समय श्रृंखला के लिए चल मानक विचलन

चल मानक विचलन क्या है?

चल मानक विचलन (जिसे रोलिंग SD या अनुगामी अस्थिरता भी कहा जाता है) एक सरकने वाली समय खिड़की पर मानक विचलन की गणना करता है। स्थैतिक मानक विचलन के विपरीत जो सभी ऐतिहासिक डेटा का उपयोग करता है, चल SD हालिया प्रेक्षणों पर ध्यान केंद्रित करता है, जो इसे समय के साथ अस्थिरता में परिवर्तनों का पता लगाने के लिए आवश्यक बनाता है।

यह तकनीक वित्तीय बाज़ारों में मौलिक है, जहाँ अस्थिरता स्थिर नहीं है बल्कि समय के साथ बदलती है। एक शेयर महीनों तक शांत हो सकता है, फिर कमाई घोषणाओं या बाज़ार संकटों के दौरान अचानक अत्यधिक अस्थिर हो सकता है। चल SD इन गतिशीलताओं को वास्तविक समय में पकड़ता है।

रोलिंग मानक विचलन की गणना कैसे करें

समय के प्रत्येक बिंदु पर, पिछले n डेटा बिंदुओं के मानक विचलन की गणना करें। जैसे-जैसे आप आगे बढ़ते हैं, खिड़की सरकती है, हमेशा नवीनतम n मानों का उपयोग करती है। यह अस्थिरता अनुमानों की एक समय श्रृंखला बनाता है।

import pandas as pd
import numpy as np

# Load your time series data
df = pd.read_csv('stock_prices.csv')

# 20-day rolling standard deviation
df['rolling_std_20'] = df['returns'].rolling(window=20).std()

# Annualized volatility (assuming daily returns)
df['annualized_vol'] = df['rolling_std_20'] * np.sqrt(252)

# Multiple windows for comparison
df['rolling_std_10'] = df['returns'].rolling(window=10).std()
df['rolling_std_50'] = df['returns'].rolling(window=50).std()

ध्यान दें कि पहले (window-1) मान NaN होंगे क्योंकि आपको गणना के लिए कम से कम n प्रेक्षणों की आवश्यकता है। व्यवहार में, आप कम प्रेक्षणों के साथ पहले गणना शुरू करने के लिए min_periods पैरामीटर का उपयोग कर सकते हैं।

सही विंडो आकार चुनना

विंडो आकार प्रतिक्रियाशीलता और स्थिरता के बीच एक ट्रेड-ऑफ बनाता है:

• छोटी विंडो (5-10 दिन):अस्थिरता परिवर्तनों पर तेज़ी से प्रतिक्रिया करती है लेकिन शोरयुक्त होती है और झूठे संकेत दे सकती है
• मध्यम विंडो (20-30 दिन):प्रतिक्रियाशीलता और स्थिरता का संतुलन; 20 दिन बोलिंजर बैंड के लिए उद्योग मानक है
• बड़ी विंडो (50-100 दिन):सुचारू और स्थिर लेकिन शासन परिवर्तनों का पता लगाने में धीमी; रुझान विश्लेषण के लिए अच्छी

वास्तविक अनुप्रयोग

चल मानक विचलन का उपयोग वित्त और डेटा विज्ञान में व्यापक रूप से किया जाता है:

• जोखिम प्रबंधन:ऐतिहासिक औसत के बजाय हालिया अस्थिरता का उपयोग करके जोखिम मूल्य (VaR) की गणना करें
• विकल्प मूल्य निर्धारण:ब्लैक-शोल्स और अन्य मॉडलों के लिए निहित अस्थिरता प्राचलों का अनुमान लगाएँ
• पोर्टफोलियो प्रबंधन:वर्तमान अस्थिरता के आधार पर स्थिति आकार समायोजित करें; अस्थिरता बढ़ने पर एक्सपोज़र कम करें
• विसंगति पहचान:असामान्य अवधियों की पहचान करें जब वर्तमान अस्थिरता चल औसत से काफी विचलित होती है
• तकनीकी विश्लेषण:बोलिंजर बैंड, केल्टनर चैनल और अन्य अस्थिरता-आधारित संकेतक

बोलिंजर बैंड समझाए गए

बोलिंजर बैंड चल मानक विचलन का सबसे प्रसिद्ध अनुप्रयोग है। 1980 के दशक में जॉन बोलिंजर द्वारा विकसित, वे कीमत के चारों ओर एक गतिशील आवरण बनाते हैं जो अस्थिरता के अनुसार अनुकूलित होता है।

बैंड अस्थिर अवधियों में चौड़े होते हैं और शांत अवधियों में सिकुड़ते हैं। व्यापारी इसका उपयोग करते हैं:

• जब कीमत बैंड को छूती है तो अधिक-खरीदी/अधिक-बिक्री स्थितियों की पहचान
• “संकुचन” (कम अस्थिरता) का पता लगाना जो अक्सर ब्रेकआउट से पहले होती है
• वर्तमान बाज़ार स्थितियों के आधार पर गतिशील स्टॉप-लॉस निर्धारित करना

अस्थिरता संकुलन

वित्त में सबसे महत्वपूर्ण अनुभवजन्य तथ्यों में से एक यह है कि अस्थिरता संकुलित होती है—उच्च अस्थिरता उच्च अस्थिरता के बाद आती है, और कम कम के बाद। इसे रॉबर्ट एंगल (नोबेल पुरस्कार 2003) ने ARCH मॉडल में औपचारिक रूप दिया।

चल SD इस संकुलन को दृश्य रूप से प्रकट करता है। जब आप समय के साथ रोलिंग अस्थिरता प्लॉट करते हैं, तो आप यादृच्छिक उतार-चढ़ाव के बजाय उच्च और कम अस्थिरता के स्पष्ट शासन देखेंगे। इसके गहन निहितार्थ हैं:

• पूर्वानुमेयता:कल की अस्थिरता आज की जैसी होने की संभावना है—आप जोखिम का अनुमान लगा सकते हैं
• जोखिम बजटिंग:उच्च-अस्थिरता शासन में प्रवेश करते समय स्थितियाँ कम करें
• रणनीति चयन:विभिन्न व्यापार रणनीतियाँ विभिन्न अस्थिरता वातावरणों में बेहतर काम करती हैं