Table of Contents
रॉबर्ट एफ द्वारा गढ़ा गया, GARCH प्रक्रिया अर्थ के अनुसार, GARCH का अर्थ सामान्यीकृत ऑटोरेग्रेसिव कंडीशनल हेटेरोस्केडैस्टिसिटी है। वित्तीय बाजारों में अस्थिरता के स्तर का पता लगाने के लिए अवधारणा का उपयोग किया जाता है। कई विशेषज्ञ और पेशेवर निवेशक स्टॉक में अस्थिरता का पता लगाने के लिए GARCH दृष्टिकोण पसंद करते हैंमंडी.
वे इसे स्टॉक उद्योग में भविष्य के रुझानों की भविष्यवाणी करने के लिए एक सटीक और प्रामाणिक तकनीक मानते हैं। इसका उपयोग सभी प्रकार के वित्तीय साधनों की कीमत का पता लगाने के लिए भी किया जा सकता है जो निवेश और व्यापार के लिए खुले हैं।
Heteroskedasticity शब्द चरों के असमान पैटर्न को दर्शाता है। मूल रूप से, चर Heteroskedasticity में एक रैखिक पैटर्न नहीं बनाते हैं। वे बल्कि एक क्लस्टर बनाते हैं। यही कारण है कि निष्कर्ष से हमें जो अनुमानित मूल्य मिलता है वह सटीक नहीं होगा। यह सांख्यिकीय मॉडल मुख्य रूप से a . की पहचान करने के लिए उपयोग किया जाता हैश्रेणी वित्तीय साधनों की और उपयोगकर्ताओं को समय के साथ इन वस्तुओं या वित्तीय साधनों में प्रवृत्तियों और मूल्य परिवर्तनों की भविष्यवाणी करने में मदद करता है।
यहां तक कि स्थापित वित्तीय संस्थान भी शेयरों और उपकरणों पर उचित बाजार अनुसंधान करने और अस्थिरता के स्तर का पता लगाने के लिए GARCH दृष्टिकोण का उपयोग करते हैं। वे स्टॉक मूल्य निर्धारण की भविष्यवाणी करने के लिए निष्कर्ष से प्राप्त परिणामों का उपयोग करते हैं और यह पता लगाते हैं कि कौन सी संपत्ति लंबे समय में बेहतर प्रदर्शन करने की क्षमता रखती है। इस प्रक्रिया का उपयोग आपके निवेश पर रिटर्न का अनुमान लगाने के लिए भी किया जा सकता है, जिससे आपको अपनी संपत्ति आवंटित करने और उसके अनुसार निवेश करने का अवसर मिलता है।
कई निवेशक और स्थानीय व्यापारी अपने निवेश पोर्टफोलियो में सुधार के लिए GARCH दृष्टिकोण पर विचार करते हैं, जबकि अन्य इसका उपयोग सूचित निवेश निर्णय लेने के तरीके के रूप में करते हैं।
Talk to our investment specialist
अब, यह ध्यान रखना महत्वपूर्ण है कि GARCH मॉडल मानक होमोस्केडैस्टिक दृष्टिकोण से पूरी तरह से अलग है, जिसमें निवेशक निरंतर अस्थिरता का अनुमान लगाते हैं। उत्तरार्द्ध आमतौर पर ओएलएस (साधारण कम से कम वर्ग) विश्लेषण में उपयोग किया जाता है। हालांकि यह मॉडल सटीक साबित हो सकता है, हम इस तथ्य की उपेक्षा नहीं कर सकते कि अस्थिरता का स्तर समय-समय पर बदलता रहता है। जब परिसंपत्ति रिटर्न की बात आती है, तो अस्थिरता कभी भी समान नहीं होती है। अस्थिरता का कुछ हिस्सा पिछले विचरण पर निर्भर करता है। इन सभी कारकों को ध्यान में रखते हुए, यह कहना सुरक्षित है कि साधारण न्यूनतम वर्ग विश्लेषण उप-इष्टतम हो सकता है।
अब जब गर्च एक ऑटोरेग्रेसिव दृष्टिकोण है, तो यह वर्तमान भिन्नता को निर्धारित करने के लिए स्टॉक उद्योग में पिछले भिन्नताओं पर निर्भर करता है। इसकी विश्वसनीयता के कारण मॉडल का व्यापक रूप से वित्तीय बाजारों और स्टॉक उद्योग में उपयोग किया जाता है। यह पता लगाने में एक प्रभावी मॉडल साबित हुआ हैमुद्रास्फीति साथ ही संपत्ति रिटर्न। मुख्य उद्देश्य सभी प्रकार की संभावित पूर्वानुमान त्रुटियों को कम करना और वित्तीय बाजारों में मूल्य पूर्वानुमान की सटीकता को बढ़ाना है। यह निवेशकों को भविष्य की सटीक भविष्यवाणी करने में मदद करने के लिए पिछले बदलावों को ध्यान में रखता है।
अवधारणा उन बाजारों पर प्रकाश डालती है जिनकी अस्थिरता दर भिन्न होती है। दूसरे शब्दों में, यह वित्तीय बाजारों को इंगित करता है, जहां अस्थिरता बदलने की उम्मीद है। मूल रूप से, आर्थिक संकट के दौरान इन बाजारों में अस्थिरता अधिक होती है।