उच्च-आवृत्ति मूल्य-मात्रा सहसंबंध प्रवृत्ति कारक
factor.formula
1. दैनिक स्टॉक मिनट-स्तरीय समापन मूल्य और ट्रेडिंग मात्रा के बीच पियर्सन सहसंबंध गुणांक की गणना करें:
2. प्रत्येक कारोबारी दिन के लिए, उस दिन गणना किए गए 20 लगातार समय विंडो के अनुरूप सहसंबंध गुणांक \( p_t \) का समय \( t \) के साथ रैखिक रूप से प्रतिगमन किया जाता है, जिससे प्रतिगमन गुणांक \( \beta \) प्राप्त होता है:
3. सभी स्टॉक के लिए दैनिक गणना किया गया प्रतिगमन गुणांक \( \beta \) क्रॉस सेक्शन में मानकीकृत किया जाता है, और बाजार मूल्य और पारंपरिक मूल्य-मात्रा कारकों (जैसे 20-दिन का उलटफेर, 20-दिन का टर्नओवर दर, 20-दिन की अस्थिरता, आदि) के प्रभाव को खत्म किया जाता है, ताकि अंतिम उच्च-आवृत्ति मूल्य-मात्रा सहसंबंध प्रवृत्ति कारक प्राप्त किया जा सके।
सूत्र में:
- :
प्रत्येक दिन के भीतर ( t )वें समय विंडो (उदाहरण के लिए, ( t )वां मिनट) के लिए गणना किए गए स्टॉक के मिनट समापन मूल्य और मिनट ट्रेडिंग मात्रा के बीच पियर्सन सहसंबंध गुणांक। यह सहसंबंध गुणांक मापता है कि उस विशेष समय विंडो के दौरान मूल्य और मात्रा कितने समन्वयित या भिन्न हैं। एक सकारात्मक सहसंबंध का मतलब है कि जब कीमतें बढ़ती हैं, तो ट्रेडिंग मात्रा में वृद्धि होती है, और इसके विपरीत; एक नकारात्मक सहसंबंध का मतलब है कि जब कीमतें बढ़ती हैं, तो ट्रेडिंग मात्रा में कमी होती है, और इसके विपरीत।
- :
रैखिक प्रतिगमन द्वारा प्राप्त प्रतिगमन गुणांक समय ( t ) के साथ दैनिक मूल्य-मात्रा सहसंबंध गुणांक ( p_t ) में परिवर्तन की प्रवृत्ति और शक्ति को दर्शाता है। ( \beta ) का धनात्मक मान इंगित करता है कि दैनिक मूल्य-मात्रा सहसंबंध समय के साथ बढ़ने लगता है; ( \beta ) का ऋणात्मक मान इंगित करता है कि दैनिक मूल्य-मात्रा सहसंबंध समय के साथ घटने लगता है; ( \beta ) का निरपेक्ष मान जितना बड़ा होगा, प्रवृत्ति उतनी ही अधिक महत्वपूर्ण होगी।
- :
प्रतिगमन मॉडल में त्रुटि शब्द वास्तविक सहसंबंध गुणांक ( p_t ) और प्रतिगमन मॉडल के अनुमानित मान के बीच विचलन का प्रतिनिधित्व करता है। त्रुटि शब्द का अस्तित्व वास्तविक डेटा में शोर और यादृच्छिक उतार-चढ़ाव की उपस्थिति के कारण है।
- :
समय विंडो की क्रम संख्या, जो 1 से 20 तक है। उदाहरण के लिए, यदि मिनट डेटा का उपयोग किया जाता है, तो ( t=1 ) पहले मिनट का प्रतिनिधित्व करता है, ( t=2 ) दूसरे मिनट का प्रतिनिधित्व करता है, और इसी तरह। यह ध्यान दिया जाना चाहिए कि यहाँ ( t ) प्रत्येक दिन के भीतर समय श्रृंखला को संदर्भित करता है, न कि दिनों में समय श्रृंखला को। समय विंडो का विशिष्ट विभाजन वास्तविक डेटा आवृत्ति और अनुसंधान आवश्यकताओं के अनुसार समायोजित किया जा सकता है।
factor.explanation
इस कारक का मुख्य तर्क बाजार सूक्ष्म संरचना में मूल्य और मात्रा के बीच संबंधों में गतिशील परिवर्तनों को पकड़ना है। ( \beta ) का ऋणात्मक मान (यानी, PV_corr_trend जितना छोटा होगा), यह दर्शाता है कि दिन के दौरान मूल्य और मात्रा के बीच सहसंबंध धीरे-धीरे कमजोर हो रहा है, जो यह संकेत दे सकता है कि बाजार की धारणा धीरे-धीरे भिन्न हो रही है, और मूल्य में वृद्धि के साथ मात्रा में प्रभावी वृद्धि नहीं हो सकती है, और इसके विपरीत। इसे आम तौर पर लंबी और छोटी तरफ की ताकतों के बीच असंतुलन की शुरुआत का एक प्रकटीकरण माना जाता है, और यह संभावित उलटफेर के अवसर को इंगित कर सकता है। दूसरी ओर, ( \beta ) का धनात्मक मान (यानी, PV_corr_trend जितना बड़ा होगा), यह दर्शाता है कि दिन के दौरान मूल्य और मात्रा के बीच सहसंबंध धीरे-धीरे बढ़ रहा है, जो बाजार की भावना की स्थिरता का संकेत दे सकता है, और मूल्य और मात्रा एक साथ बढ़ या घट रहे हैं, जिसे आम तौर पर मजबूत बाजार रुझानों का संकेत माना जाता है। इसलिए, यह कारक मुख्य रूप से स्टॉक चयन में सहायता करने के लिए दैनिक मूल्य-मात्रा संबंध में परिवर्तन की प्रवृत्ति का विश्लेषण करके अल्पकालिक बाजार भावना और सूक्ष्म संरचना विशेषताओं को पकड़ने के लिए उच्च-आवृत्ति डेटा का उपयोग करता है। आम तौर पर, नकारात्मक रुझानों ( ( \beta ) ऋणात्मक है) में उच्च भविष्य कहनेवाला शक्ति हो सकती है।