Stationarity test

স্টেশনারিটি পরীক্ষা

টাইম সিরিজ বিশ্লেষণের ক্ষেত্রে স্টেশনারিটি (Stationarity) একটি অত্যন্ত গুরুত্বপূর্ণ ধারণা। টাইম সিরিজ হলো সময়ের সাথে সাথে সংগৃহীত ডেটার একটি ক্রম। এই ডেটা স্টক মূল্য, দৈনিক তাপমাত্রা, বা অন্য যেকোনো চলক হতে পারে যা সময়ের সাথে পরিবর্তিত হয়। স্টেশনারিটি পরীক্ষা করার মূল উদ্দেশ্য হলো, এই টাইম সিরিজের পরিসংখ্যানিক বৈশিষ্ট্যগুলো সময়ের সাথে স্থিতিশীল কিনা তা নির্ধারণ করা। বাইনারি অপশন ট্রেডিংয়ের ক্ষেত্রে, স্টেশনারিটি বোঝা অত্যন্ত জরুরি, কারণ অনেক ট্রেডিং কৌশল এই ধারণার উপর ভিত্তি করে তৈরি হয়।

স্টেশনারিটি কী?

একটি টাইম সিরিজকে স্টেশনারি বলা হয় যদি তার নিম্নলিখিত বৈশিষ্ট্যগুলো সময়ের সাথে অপরিবর্তিত থাকে:

১. গড় (Mean): সময়ের সাথে সাথে সিরিজের গড় মান একই থাকে। ২. ভেদাঙ্ক (Variance): সময়ের সাথে সাথে সিরিজের ভেদাঙ্ক একই থাকে। ৩. অটো covariance: দুটি ভিন্ন সময়ের মধ্যে ডেটার মধ্যে সম্পর্ক সময়ের ব্যবধানের উপর নির্ভর করে না, শুধু সময়ের ব্যবধানের একটি ফাংশন।

যদি কোনো টাইম সিরিজ এই শর্তগুলো পূরণ করে, তবে তাকে কঠোরভাবে স্টেশনারি (Strictly Stationary) বলা হয়। তবে, বাস্তবে কঠোর স্টেশনারিটি অর্জন করা কঠিন। তাই, প্রায়শই দুর্বল স্টেশনারিটি (Weakly Stationary) বা কো-স্টেশনারিটি (Co-Stationarity) বিবেচনা করা হয়। দুর্বল স্টেশনারিটির জন্য শুধু গড় এবং ভেদাঙ্ক স্থিতিশীল থাকলেই যথেষ্ট।

স্টেশনারিটি কেন গুরুত্বপূর্ণ?

স্টেশনারিটি টাইম সিরিজ বিশ্লেষণের জন্য গুরুত্বপূর্ণ হওয়ার কয়েকটি কারণ নিচে উল্লেখ করা হলো:

• পূর্বাভাস (Forecasting): স্টেশনারি টাইম সিরিজের ভবিষ্যৎ মান সম্পর্কে নির্ভুল পূর্বাভাস দেওয়া সহজ।
• মডেলিং (Modeling): অনেক পরিসংখ্যানিক মডেল, যেমন ARIMA মডেল (AutoRegressive Integrated Moving Average), স্টেশনারি ডেটার উপর ভিত্তি করে তৈরি করা হয়।
• ট্রেডিং কৌশল (Trading Strategies): বাইনারি অপশন ট্রেডিংয়ের বিভিন্ন কৌশল, যেমন মিণkovskij গড় (Minkowski Average) এবং বোলিঙ্গার ব্যান্ড (Bollinger Bands), স্টেশনারি ডেটার উপর ভালোভাবে কাজ করে।
• ভুল ফলাফল এড়ানো: নন-স্টেশনারি ডেটা ব্যবহার করে বিশ্লেষণ করলে ভুল ফলাফল আসতে পারে, যা ভুল সিদ্ধান্তের দিকে পরিচালিত করতে পারে।

স্টেশনারিটি পরীক্ষার পদ্ধতি

বিভিন্ন ধরনের স্টেশনারিটি পরীক্ষা রয়েছে। এদের মধ্যে কিছু জনপ্রিয় পদ্ধতি নিচে আলোচনা করা হলো:

১. ভিজ্যুয়াল পরিদর্শন (Visual Inspection):

টাইম সিরিজের ডেটা প্লট করে ট্রেন্ড (Trend) এবং সিজনালিটি (Seasonality) দেখে স্টেশনারিটি সম্পর্কে প্রাথমিক ধারণা পাওয়া যায়। যদি প্লটে সুস্পষ্ট ট্রেন্ড বা সিজনালিটি থাকে, তবে সিরিজটি সম্ভবত নন-স্টেশনারি।

২. অটো correlation ফাংশন (ACF) এবং পার্শিয়াল অটো correlation ফাংশন (PACF) প্লট:

ACF এবং PACF প্লট ব্যবহার করে টাইম সিরিজের অটো correlation কাঠামো বিশ্লেষণ করা হয়। স্টেশনারি সিরিজের ACF দ্রুত শূন্যের দিকে নেমে যায়, যেখানে নন-স্টেশনারি সিরিজের ACF ধীরে ধীরে হ্রাস পায়। অটো correlation একটি গুরুত্বপূর্ণ পরিসংখ্যানিক ধারণা যা সময়ের সাথে সম্পর্কিত ডেটার মধ্যে সম্পর্ক পরিমাপ করে।

৩. ডিকি-ফুলার পরীক্ষা (Dickey-Fuller Test):

এটি একটি বহুল ব্যবহৃত পরিসংখ্যানিক পরীক্ষা যা টাইম সিরিজের স্টেশনারিটি যাচাই করে। এই পরীক্ষায় একটি নাল হাইপোথিসিস (Null Hypothesis) পরীক্ষা করা হয়, যেখানে বলা হয় যে টাইম সিরিজটিতে একটি ইউনিট রুট (Unit Root) রয়েছে, অর্থাৎ এটি নন-স্টেশনারি। যদি পরীক্ষার ফলাফল নাল হাইপোথিসিস বাতিল করে, তবে সিরিজটিকে স্টেশনারি হিসেবে গণ্য করা হয়। ইউনিট রুট অর্থনীতির টাইম সিরিজ ডেটাতে একটি সাধারণ সমস্যা।

৪. অগমেন্টেড ডিকি-ফুলার পরীক্ষা (Augmented Dickey-Fuller Test):

ডিকি-ফুলার পরীক্ষার একটি উন্নত সংস্করণ হলো অগমেন্টেড ডিকি-ফুলার পরীক্ষা। এই পরীক্ষাটি টাইম সিরিজের অটো correlation এর প্রভাব বিবেচনা করে এবং আরও নির্ভুল ফলাফল প্রদান করে।

৫. ফিলিপস-পেরন পরীক্ষা (Phillips-Perron Test):

এটিও একটি জনপ্রিয় স্টেশনারিটি পরীক্ষা যা ডিকি-ফুলার পরীক্ষার বিকল্প হিসেবে ব্যবহৃত হয়। ফিলিপস-পেরন পরীক্ষা অটো correlation এবং হেটেরোস্কেডাস্টিসিটি (Heteroscedasticity) এর প্রভাব মোকাবেলা করতে পারে। হেটেরোস্কেডাস্টিসিটি হলো ত্রুটির ভেদাঙ্কের অস্থিতিশীলতা।

৬. কুইন্স-ডিকি-ফুলার পরীক্ষা (Kwiatkowski-Phillips-Schmidt-Shin (KPSS) Test):

ডিকি-ফুলার পরীক্ষা নাল হাইপোথিসিস হিসেবে নন-স্টেশনারিটি ধরে নেয়, যেখানে KPSS পরীক্ষা নাল হাইপোথিসিস হিসেবে স্টেশনারিটি ধরে নেয়। এই পরীক্ষাটি টাইম সিরিজ স্টেশনারি কিনা তা যাচাই করতে ব্যবহৃত হয়।

নন-স্টেশনারি ডেটা রূপান্তর

যদি কোনো টাইম সিরিজ নন-স্টেশনারি হয়, তবে এটিকে স্টেশনারি করার জন্য কিছু রূপান্তর পদ্ধতি ব্যবহার করা যেতে পারে:

১. ডিফারেন্সিং (Differencing):

ডিফারেন্সিং হলো একটি সাধারণ পদ্ধতি যেখানে বর্তমান মান থেকে পূর্ববর্তী মান বিয়োগ করা হয়। এই প্রক্রিয়াটি একাধিকবার পুনরাবৃত্তি করা যেতে পারে যতক্ষণ না সিরিজটি স্টেশনারি হয়। ডিফারেন্সিং টাইম সিরিজের ট্রেন্ড দূর করতে সহায়ক।

২. লগারিদমিক রূপান্তর (Logarithmic Transformation):

যদি ডেটার ভেদাঙ্ক সময়ের সাথে বৃদ্ধি পায়, তবে লগারিদমিক রূপান্তর ব্যবহার করে এটিকে স্থিতিশীল করা যেতে পারে।

৩. ডিফ্লেটিং (Deflating):

যদি ডেটা মুদ্রাস্ফীতি দ্বারা প্রভাবিত হয়, তবে ডিফ্লেটিং করে এটিকে আসল মূল্যে রূপান্তর করা যেতে পারে।

৪. সিজনাল ডিফারেন্সিং (Seasonal Differencing):

যদি ডেটাতে সিজনালিটি থাকে, তবে সিজনাল ডিফারেন্সিং ব্যবহার করে এটিকে দূর করা যেতে পারে।

বাইনারি অপশন ট্রেডিংয়ে স্টেশনারিটির ব্যবহার

বাইনারি অপশন ট্রেডিংয়ের ক্ষেত্রে স্টেশনারিটি পরীক্ষা করা এবং নন-স্টেশনারি ডেটাকে স্টেশনারি করার গুরুত্ব অপরিসীম। নিচে কয়েকটি উদাহরণ দেওয়া হলো:

• ট্রেন্ড অনুসরণ (Trend Following): স্টেশনারি ডেটা ব্যবহার করে ট্রেন্ড অনুসরণ করা সহজ। যদি কোনো টাইম সিরিজ স্টেশনারি হয়, তবে এর ট্রেন্ড সম্পর্কে নির্ভরযোগ্যভাবে পূর্বাভাস দেওয়া যায়।
• রিভার্সন টু দ্য মিন (Reversion to the Mean): কিছু ট্রেডিং কৌশল এই ধারণার উপর ভিত্তি করে তৈরি হয় যে দাম তার গড় মানের দিকে ফিরে আসবে। স্টেশনারি ডেটার ক্ষেত্রে এই কৌশলটি ভালোভাবে কাজ করে। গড় প্রত্যাবর্তন একটি জনপ্রিয় কৌশল।
• জোড়া ট্রেডিং (Pair Trading): দুটি সম্পর্কিত অ্যাসেটের দামের মধ্যে সম্পর্ক বিশ্লেষণ করে ট্রেড করার জন্য স্টেশনারিটি গুরুত্বপূর্ণ।
• আর্বিট্রেজ (Arbitrage): স্টেশনারি ডেটা ব্যবহার করে বিভিন্ন মার্কেটে দামের পার্থক্য খুঁজে বের করে লাভজনক ট্রেড করা যায়। আর্বিট্রেজ হলো ঝুঁকিবিহীন লাভের সুযোগ।
• ঝুঁকি ব্যবস্থাপনা (Risk Management): স্টেশনারিটি সম্পর্কে ধারণা থাকলে ট্রেডিংয়ের ঝুঁকি ভালোভাবে মূল্যায়ন করা যায়।

টেবিল: স্টেশনারিটি পরীক্ষার পদ্ধতিগুলোর তুলনা

স্টেশনারিটি পরীক্ষার পদ্ধতিগুলোর তুলনা

সুবিধা | অসুবিধা |

সহজ এবং বহুল ব্যবহৃত | অটো correlation এর প্রতি সংবেদনশীল |

অটো correlation এর প্রভাব বিবেচনা করে | জটিল এবং সময়সাপেক্ষ |

অটো correlation এবং হেটেরোস্কেডাস্টিসিটি মোকাবেলা করতে পারে | কম শক্তিশালী হতে পারে |

স্টেশনারিটি যাচাই করার জন্য উপযুক্ত | নাল হাইপোথিসিস হিসেবে স্টেশনারিটি ধরে নেয় |

দ্রুত এবং সহজ | বিষয়ভিত্তিক এবং নির্ভুল নাও হতে পারে |

অটো correlation কাঠামো বিশ্লেষণ করতে সহায়ক | ব্যাখ্যা করা কঠিন হতে পারে |

উপসংহার

স্টেশনারিটি টাইম সিরিজ বিশ্লেষণের একটি মৌলিক ধারণা। বাইনারি অপশন ট্রেডিংয়ের জন্য এটি বিশেষভাবে গুরুত্বপূর্ণ, কারণ এটি ট্রেডিং কৌশল তৈরি, ঝুঁকি মূল্যায়ন এবং নির্ভুল পূর্বাভাস দিতে সহায়ক। বিভিন্ন ধরনের স্টেশনারিটি পরীক্ষা এবং নন-স্টেশনারি ডেটা রূপান্তর করার পদ্ধতি সম্পর্কে জ্ঞান থাকলে একজন ট্রেডারকে সফল হতে সাহায্য করতে পারে। তাই, টাইম সিরিজ বিশ্লেষণের পূর্বে ডেটার স্টেশনারিটি যাচাই করা অপরিহার্য।

আরও জানতে:

• টাইম সিরিজ বিশ্লেষণ
• ARIMA মডেল
• অটো correlation
• ইউনিট রুট
• হেটেরোস্কেডাস্টিসিটি
• মিণkovskij গড়
• বোলিঙ্গার ব্যান্ড
• গড় প্রত্যাবর্তন
• আর্বিট্রেজ
• ভলিউম বিশ্লেষণ
• টেকনিক্যাল বিশ্লেষণ
• মুভিং এভারেজ
• এক্সপোনেনশিয়াল স্মুথিং
• রিগ্রেশন বিশ্লেষণ
• স্ট্যান্ডার্ড ডেভিয়েশন
• ভেরিয়েন্স
• হিস্টোগ্রাম
• পিয়ারসন কোরিলেশন
• স্পিয়ারম্যান র‍্যাঙ্ক কোরিলেশন
• কান্টোর ডিস্ট্রিবিউশন (Category:Statistical tests)

এখনই ট্রেডিং শুরু করুন

IQ Option-এ নিবন্ধন করুন (সর্বনিম্ন ডিপোজিট $10) Pocket Option-এ অ্যাকাউন্ট খুলুন (সর্বনিম্ন ডিপোজিট $5)

আমাদের সম্প্রদায়ে যোগ দিন

আমাদের টেলিগ্রাম চ্যানেলে যোগ দিন @strategybin এবং পান: ✓ দৈনিক ট্রেডিং সংকেত ✓ একচেটিয়া কৌশলগত বিশ্লেষণ ✓ বাজারের প্রবণতা সম্পর্কে বিজ্ঞপ্তি ✓ নতুনদের জন্য শিক্ষামূলক উপকরণ