एक हालिया अध्ययन से लगातार समरूपता का उपयोग करके शेयर बाजार में उतार-चढ़ाव की भविष्यवाणियों में सुधार करने के लिए एक नए दृष्टिकोण का पता चलता है। यह दृष्टिकोण विभिन्न पूर्वानुमान मॉडलों की सटीकता में सुधार करता है और टोपोलॉजी और वित्त के एकीकरण में महत्वपूर्ण प्रगति का प्रतीक है।
द जर्नल ऑफ फाइनेंस एंड डेटा साइंस में प्रकाशित एक नए अध्ययन में, नीदरलैंड में एचएएन यूनिवर्सिटी ऑफ एप्लाइड साइंसेज के इंटरनेशनल बिजनेस स्कूल के शोधकर्ताओं ने टोपोलॉजिकल टेल निर्भरता के सिद्धांत का परिचय दिया - अशांत समय में शेयर बाजार के उतार-चढ़ाव की भविष्यवाणी करने के लिए एक नई विधि।
अध्ययन के एकमात्र लेखक ह्यूगो गोबाटो साउथो ने कहा, "यह शोध टोपोलॉजी की अमूर्त दुनिया और वित्त की व्यावहारिक दुनिया के बीच एक पुल बनाता है।" "वास्तव में रोमांचक बात यह है कि यह विलय हमें एक शक्तिशाली उपकरण देता है जो हमें अशांत समय के दौरान शेयर बाजार के व्यवहार को बेहतर ढंग से समझने और भविष्यवाणी करने की अनुमति देता है।"
दो अलग-अलग अवधियों में सामान्यीकृत स्टॉक रिटर्न की औसत दूरी के बीच के अंतर को सामान्य अवधि में उपयोग की जाने वाली सीमा को परिभाषित करके वित्तीय अशांति की अवधि की भविष्यवाणी करने के लिए एक संकेतक के रूप में उपयोग किया जा सकता है, क्योंकि सामान्य अवधि में औसत दूरी पिछली और अशांत अवधि की तुलना में अधिक होती है। हालाँकि, इस दृष्टिकोण के साथ समस्या यह है कि सामान्यीकृत स्टॉक रिटर्न की औसत दूरी आयामीता के अभिशाप से ग्रस्त है और डेटा में गैर-रेखीय और जटिल संबंधों की खोज नहीं कर सकती है। सामान्यीकृत स्टॉक रिटर्न की औसत दूरी आयामीता के अभिशाप से ग्रस्त होने का कारण यह है कि जैसे-जैसे आयामों (या इस मामले में स्टॉक) की संख्या अनंत तक जाती है, किसी भी बिंदु (मान लीजिए ए और बी) से दूरी और किसी अन्य बिंदु (मान लीजिए ए और सी) से दूरी का अनुपात 1 के करीब पहुंच जाता है। इसलिए, औसत दूरी अर्थहीन हो जाती है। दूसरी ओर, लगातार परिदृश्यों के WD या L^n विनिर्देशों के माध्यम से pH जानकारी को लागू करने से इन समस्याओं का सामना नहीं करना पड़ता है। इसलिए, यही कारण है कि हाल के अध्ययनों में पीएच जानकारी का सफलतापूर्वक उपयोग किया गया है और इस अध्ययन के लिए पीएच जानकारी को क्यों चुना गया है। ऊपर दी गई तस्वीर 16 दिसंबर, 2019 से 16 जनवरी, 2020 (सामान्य अवधि) तक का त्रि-आयामी स्कैटर प्लॉट है।
निरंतर समरूपता के साथ वित्तीय पूर्वानुमान को बढ़ाना
अनुभवजन्य परीक्षण के माध्यम से, साउथो ने साबित किया कि लगातार होमोलॉजी (पीएच) जानकारी को जोड़ने से अशांत समय में शेयर बाजार के उतार-चढ़ाव की भविष्यवाणी करने में नॉनलाइनियर मॉडल और तंत्रिका नेटवर्क मॉडल की सटीकता में काफी सुधार हो सकता है।
सोटो ने कहा: "ये निष्कर्ष वित्तीय पूर्वानुमान के क्षेत्र में एक बड़े बदलाव का संकेत देते हैं, जो निवेशकों, वित्तीय संस्थानों और अर्थशास्त्रियों को अधिक विश्वसनीय उपकरण प्रदान करते हैं।"
विशेष रूप से, यह विधि आयामी बाधा को दूर करती है और इसलिए जटिल सहसंबंधों और गैर-रेखीय पैटर्न का पता लगाने के लिए विशेष रूप से उपयुक्त है जो अक्सर पारंपरिक तरीकों से पता नहीं चल पाते हैं।
सुतो ने कहा, "विशेषकर 2020 के संकट के दौरान पूर्वानुमान सटीकता में निरंतर सुधार देखना आकर्षक है।"
व्यापक निहितार्थ और भविष्य की दिशाएँ
ये निष्कर्ष एक विशिष्ट प्रकार के मॉडल तक सीमित नहीं हैं। इसमें विभिन्न प्रकार के मॉडल शामिल हैं, रैखिक से गैर-रेखीय मॉडल और यहां तक कि उन्नत तंत्रिका नेटवर्क मॉडल तक। ये निष्कर्ष बोर्ड भर में वित्तीय पूर्वानुमान में सुधार के द्वार खोलते हैं।
सोटो ने निष्कर्ष निकाला: "ये निष्कर्ष इस सिद्धांत की वैधता की पुष्टि करते हैं और वैज्ञानिक समुदाय को गणित और वित्त के इस रोमांचक नए अंतर्संबंध में गहराई से उतरने के लिए प्रोत्साहित करते हैं।"
संदर्भ "टोपोलॉजिकल टेल डिपेंडेंस: एविडेंस फॉर फोरकास्टिंग रियलाइज्ड वोलैटिलिटी," ह्यूगो गोबाटो साउथो द्वारा, 14 अक्टूबर, 2023, जर्नल ऑफ फाइनेंस एंड डेटा साइंस।
डीओआई:10.1016/जे.जेएफडीएस.2023.100107
संकलित स्रोत: ScitechDaily