Table of Contents
GARCH പ്രോസസ് അർത്ഥമനുസരിച്ച് റോബർട്ട് എഫ് തയ്യാറാക്കിയത്, GARCH എന്നാൽ പൊതുവായ ഓട്ടോറെഗ്രസീവ് കണ്ടീഷണൽ ഹെറ്ററോസ്കെഡാസ്റ്റിസിറ്റി എന്നാണ്. ഫിനാൻഷ്യൽ മാർക്കറ്റുകളിലെ ചാഞ്ചാട്ട നില മനസ്സിലാക്കാൻ ഈ ആശയം ഉപയോഗിക്കുന്നു. പല വിദഗ്ധരും പ്രൊഫഷണൽ നിക്ഷേപകരും ഓഹരി വിപണിയിലെ ചാഞ്ചാട്ടം കണ്ടെത്തുന്നതിന് GARCH സമീപനമാണ് ഇഷ്ടപ്പെടുന്നത്.
സ്റ്റോക്ക് വ്യവസായത്തിലെ ഭാവി പ്രവണതകൾ പ്രവചിക്കാനുള്ള കൃത്യവും ആധികാരികവുമായ സാങ്കേതികതയായി അവർ ഇതിനെ കണക്കാക്കുന്നു. നിക്ഷേപത്തിനും ട്രേഡിംഗിനുമായി തുറന്നിരിക്കുന്ന എല്ലാത്തരം ധനകാര്യ ഉപകരണങ്ങളുടെയും വില നിർണ്ണയിക്കാനും ഇത് ഉപയോഗിക്കാം.
Heteroskedasticity എന്ന പദം വേരിയബിളുകളുടെ അസമമായ പാറ്റേണിനെ സൂചിപ്പിക്കുന്നു. അടിസ്ഥാനപരമായി, വേരിയബിളുകൾ ഹെറ്ററോസ്കെഡാസ്റ്റിറ്റിയിൽ ഒരു രേഖീയ പാറ്റേൺ സൃഷ്ടിക്കുന്നില്ല. അവ ഒരു ക്ലസ്റ്ററായി മാറുന്നു. നിഗമനത്തിൽ നിന്ന് ലഭിക്കുന്ന കണക്കാക്കിയ മൂല്യം കൃത്യമായിരിക്കില്ല എന്നതിന്റെ കാരണം അതാണ്. ഈ സ്റ്റാറ്റിസ്റ്റിക്കൽ മോഡൽ പ്രധാനമായും ഉപയോഗിക്കുന്നത് വിവിധ സാമ്പത്തിക ഉപകരണങ്ങളെ തിരിച്ചറിയുന്നതിനും കാലക്രമേണ ഈ ചരക്കുകളിലോ സാമ്പത്തിക ഉപകരണങ്ങളിലോ ഉള്ള പ്രവണതകളും വില മാറ്റങ്ങളും പ്രവചിക്കാൻ ഉപയോക്താക്കളെ സഹായിക്കുന്നു.
സ്ഥാപിത ധനകാര്യ സ്ഥാപനങ്ങൾ പോലും GARCH സമീപനം ഉപയോഗിച്ച് സ്റ്റോക്കുകളെയും ഉപകരണങ്ങളെയും കുറിച്ച് ശരിയായ മാർക്കറ്റ് ഗവേഷണം നടത്തുകയും ചാഞ്ചാട്ടത്തിന്റെ തോത് കണ്ടെത്തുകയും ചെയ്യുന്നു. സ്റ്റോക്ക് വിലനിർണ്ണയം പ്രവചിക്കാനും ദീർഘകാലാടിസ്ഥാനത്തിൽ മികച്ച പ്രകടനം കാഴ്ചവയ്ക്കാൻ ഏത് അസറ്റിന് കഴിവുണ്ടെന്ന് കണ്ടെത്താനും അവർ നിഗമനത്തിൽ നിന്ന് ലഭിച്ച ഫലങ്ങൾ ഉപയോഗിക്കുന്നു. നിങ്ങളുടെ നിക്ഷേപത്തിന്റെ വരുമാനം കണക്കാക്കാനും നിങ്ങളുടെ ആസ്തികൾ അനുവദിക്കാനും അതിനനുസരിച്ച് നിക്ഷേപം നടത്താനും ഈ പ്രക്രിയ സഹായിക്കും.
പല നിക്ഷേപകരും പ്രാദേശിക വ്യാപാരികളും തങ്ങളുടെ നിക്ഷേപ പോർട്ട്ഫോളിയോ മെച്ചപ്പെടുത്തുന്നതിനുള്ള ഗാർച്ച് സമീപനത്തെ പരിഗണിക്കുന്നു, മറ്റുള്ളവർ വിവരമുള്ള നിക്ഷേപ തീരുമാനങ്ങൾ എടുക്കുന്നതിനുള്ള മാർഗമായി ഇത് ഉപയോഗിക്കുന്നു.
Talk to our investment specialist
ഇപ്പോൾ, ഗാർച്ച് മോഡൽ സ്റ്റാൻഡേർഡ് ഹോമോസ്കെഡാസ്റ്റിക് സമീപനത്തിൽ നിന്ന് തികച്ചും വ്യത്യസ്തമാണെന്ന കാര്യം ശ്രദ്ധിക്കേണ്ടതാണ്, അതിൽ നിക്ഷേപകർ നിരന്തരമായ ചാഞ്ചാട്ടം ഏറ്റെടുക്കുന്നു. രണ്ടാമത്തേത് OLS (സാധാരണ കുറഞ്ഞ സ്ക്വയറുകൾ) വിശകലനത്തിൽ സാധാരണയായി ഉപയോഗിക്കുന്നു. ഈ മോഡൽ കൃത്യമാണെന്ന് തെളിയിക്കുമെങ്കിലും, കാലാകാലങ്ങളിൽ ചാഞ്ചാട്ട നില മാറുന്നു എന്ന വസ്തുത ഞങ്ങൾക്ക് അവഗണിക്കാനാവില്ല. അസറ്റ് വരുമാനത്തിന്റെ കാര്യം വരുമ്പോൾ, ചാഞ്ചാട്ടം ഒരിക്കലും സമാനമല്ല. അസ്ഥിരതയുടെ ചില ഭാഗം പഴയ വ്യതിയാനത്തെ ആശ്രയിച്ചിരിക്കുന്നു. ഈ ഘടകങ്ങളെല്ലാം മനസ്സിൽ വച്ചുകൊണ്ട്, സാധാരണ കുറഞ്ഞ സ്ക്വയറുകളുടെ വിശകലനം ഉപോപ്റ്റിമൽ ആകാമെന്ന് പറയുന്നത് സുരക്ഷിതമാണ്.
ഇപ്പോൾ GARCH ഒരു സ്വയമേവയുള്ള സമീപനമാണ്, നിലവിലെ വ്യതിയാനം നിർണ്ണയിക്കാൻ ഇത് സ്റ്റോക്ക് വ്യവസായത്തിലെ മുൻകാല വ്യതിയാനങ്ങളെ ആശ്രയിച്ചിരിക്കുന്നു. ഈ മോഡൽ അതിന്റെ വിശ്വാസ്യത കാരണം ധനവിപണിയിലും സ്റ്റോക്ക് വ്യവസായത്തിലും വ്യാപകമായി ഉപയോഗിക്കുന്നു. കണ്ടെത്തുന്നതിൽ ഇത് ഒരു ഫലപ്രദമായ മോഡലാണെന്ന് തെളിയിക്കപ്പെട്ടിട്ടുണ്ട്പണപ്പെരുപ്പം ഒപ്പം അസറ്റ് റിട്ടേണുകളും. സാധ്യമായ എല്ലാത്തരം പ്രവചന പിശകുകളും കുറയ്ക്കുക, ധനവിപണിയിലെ വില പ്രവചനത്തിന്റെ കൃത്യത വർദ്ധിപ്പിക്കുക എന്നിവയാണ് പ്രധാന ലക്ഷ്യം. ഭാവിയിലെ കൃത്യമായ പ്രവചനങ്ങൾ നടത്താൻ നിക്ഷേപകരെ സഹായിക്കുന്നതിന് മുൻകാല വ്യതിയാനങ്ങൾ കണക്കിലെടുക്കുന്നു.
വ്യത്യസ്ത ചാഞ്ചാട്ട നിരക്ക് ഉള്ള വിപണികളെ ഈ ആശയം ഉയർത്തിക്കാട്ടുന്നു. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, അസ്ഥിരത മാറുമെന്ന് പ്രതീക്ഷിക്കുന്ന സാമ്പത്തിക വിപണികളെ ഇത് സൂചിപ്പിക്കുന്നു. അടിസ്ഥാനപരമായി, ഒരു സാമ്പത്തിക പ്രതിസന്ധി ഘട്ടത്തിൽ ഈ വിപണികളിലെ ചാഞ്ചാട്ടം കൂടുതലാണ്.