ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज

Representational Image

ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज

यह एक गैर-स्थिर विस्फोटक प्रक्रिया है।

एक सांख्यिकीय मॉडल स्वत: प्रतिगामी है यदि यह पिछले मूल्यों के आधार पर भविष्य के मूल्यों की भविष्यवाणी करता है। उदाहरण के लिए, एक ऑटोरेग्रेसिव मॉडल अपने पिछले प्रदर्शन के आधार पर ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज स्टॉक की भविष्य की कीमतों की भविष्यवाणी करना चाह सकता है।

एआर प्रक्रिया क्या है?

आम तौर पर, प्राप्य खाते (एआर), खरीदारों द्वारा प्रदान की गई वस्तुओं और सेवाओं के लिए कंपनी पर बकाया राशि है। … प्रक्रिया घटनाओं का एक सरल मोड़ है जो प्राप्तियों को पता लगाने योग्य और प्रबंधनीय बनाती है। एक विशिष्ट एआर प्रक्रिया के लिए चार मुख्य चरण: क्रेडिट प्रथाओं की स्थापना।

ऑटोरेग्रेसिव प्रभाव एक अवसर से दूसरे अवसर तक निर्माण की स्थिरता का वर्णन करते हैं। अधिक सटीक रूप से, ऑटोरेग्रेसिव प्रभाव एक अवसर से दूसरे अवसर तक व्यक्तिगत मतभेदों की स्थिरता का वर्णन करते हैं।

क्या ऑटोरेग्रेसिव प्रक्रिया स्थिर है?

समय श्रृंखला के सांख्यिकीय विश्लेषण में, ऑटोरेग्रेसिव-मूविंग-औसत (एआरएमए) मॉडल दो बहुपदों के संदर्भ में एक (कमजोर) स्थिर ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज स्टोकेस्टिक प्रक्रिया का एक संक्षिप्त विवरण प्रदान करते हैं, एक ऑटोरेग्रेशन (एआर) के लिए और दूसरा चलती औसत के लिए ( एमए)।

रैंडम वॉक (आरडब्ल्यू) मॉडल ऑटोरेग्रेसिव (एआर) मॉडल का एक विशेष मामला है, जिसमें ढलान पैरामीटर 1 के बराबर है। … स्थिर एआर मॉडल में -1 और 1 के बीच ढलान पैरामीटर है।

ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज (ARIMA)

एक ऑटोरोग्रेसिव इंटीग्रेटेड मूविंग एवरेज मॉडल रिग्रेशन एनालिसिस का एक रूप है जो अन्य बदलते वेरिएबल्स के सापेक्ष एक आश्रित वेरिएबल की ताकत का अनुमान लगाता है । मॉडल का लक्ष्य वास्तविक मूल्यों के बजाय श्रृंखला में मूल्यों के बीच के अंतर की जांच करके भविष्य की प्रतिभूतियों या वित्तीय बाजार की चाल की भविष्यवाणी करना है।

ARIMA मॉडल को इसके प्रत्येक घटक को निम्न प्रकार से समझा जा सकता है:

• Autoregression (AR) एक मॉडल को संदर्भित करता है जो एक बदलते चर को दर्शाता है जो अपने स्वयं के पिछड़े हुए, या पूर्व, मूल्यों पर वापस आता है।
• एकीकृत (I) समय श्रृंखला को स्थिर होने की अनुमति देने के लिए कच्ची टिप्पणियों के अंतर का प्रतिनिधित्व करता है, अर्थात, डेटा मानों को डेटा मानों और पिछले मूल्यों के बीच अंतर द्वारा प्रतिस्थापित किया जाता है।
• मूविंग एवरेज (MA) एक अवलोकन के बीच निर्भरता को शामिल करता है और लैग्ड ऑब्जर्वेशन के लिए लागू मूविंग एवरेज मॉडल से अवशिष्ट त्रुटि।

ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज एंड स्टेशनैरिटी

एक ऑटोरिजेक्टिव एकीकृत चलती औसत मॉडल में, इसे ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज स्थिर बनाने के लिए डेटा को अलग किया जाता है। एक मॉडल जो स्थिरता दिखाता है वह है जो दिखाता है कि समय के साथ डेटा में स्थिरता है। अधिकांश आर्थिक और बाजार डेटा रुझान दिखाते हैं, इसलिए किसी भी रुझान या मौसमी संरचनाओं को ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज अलग करने का उद्देश्य है।

सीज़नैलिटी, या जब डेटा नियमित और अनुमानित पैटर्न दिखाते हैं जो एक कैलेंडर वर्ष में दोहराते हैं, तो प्रतिगमन मॉडल को नकारात्मक रूप से प्रभावित कर सकता है। यदि कोई प्रवृत्ति प्रकट होती है और स्थिरता स्पष्ट नहीं होती है, तो पूरी प्रक्रिया में कई संगणनाएँ बड़ी प्रभावोत्पादकता के साथ नहीं की जा सकती हैं।

एथेनॉल मिश्रण: 2030 तक 11,247 मिलियन लीटर एथेनॉल की जरूरत

Representational Image

नई दिल्ली : भारत सरकार ने पेट्रोल के साथ 20 प्रतिशत एथेनॉल मिश्रण करने के अपने लक्ष्य को 2030 से 2025 तक आगे बढ़ाया है। नेशनल इंस्टीट्यूट ऑफ टेक्नोलॉजी मिजोरम, आइजोल के वैज्ञानिकों के एक समूह ने 2030 में पेट्रोल और एथेनॉल की मांग का अनुमान लगाने के लिए सांख्यिकीय तरीकों का इस्तेमाल किया है। उनके अध्ययन में विभिन्न रैखिक और गैर-रैखिक प्रतिगमन मॉडल का उपयोग किया गया है, साथ ही ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज (ARIMA) मॉडल विकसित किए गए हैं और भारत में गैसोलीन की मांग के पूर्वानुमान के लिए उनकी तुलना की गई है। इसके लिए 1997 से 2021 तक ऐतिहासिक गैसोलीन खपत डेटा का उपयोग किया गया था। इस अध्ययन के अनुमान के अनुसार, देश में 2030 में गैसोलीन की मांग 56,236.632 मिलियन लीटर होगी, और 20 प्रतिशत के सम्मिश्रण लक्ष्य को पूरा करने के लिए 11,247.326 मिलियन लीटर एथेनॉल की आवश्यकता होगी। हालांकि, मौजूदा घरेलू एथेनॉल उत्पादन लक्ष्य से काफी पीछे है।

ऑटोरेग्रेसिव क्या है मतलब और उदाहरण

एक सांख्यिकीय मॉडल स्वत: प्रतिगामी है यदि यह पिछले मूल्यों के आधार पर भविष्य के मूल्यों की भविष्यवाणी करता है। उदाहरण के लिए, एक ऑटोरेग्रेसिव मॉडल अपने पिछले प्रदर्शन के आधार पर स्टॉक की भविष्य की कीमतों की भविष्यवाणी करना चाह सकता है।

• ऑटोरेग्रेसिव मॉडल पिछले मूल्यों के आधार पर भविष्य के मूल्यों की भविष्यवाणी करते हैं।
• भविष्य की सुरक्षा कीमतों का पूर्वानुमान लगाने के लिए इनका व्यापक रूप से तकनीकी विश्लेषण में उपयोग किया जाता है।
• ऑटोरेग्रेसिव मॉडल परोक्ष रूप से यह मानते हैं कि भविष्य ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज अतीत के समान होगा।
• इसलिए, वे कुछ बाजार स्थितियों, जैसे वित्तीय संकट या तेजी से तकनीकी परिवर्तन की अवधि के तहत गलत साबित हो सकते हैं।

ऑटोरेग्रेसिव मॉडल को समझना

ऑटोरेग्रेसिव मॉडल इस आधार पर काम करते हैं कि पिछले मूल्यों का वर्तमान मूल्यों पर प्रभाव पड़ता है, जो प्रकृति, अर्थशास्त्र और समय के साथ बदलती अन्य प्रक्रियाओं के विश्लेषण के लिए सांख्यिकीय तकनीक को लोकप्रिय बनाता है। ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज एकाधिक प्रतिगमन मॉडल भविष्यवाणियों के एक रैखिक संयोजन का उपयोग करके एक चर का पूर्वानुमान लगाते हैं, जबकि ऑटोरेग्रेसिव मॉडल चर के पिछले मूल्यों के संयोजन का उपयोग करते हैं।

एक एआर (1) ऑटोरेग्रेसिव प्रक्रिया वह है जिसमें वर्तमान मूल्य तत्काल पूर्ववर्ती मूल्य पर आधारित होता है, जबकि एआर (2) प्रक्रिया वह होती है जिसमें वर्तमान मूल्य पिछले दो मूल्यों पर आधारित होता है। सफेद शोर के लिए ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज एक एआर (0) प्रक्रिया का उपयोग किया जाता है और शर्तों के बीच कोई निर्भरता नहीं होती है। इन विविधताओं के अलावा, इन गणनाओं में प्रयुक्त गुणांकों की गणना करने के कई अलग-अलग तरीके भी हैं, जैसे कि कम से कम वर्ग विधि।

एक ऑटोरेग्रेसिव मॉडल का उदाहरण

ऑटोरेग्रेसिव मॉडल इस धारणा पर आधारित हैं कि पिछले मूल्यों का वर्तमान मूल्यों पर प्रभाव पड़ता है। उदाहरण के लिए, स्टॉक की कीमतों की भविष्यवाणी करने के लिए एक ऑटोरेग्रेसिव मॉडल का उपयोग करने वाले निवेशक को यह मानने की आवश्यकता होगी कि उस स्टॉक के नए खरीदार और विक्रेता हाल के बाजार लेनदेन से प्रभावित होते हैं, जब यह तय करते हैं कि सुरक्षा के लिए कितना प्रस्ताव देना या स्वीकार करना है।

हालांकि यह धारणा ज्यादातर परिस्थितियों में कायम रहेगी, लेकिन हमेशा ऐसा नहीं होता ऑटोरेग्रेसिव इंटीग्रेटेड मूविंग एवरेज है। उदाहरण के लिए, 2008 के वित्तीय संकट से पहले के वर्षों में, अधिकांश निवेशकों को कई वित्तीय फर्मों द्वारा आयोजित बंधक-समर्थित प्रतिभूतियों के बड़े पोर्टफोलियो द्वारा उत्पन्न जोखिमों के बारे में पता नहीं था। उस समय के दौरान, अमेरिकी वित्तीय शेयरों के प्रदर्शन की भविष्यवाणी करने के लिए एक ऑटोरेग्रेसिव मॉडल का उपयोग करने वाले निवेशक के पास उस क्षेत्र में स्थिर या बढ़ते स्टॉक की कीमतों की चल रही प्रवृत्ति की भविष्यवाणी करने का अच्छा कारण होगा।