लैब · A · ग्राफ़ विसरण
उपयोगकर्ता के ताना-बाना मॉडल के जाँच परिणाम: लैग वाले संबंध, Granger कारणता, विरल VAR(1) और ग्राफ़ गतिकी।
सफ़ाई से पहले और बाद किनारों की संख्या
यह क्या है: वही लैग-संबंध जाँच कच्चे रिटर्न पर और अवशिष्ट रिटर्न पर कितने सार्थक किनारे पाती है।
इसे कौन-सा डेटा चलाता है: चुने गए रन का leadLag परिणाम। जाँचे गए (अग्रणी, अनुगामी, लैग) त्रिकों की कुल संख्या भी दिखाई जाती है।
यह क्या दिखाता है: वास्तविक डेटा पर कच्चे रिटर्न पर 170 किनारे और अवशिष्ट रिटर्न पर 16 मिलते हैं।
इससे क्या निष्कर्ष निकाला जा सकता है: अंतर वह मिथ्या प्रसार है जो बाज़ार कारक ने बनाया। ताना-बाना मॉडल तभी सार्थक है जब वह अवशिष्ट रिटर्न पर बनाया जाए।
लैग वाले संबंधों के किनारे
यह क्या है: वे युग्म जिनमें एक शेयर की आज की गति का दूसरे शेयर की k दिन बाद की गति से सार्थक सहसंबंध है; बाईं ओर अवशिष्ट, दाईं ओर कच्चा रिटर्न।
इसे कौन-सा डेटा चलाता है: L_k(i,j) = corr(ε_i[t], ε_j[t+k]), k = 1..5। p-मान Fisher z से, फिर Benjamini–Hochberg से मिथ्या खोज दर q = 0.05 पर नियंत्रित की जाती है।
यह क्या दिखाता है: अग्रणी, अनुगामी, लैग, सहसंबंध और p-मान; सबसे सार्थक 15 किनारे।
इससे क्या निष्कर्ष निकाला जा सकता है: यदि सहसंबंध लगभग 0.1 हों, तो संबंध सांख्यिकीय रूप से मौजूद है पर आर्थिक रूप से कमज़ोर। जो युग्म सहज रूप से समझ में आते हैं (जैसे एक ही समूह के बैंक) वे परिणाम की विश्वसनीयता बढ़ाते हैं।
Granger कारणता
यह क्या है: यह जाँच कि क्या एक शेयर का इतिहास दूसरे शेयर के अपने इतिहास से आगे कोई जानकारी देता है।
इसे कौन-सा डेटा चलाता है: केवल उन युग्मों के लिए जो लैग-संबंध छँटाई पास करते हैं: प्रतिबंधित और पूर्ण VAR(p=3) मॉडलों की F जाँच, उसके बाद BH-FDR।
यह क्या दिखाता है: अग्रणी, अनुगामी, F सांख्यिक और p-मान।
इससे क्या निष्कर्ष निकाला जा सकता है: यदि तालिका ख़ाली हो, तो इस डेटा में लैग वाली कारणता नियंत्रण पास करने लायक मज़बूत नहीं है; यह एक ईमानदार और संभव परिणाम है।
ऊष्मा समीकरण और तरंग समीकरण
यह क्या है: ग्राफ़ पर दो भौतिक गतिकी को डेटा से फिट करना और नमूने से बाहर उनकी तुलना करना।
इसे कौन-सा डेटा चलाता है: मानचित्र ग्राफ़ के Laplacian पर ऊष्मा समीकरण (x(t+1) = x(t) − a·L·x(t)) और अवमंदित तरंग समीकरण; गुणांक पहले 70% डेटा पर न्यूनतम वर्ग से फिट किए जाते हैं, और त्रुटि अंतिम 30% पर मापी जाती है।
यह क्या दिखाता है: दोनों मॉडलों की नमूने-से-बाहर माध्य वर्ग त्रुटि, दिशा हिट दर, फिट किए गए गुणांक, और कौन डेटा से बेहतर मेल खाता है।
इससे क्या निष्कर्ष निकाला जा सकता है: ऊष्मा केवल फैलाव का अनुमान देती है; तरंग अतिक्रमण और उलटाव का। कौन जीतता है, इससे अंदाज़ा होता है कि बाज़ार की गति «फैल» रही है या «दोल» रही है; पर यदि दोनों मॉडलों की हिट दर 50% के आसपास हो तो कोई भी उपयोग योग्य नहीं है।
विरल VAR(1) गुणांक आव्यूह
यह क्या है: उस आव्यूह W का ताप-मानचित्र जो हर शेयर के कल के अवशिष्ट रिटर्न को सभी शेयरों के आज के अवशिष्ट रिटर्न से जोड़ता है, और एक मॉडल तुलना।
इसे कौन-सा डेटा चलाता है: अंतिम walk-forward फ़ोल्ड में हर लक्ष्य के लिए अलग LASSO; उम्मीदवार पूर्वानुमानक लैग-1 सहसंबंध से छाँटे जाते हैं, और λ समय-क्रमित खंड क्रॉस-वैलिडेशन से चुना जाता है। पठनीयता के लिए अधिकतम 60 शेयर दिखाए जाते हैं।
यह क्या दिखाता है: पंक्ति प्रभावित शेयर है, स्तंभ प्रभावित करने वाला; नीला धनात्मक और लाल ऋणात्मक प्रभाव है। उसके नीचे LASSO, ridge और OLS की माध्य वर्ग त्रुटि, और प्रति लक्ष्य शून्येतर गुणांकों की संख्या।
इससे क्या निष्कर्ष निकाला जा सकता है: आव्यूह का अधिकतर ख़ाली होना दिखाता है कि लैग वाला प्रसार विरल है। यदि LASSO की त्रुटि OLS की त्रुटि से स्पष्ट रूप से कम न हो, तो मिली संरचना को शोर से अलग नहीं किया जा सकता।
सबसे मज़बूत अग्रणी
यह क्या है: हर शेयर को सबसे अधिक प्रभावित करने वाले पाँच शेयरों की सूची।
इसे कौन-सा डेटा चलाता है: विरल VAR(1) गुणांकों के निरपेक्ष मान के अनुसार क्रम।
यह क्या दिखाता है: हर पंक्ति में एक टिकर और अधिकतम पाँच अग्रणी शेयर हैं जो कल उसके अवशिष्ट रिटर्न को सबसे अधिक प्रभावित करते हैं, गुणांक के आकार के अनुसार क्रमित।
इससे क्या निष्कर्ष निकाला जा सकता है: यदि किसी भी शेयर के लिए कोई अग्रणी न मिले, तो LASSO ने सभी गुणांक शून्य कर दिए हैं और इस डेटा में कोई लैग वाला प्रसार संकेत नहीं है।
यहाँ दी गई निवेश संबंधी जानकारी, टिप्पणियाँ और सिफ़ारिशें निवेश परामर्श सेवाओं के दायरे में नहीं आतीं। निवेश परामर्श सेवाएँ ग्राहक और ब्रोकरेज हाउस, पोर्टफोलियो प्रबंधन कंपनियों, या जमा स्वीकार न करने वाले बैंकों के बीच हस्ताक्षरित निवेश परामर्श अनुबंध के अंतर्गत दी जाती हैं। यहाँ के संकेत सांख्यिकीय मॉडलों से ऐतिहासिक डेटा से बनाए जाते हैं, सभी को एक जैसे दिखाए जाते हैं और व्यक्तिगत नहीं हैं; हो सकता है वे आपकी वित्तीय स्थिति या जोखिम और प्रतिफल की आपकी प्राथमिकताओं के अनुकूल न हों। इसलिए केवल यहाँ दी गई जानकारी के आधार पर निवेश निर्णय लेने से ऐसे परिणाम नहीं मिल सकते जो आपकी अपेक्षाओं पर खरे उतरें।