নিম্নমুখী/ঊর্ধ্বমুখী অস্থিরতা অনুপাত
factor.formula
নিম্নমুখী/ঊর্ধ্বমুখী অস্থিরতা অনুপাত (DUVR):
যেখানে,
- :
t সময়ে স্টক i এর রিটার্ন, যা সাধারণত লগারিদমিক রিটার্ন ব্যবহার করে গণনা করা হয়, অর্থাৎ, $r_{it} = \ln(P_{it}/P_{it-1})$, যেখানে $P_{it}$ হল t সময়ে স্টক i এর দাম।
- :
পর্যবেক্ষণকালে স্টক i এর গড় রিটার্ন, যা $\bar{r_i} = \frac{1}{T} \sum_{t=1}^{T} r_{it}$ হিসাবে গণনা করা হয়, যেখানে T হল পর্যবেক্ষণকালের মোট সময়কাল।
- :
পর্যবেক্ষণকালে স্টক i এর রিটার্ন গড় রিটার্ন $\bar{r_i}$ এর থেকে বেশি বা সমান হওয়ার দিনের সংখ্যা, অর্থাৎ, ঊর্ধ্বমুখী রিটার্ন সহ দিনের সংখ্যা।
- :
পর্যবেক্ষণকালে স্টক i এর রিটার্ন গড় রিটার্ন $\bar{r_i}$ এর থেকে কম হওয়ার দিনের সংখ্যা, অর্থাৎ, নিম্নমুখী রিটার্ন সহ দিনের সংখ্যা।
- :
পর্যবেক্ষণকালে স্টক i-এর সমস্ত নিম্নমুখী রিটার্নের (গড় রিটার্নের চেয়ে কম রিটার্ন) রিটার্ন এবং গড় রিটার্নের পার্থক্যের বর্গসমূহের যোগফল, যা নিম্নমুখী রিটার্নের অস্থিরতা পরিমাপ করে, একে নিম্নমুখী ভেদাঙ্কও বলা হয়।
- :
পর্যবেক্ষণকালে স্টক i-এর সমস্ত ঊর্ধ্বমুখী রিটার্নের (গড় রিটার্নের চেয়ে বেশি বা সমান রিটার্ন) রিটার্ন এবং গড় রিটার্নের পার্থক্যের বর্গসমূহের যোগফল, যা ঊর্ধ্বমুখী রিটার্নের অস্থিরতা পরিমাপ করে, একে ঊর্ধ্বমুখী ভেদাঙ্কও বলা হয়।
factor.explanation
নিম্নমুখী/ঊর্ধ্বমুখী অস্থিরতা অনুপাত (DUVR) নিম্নমুখী অস্থিরতা এবং ঊর্ধ্বমুখী অস্থিরতার তুলনা করে স্টক রিটার্ন বিতরণের অসামঞ্জস্যতা পরিমাপ করে। এই অনুপাতের মূল উদ্দেশ্য হল রিটার্ন বিতরণের নেতিবাচক বক্রতা ঝুঁকি পরিমাপ করা, অর্থাৎ, নেতিবাচক রিটার্নের অস্থিরতা ইতিবাচক রিটার্নের অস্থিরতার চেয়ে বেশি কিনা। DUVR-এর মান যত বেশি, ঊর্ধ্বমুখী অস্থিরতার তুলনায় নিম্নমুখী অস্থিরতা তত বেশি এবং স্টকের দাম তত দ্রুত কমে যাওয়ার সম্ভাবনা থাকে। এই অসামঞ্জস্যপূর্ণ ঝুঁকি সাধারণত একটি পদ্ধতিগত ঝুঁকি হিসাবে বিবেচিত হয় এবং বিনিয়োগকারীরা এই ঝুঁকি বহন করার জন্য একটি উচ্চতর ঝুঁকি প্রিমিয়াম দাবি করে।
এটা মনে রাখা দরকার যে এই ফ্যাক্টরটি গণনা করার সময় সাধারণত লগারিদম নেওয়া হয়, এর উদ্দেশ্য হল সংখ্যাগত পরিসর কমানো এবং অতিরিক্ত মানের কারণে মডেলের অস্থিরতা এড়ানো। একই সময়ে, লগারিদমিক রূপান্তরের কারণে ডেটা কিছুটা মসৃণও হয়।
বাস্তব প্রয়োগের ক্ষেত্রে, এই ফ্যাক্টরটি গণনা করার জন্য বিভিন্ন সময়সীমা ব্যবহার করা যেতে পারে, যেমন দৈনিক, সাপ্তাহিক, মাসিক ইত্যাদি। বিভিন্ন সময়সীমার কারণে ফ্যাক্টরের মান এবং ভবিষ্যদ্বাণী করার ক্ষমতার পার্থক্য হতে পারে। এছাড়াও, এই ফ্যাক্টরটি প্রায়শই অন্যান্য ফ্যাক্টরের সাথে মিলিয়ে ব্যবহার করা হয়, যাতে পূর্বাভাসের কার্যকারিতা উন্নত করা যায়।