औसत EWMA का उपयोग करके तय की गई है, जिसमें अधिक हाल के रिटर्न का अधिक वजन है भिन्नता पर। तीव्रता से भारित चलती औसत EWMA लैम्ब्डा का परिचय देता है जिसे लम्ब्डािंग पैरामीटर कहा जाता है लम्बेडा एक से कम होना चाहिए, उस स्थिति में, समान भार के बजाय, प्रत्येक स्क्वेर्ड रिटर्न का गुणक एक गुणक के रूप में भारित होता है। उदाहरण के लिए, जोखिम मैट्रिक्स टीएम, एक वित्तीय जोखिम प्रबंधन कंपनी, 0 94 या 94 के लैम्ब्डा का उपयोग करने के लिए जाती है, इस मामले में, सबसे हाल ही में चुकता आवधिक रिटर्न 1-0 94 94 0 6 द्वारा भारित है एक्सटी स्क्वेर्ड रिटर्न केवल इस मामले में पूर्व वजन का एक लम्बाडा-मल्टीपल है, 6 गुणा 9 4 5 64 और तीसरा पहले दिन का वजन 1-0 94 94 94 2 5 30 के बराबर है। यह ईडब्ल्यूएमए में प्रत्येक वजन में घातीय का अर्थ है एक निरंतर गुणक यानी लैम्ब्डा है, जो पहले के एक दिन के वजन के कम से कम होना चाहिए यह एक भिन्नता को सुनिश्चित करता है जो अधिक हाल के डेटा पर भारित या पक्षपाती है। अधिक जानने के लिए, Google की अस्थिरता के लिए एक्सेल वर्कशीट देखें केवल अस्थिरता के बीच का अंतर और Google के लिए ईडब्ल्यूएमए नीचे दिखाया गया है। कॉलम ओ में दिखाए गए अनुसार मामूली अस्थिरता का प्रभावी रूप से प्रत्येक 1 9 6 तक प्रत्येक आवधिक वापसी का वजन होता है। हमारे पास दो साल का दैनिक स्टॉक मूल्य डेटा था जो कि 50 9 दैनिक रिटर्न और 1 50 9 0 1 9 6 है, लेकिन ध्यान दें कि कॉलम पी को असाइन किया गया है 6 का वजन, फिर 5 64, फिर 5 3 और इसी प्रकार यह सरल विचरण और ईडब्ल्यूएमए के बीच का एकमात्र अंतर है। याद रखें कि हम कॉलम क्यू में पूरी श्रृंखला को जोड़ते हैं, तो हमारे पास विचरण होता है, जो मानक विचलन का वर्ग है हम अस्थिरता चाहते हैं, हम nee उस विचरण के वर्गमूल को ले जाने के लिए याद रखना। Google के मामले में विचरण और ईडब्ल्यूएमए के बीच दैनिक अस्थिरता में क्या अंतर है यह महत्वपूर्ण है कि सरल विचरण ने हमें 2 4 की एक दैनिक अस्थिरता दी, लेकिन ईडब्ल्यूएमए ने रोज़ाना की अस्थिरता दी केवल 1 4 विवरण के लिए स्प्रैडशीट देखें जाहिर है, Google की हाल ही में अस्थिरता बनी हुई है, इसलिए एक सरल विचरण कृत्रिम रूप से ऊंचा हो सकता है। आज का विचरण पाइर डे के भिन्नता का कार्य है आप देखेंगे कि हमें एक लंबी श्रृंखला की गणना करने की आवश्यकता है गिरावट का वजन हम यहां गणित नहीं करेंगे, लेकिन ईडब्ल्यूएमए की सबसे अच्छी सुविधाओं में से एक यह है कि पूरी श्रृंखला आसानी से एक रिकर्सिव फॉर्मूला को कम कर देता है। पुनरावृत्त का अर्थ है कि आज के विचरण संदर्भ अर्थात् पहले के विचरण का एक कार्य है। स्प्रैडशीट में यह फ़ॉर्मूला भी ढूंढें, और यह सटीक रूप से उसी नतीजे का उत्पादन करता है जो लम्बे लाइन गणना के रूप में बताता है कि ईडब्ल्यूएमए के तहत टूडे का विचलन कल के कलर्स के बराबर लैम्ब्डा प्लस कल एस एस द्वारा भारित करता है एक शून्य से लैम्ब्डा द्वारा तराजू की बदली की सूचना ध्यान दें कि हम कल के भारित विचरण के साथ दो शब्दों को जोड़ते हैं और वेटेड, स्क्वेर्ड रिटर्न में भी शामिल होते हैं.इसके अलावा, लैम्ब्डा हमारे चौरसाई पैरामीटर है एक उच्च लैम्ब्डा जैसे कि जोखिम मैट्रिक की 94 श्रृंखला में धीमी क्षय दर्शाती है - रिश्तेदार शब्दों में, हम श्रृंखला में अधिक डेटा पॉइंट होने जा रहे हैं और वे धीरे धीरे गिरने जा रहे हैं दूसरी तरफ, अगर हम लैम्ब्डा को कम करते हैं, तो हम संकेत देते हैं कि अधिक गिरावट वजन अधिक तेज़ी से गिरने और प्रत्यक्ष रूप से तेजी से क्षय का नतीजा, कम डेटा पॉइंट्स का उपयोग किया जाता है स्प्रेडशीट में लैम्ब्डा एक इनपुट होता है, इसलिए आप इसकी संवेदनशीलता के साथ प्रयोग कर सकते हैं। सारांश अस्थिरता एक स्टॉक का तात्कालिक मानक विचलन है और सबसे आम जोखिम मीट्रिक यह भी वर्गमूल है विचरण की हम ऐतिहासिक या अप्रत्यक्ष रूप से उल्लिखित अस्थिरता के विचलन का आकलन कर सकते हैं जब ऐतिहासिक रूप से मापने का सबसे आसान तरीका सरल विचरण होता है लेकिन सरल विचरण के साथ कमजोरी सभी रिटर्न वही हैं आठ तो हम एक क्लासिक ट्रेड-ऑफ का सामना करते हैं, हम हमेशा अधिक डेटा चाहते हैं, लेकिन जितना अधिक आंकड़े हमारे पास हैं, उतना ही कम प्रासंगिक आंकड़ों की तुलना में हमारी गणना को पतला किया जाता है। तेजी से भारित चलती औसत EWMA आवधिक रिटर्न के लिए भार बताकर सरल विचरण पर सुधार करता है। यह, हम दोनों एक बड़े नमूना आकार का उपयोग कर सकते हैं, लेकिन अधिक हाल के रिटर्न के लिए अधिक वजन भी दे सकते हैं। इस विषय पर एक फिल्म ट्यूटोरियल देखने के लिए, बायोनिक कछुए पर जाएं। दिन एन-ए के अंत में होने वाले अनुमान के अनुसार, दिन एन के बाजार में चलने की अस्थिरता के रूप में परिभाषित करें। विचरण दर यह है कि दिन में एनटीपीसी दिन के अंत में मार्केट वैरिएबल का मूल्य है दिन के अंत के दौरान दिन के दौरान मैं लगातार एक चक्रित दर की दर है अर्थात i-1 और दिन के अंत में I के रूप में व्यक्त किया जाता है। अगला, ऐतिहासिक दृष्टिकोण से अनुमान लगाने के लिए मानक दृष्टिकोण का उपयोग करना डेटा, हम विचरण के एक निष्पक्ष अनुमानक की गणना करने के लिए सबसे हालिया एम-अवलोकन का उपयोग करेंगे.इसका मतलब है, अगला। चलो मानते हैं और विचरण दर का अधिकतम संभावना अनुमान लगाते हैं। अब तक, हमने बराबर वजन लागू किया है सभी के लिए, ऊपर की परिभाषा को अक्सर बराबर-वेटेड अस्थिरता अनुमान के रूप में जाना जाता है। पहले, हमने कहा था कि हमारा उद्देश्य अस्थिरता के वर्तमान स्तर का अनुमान करना था, इसलिए पुराने लोगों की तुलना में हाल के आंकड़ों को अधिक वजन देने का अर्थ है , चलिए भारित विचरण अनुमान को व्यक्त करते हैं जैसा कि I - दिन पहले एक अवलोकन के लिए दिए गए वजन की मात्रा है। इसलिए, हाल के अवलोकनों को अधिक वजन देने के लिए। लंबे समय तक चलने वाले औसत विचरण। ऊपर के विचार का एक संभावित विस्तार मानना ​​है कि एक लंबे समय से औसत विचरण और यह कुछ वजन दिया जाना चाहिए। ऊपर मॉडल को एंगल एम मॉडल के रूप में जाना जाता है, जो एंगल द्वारा 1994 में प्रस्तावित किया गया था। एचएएमए ऊपर के समीकरण का एक विशेष प्रकार है। इस मामले में, हम इसे बनाते हैं ताकि चर घटने का भार शीघ्रता से हम समय के साथ आगे बढ़ते हैं। पहले की प्रस्तुति के विपरीत, ईडब्ल्यूएमए में सभी पूर्व टिप्पणियां शामिल हैं, लेकिन पूरे समय में भारी गिरावट के साथ। अगला, हम वजन के योग को लागू करते हैं ताकि वे एकता की बाधा के बराबर हो। मूल्य के लिए. अब हम उन शब्दों को वापस समीकरण में प्लगित करते हैं। अनुमान के लिए। एक बड़ा डेटा सेट के लिए, समीकरण से पर्याप्त रूप से अनदेखा होना छोटा है। ईडब्ल्यूएमए दृष्टिकोण के पास एक आकर्षक विशेषता है जो अपेक्षाकृत कम संग्रहित डेटा की आवश्यकता होती है किसी भी समय हमारे अनुमान को अपडेट करने के लिए, हम पर लिखित विचरण दर का एक पूर्व अनुमान और सबसे हालिया अवलोकन मान की आवश्यकता है। ईडब्ल्यूएमए का एक माध्यमिक उद्देश्य अस्थिरता में परिवर्तनों को ट्रैक करना है छोटे मूल्यों के लिए, हाल के अवलोकनों का अनुमान तुरंत अनुमान को प्रभावित करता है एक के करीब मूल्यों के लिए, अनुमान धीरे धीरे धीरे बदलता है अंतर्निहित चर के रिटर्न में हालिया बदलाव। जेपी मॉर्गन द्वारा उत्पादित जोखिममैट्रीक्स डाटाबेस और सार्वजनिक उपलब्ध कराया गया रोज़ाना अस्थिरता को अद्यतन करने के लिए ईडब्ल्यूएमए का उपयोग करता है। महत्वपूर्ण ईडब्ल्यूएमए फार्मूला लंबी अवधि के औसत विचरण स्तर को नहीं मानता है इस प्रकार, अस्थिरता का अर्थ ईडब्ल्यूएमए द्वारा प्रत्यावर्तन नहीं लिया गया है एआरएचएच गार्ब मॉडल इस उद्देश्य के लिए बेहतर अनुकूल हैं। ईडब्ल्यूएमए का एक माध्यमिक उद्देश्य अस्थिरता में बदलावों को ट्रैक करना है, इसलिए छोटे मूल्यों के लिए, हालिया अवलोकन तुरंत अनुमान को प्रभावित करता है, और एक के करीब मूल्यों के लिए, अनुमान अंतर्निहित वेरिएबल के रिटर्न में हाल में हुए बदलावों को धीरे-धीरे बदलता है। जेपी मॉर्गन द्वारा उत्पादित रिस्कमैट्रीक्स डेटाबेस और सार्वजनिक उपलब्ध कराया गया 1994 में, दैनिक उतार-चढ़ाव के अनुमान को अद्यतन करने के लिए ईडब्ल्यूएमए मॉडल का उपयोग करता है कंपनी ने पाया है कि बाजार चर की एक सीमा के पार, यह मान उस भिन्नता का पूर्वानुमान देता है जो प्रसरण विचरण दर के निकट आते हैं। किसी विशेष दिन की एहसास विचरण दर की गणना की गई थी बाद के 25 दिनों में समान रूप से भारित औसत। इसी प्रकार, हमारे डेटा सेट के लिए लैम्ब्डा का इष्टतम मूल्य की गणना करने के लिए, हमें प्रत्येक बिंदु पर एहसास की अस्थिरता की गणना करने की आवश्यकता है, कई तरीके हैं, इसलिए अगला चुनें, योग की गणना करें स्क्वेर्ड त्रुटि ईएसडब्ल्यूएमए अनुमान और एहसास हुआ अस्थिरता के बीच एसएसई अंत में, लैम्ब्डा मूल्य को अलग करके एसएसई को कम करें। सरल लगता है यह सबसे बड़ा चुनौती है एल्गोरिथ्म पर सहमत अस्थिरता की गणना करने के लिए सहमत होना, उदाहरण के लिए, जोखिम मैट्रिक्स के लोगों ने अगले 25-दिवसीय आपके मामले में, आप एक एल्गोरिदम चुन सकते हैं जो दैनिक वॉल्यूम, HI LO और या OPEN-CLOSE कीमतों का उपयोग करता है। 1Q क्या हम ईडब्ल्यूएमए का आकलन करने के लिए या पूर्वानुमान कर सकते हैं सेंट अस्थिरता एक से अधिक कदम आगे है। ईडब्ल्यूएमए अस्थिरता प्रतिनिधित्व लंबी अवधि के औसत अस्थिरता को नहीं मानता है, और इस प्रकार, किसी भी पूर्वानुमान के क्षितिज के लिए एक कदम से परे, ईडब्ल्यूएमए एक स्थिर मूल्य देता है। एक बड़े डेटा सेट के लिए, मान गणना मूल्य पर बहुत कम प्रभाव। आगे बढ़कर, हम उपयोगकर्ता-परिभाषित प्रारंभिक अस्थिरता मान को स्वीकार करने के लिए एक तर्क का लाभ उठाने की योजना बना रहे हैं। Q 3 एआरएचएच गार्फ़ मॉडल से ईडब्ल्यूएमए का रिश्ता क्या है। एचएएमए मूल रूप से एआरच मॉडल का एक विशेष रूप है, निम्न विशेषताओं के साथ। ARCH आदेश नमूना डेटा आकार के बराबर है। वजन पूरे समय में दर पर तेजी से घट रहा है। Q 4 क्या EWMA मतलब पर वापस लौटता है। कोई ईवएमए लंबे समय तक चलने वाले औसत के लिए कोई शब्द नहीं है , यह किसी भी मूल्य पर वापस नहीं आता है। Q5 एक दिन या आगे के आगे क्षितिज के लिए विचरण अनुमान क्या है। Q1 में, EWMA फ़ंक्शन एक चरण अनुमान मान के बराबर एक स्थिर मूल्य देता है। Q 6 मैं साप्ताहिक मासिक वार्षिक डेटा मैं किस मूल्य का उपयोग करना चाहिए आप अभी भी 0 94 को एक डिफ़ॉल्ट मान के रूप में उपयोग कर सकते हैं, लेकिन अगर आप इष्टतम मान खोजना चाहते हैं, तो आपको एसडब्ल्यूएस या एमएसई को कम करने के लिए ऑप्टिमाइज़ेशन की समस्या को सेट करने की ज़रूरत है। और अधिक जानकारी और उदाहरणों के लिए हमारी वेबसाइट पर संकेत। Q7 यदि मेरे डेटा में कोई शून्य मतलब नहीं है, तो मैं फ़ंक्शन का उपयोग कैसे कर सकता हूं। अब के लिए, डेटा से इसका मतलब निकालने के लिए डेटा फ़ंक्शन का उपयोग करें, इससे पहले कि आप इसे पास करें ईडब्ल्यूएमए फ़ंक्शन। भविष्य में एनएमएक्सएल रिलीज, ईडब्ल्यूएमए आपकी ओर से स्वचालित रूप से मतलब को निकाल देगा। हॉल, जॉन सी ऑप्शंस, फ्यूचर्स एंड अन्य डेरिवेटिव्स फाइनेंशियल टाइम्स प्रेंटिस हॉल 2003, पीपी 372-374, आईएसबीएन 1-405-886145। हैमिल्टन, जेडी टाइम सीरीज विश्लेषण प्रिंसटन यूनिवर्सिटी प्रेस 1994, आईएसबीएन 0-691-0428 9-6 टीएसए, रुइ एस एनालिसिस ऑफ फाइनेंशियल टाइम सीरीज जॉन विले संस 2005, आईएसबीएन 0-471-690740.संबंधित कड़ियाँ। कोरियाई संचालित तीव्रता से भारित मूविंग एवरेज और वैल्यू - ट-जोखिम पूर्वानुमान। हम टीआई मॉडलिंग के लिए एक सरल पद्धति पेश करते हैं मुझे परिचलित जोखिम मैट्रिक्स दृष्टिकोण के समान एक रिकर्सिव अपडेटिंग स्कीम का उपयोग करते हुए वोल्टाइटीज़ और अन्य उच्च-ऑर्डर पलों में बदलाव, पैरामीटर को भविष्यवाणी वितरण के स्कोर का उपयोग करके अपडेट किया जाता है, जो पैरामीटर गतिशीलता को किसी भी गैर-सामान्य डेटा सुविधाओं के लिए स्वचालित रूप से अनुकूलन करने की अनुमति देता है , और बाद के अनुमानों की मजबूती को बढ़ाता है नए दृष्टिकोण घंटों में पहले से अधिक विस्तारित भारित चलती औसत EWMA स्कीम के लिए कई घोंसलों को शामिल किया जाता है इसके अतिरिक्त, इसे आसानी से उच्च आयाम और वैकल्पिक पूर्वानुमान वितरण के लिए बढ़ाया जा सकता है विधि वैल्यू- स्कुइड छात्र स्टैट डिलीशंस के साथ जोखिम पूर्वानुमान और आजादी की एक अलग-अलग डिग्री या स्किअनेस पैरामीटर हम यह दिखाते हैं कि व्यक्तिगत स्टॉक रिटर्न की अस्थिरता और विनिमय दरों में बदलाव की भविष्यवाणी के लिए नई पद्धति पहले या उससे बेहतर है। गतिशील विरक्तियां गतिशील उच्च-क्रम क्षण। एकीकृत सामान्यीकृत आटोरेग्रेजिव स्कोर मॉडल एस। एक्सपेन्नीयली वेटेड मूविंग औसत ईडब्ल्यूएमए। वैल्यू-इन-रिस्क वैश्य .2015। एलएसईवीयर बी.व्ही. द्वारा प्रकाशित विदेशी अधिकारियों का अंतर्राष्ट्रीय अधिकार। एंड्रयू लुकास वीयू विश्वविद्यालय एम्स्टर्डम में वित्त के प्रोफेसर हैं। उन्होंने इरमासस विश्वविद्यालय रॉटरडैम से अर्थमिति में अपना पीएच डी प्राप्त किया जर्नल ऑफ बिज़नेस और इकोनिकमिक स्टैटिस्टिक्स जर्नल ऑफ इकोनॉमेट्रिक्स और रिव्यू ऑफ इकोनॉमिक्स एंड स्टैटिस्टिक्स टुगेदर विद क्रैल एंड कोपमैन जैसे वित्तीय और समय श्रृंखला अर्थमिति के साथ ही जोखिम प्रबंधन पर प्रकाशित हुए हैं, वह समय के लिए सामान्यीकृत ऑटोरेग्रेसिव स्कोर डायनेमिक्स के इस्तेमाल का प्रचार करते हैं पैरामीटर मॉडल बदलते हुए उन्होंने डच राष्ट्रीय अनुसंधान परिषद NWO. Xin Zhang से पांच साल के लिए प्रतिष्ठित VICI अनुसंधान अनुदान प्राप्त किया था। Xin Zhang ने वीयू विश्वविद्यालय एम्स्टर्डम और टिनबर्गन संस्थान से पीएचडी की डिग्री प्राप्त की थी। उन्होंने टिनबर्गेन संस्थान से इकोनॉमेट्रिक्स और वित्त में भी एक धारण किया था 2011 में ईसीबी के लिए एक बाहरी सलाहकार 2012 में गिरावट आई, वह स्वेरेगीज रिक्शबन में शामिल हो गया अनुसंधान विभाग में एक अर्थशास्त्री के रूप में कश्मीर उनके शोध के क्षेत्रों में समय श्रृंखला अर्थमिति, वित्तीय अर्थशास्त्र और क्रेडिट जोखिम शामिल हैं। जियान ऑफ़ बिजनेस एंड इकनॉमिक स्टेटिस्टिक्स में प्रकाशित किया गया है।