क्यों दैनिक रिटर्न अभी भी अस्थिरता पूर्वानुमान के लिए महत्वपूर्ण हैं

परिमाणात्मक ट्रेडरों के लिए, भविष्य के बाजार आंदोलनों की भविष्यवाणी करने हेतु सही डेटासेट का चयन संभवतः सबसे महत्वपूर्ण निर्णय है। ऐतिहासिक रूप से, किसी स्टॉक या कमोडिटी की क्लोज़िंग या ओपनिंग कीमत उस सुरक्षा के ट्रेडिंग पैटर्न का विश्लेषण करने के लिए एक अच्छा प्रारंभिक बिंदु थी।

लेकिन आज, जब ट्रेड माइक्रोसेकंड में उन्नत आईटी सिस्टम द्वारा निपटाए जाते हैं और बड़ी मात्रा में ट्रेडिंग वॉल्यूम हाई-फ़्रीक्वेंसी “बॉट्स” द्वारा उत्पन्न होता है, तो ऐसी बाजार गतिविधि से प्राप्त डेटा अक्सर प्राथमिकता प्राप्त करता है।

एक नया अध्ययन यह सुझाव दे रहा है कि हाई-फ़्रीक्वेंसी बाजार डेटा ने दैनिक रिटर्न को अप्रचलित नहीं बना दिया है। एक नए वास्तविक अस्थिरता मॉडल का उपयोग करके, यह दर्शाता है कि दोनों संकेतों को मिलाने से कच्चे तेल की अस्थिरता पूर्वानुमान, जोखिम सीमाएँ और हेजिंग निर्णय में उल्लेखनीय सुधार हो सकता है।

यह अध्ययन भारतीय प्रौद्योगिकी संस्थान गुवाहाटी के तीन शोधकर्ताओं द्वारा किया गया था, और Finance Research Open¹ में प्रकाशित हुआ, शीर्षक “Do returns still matter? A complete asymmetric volatility model with realized measures in financial markets” के तहत।

A Brief Overview Of Risk Models

1980 के दशक से, अर्थशास्त्र के शोधकर्ता और ट्रेडर ने अपने जोखिम मॉडल में एक नया मीट्रिक शामिल करना शुरू किया: संपत्ति रिटर्न की समय-परिवर्तनीय अस्थिरता। इससे मॉडल वास्तविक बाजारों को बेहतर ढंग से प्रतिबिंबित कर सका, जहाँ संपत्ति जोखिम समय के साथ बदलते हैं, और उच्च एवं निम्न अस्थिरता के अवधि एक साथ क्लस्टर होते हैं, न कि स्थिर रहते हैं जैसा कि पहले के मॉडलों में था।

बाद में, ऐसे मॉडलों के लिए हाई-फ़्रीक्वेंसी डेटा को प्राथमिकता दी गई, क्योंकि इसे इस अनुप्रयोग के लिए एक श्रेष्ठ डेटासेट माना गया था:

“हाई-फ़्रीक्वेंसी डेटा अधिक सूक्ष्म ग्रैन्युलैरिटी प्रदान करता है, जिससे जंप और निरंतर घटकों को अलग किया जा सकता है और अस्थिरता गतिशीलता का अधिक विस्तृत विवरण मिलता है।”

इससे GARCH मॉडल (जनरलाइज़्ड ऑटोरिग्रेसिव कंडीशनल हेटेरोस्केडैसिटी) का निर्माण हुआ, जिसे बाद में आगे के उन्नत मॉडलों में सकारात्मक और नकारात्मक शॉक्स के विभिन्न प्रभावों तथा अन्य डेटा पॉइंट्स को शामिल करके परिष्कृत किया गया।

समय के साथ, GARCH-प्रकार के मॉडल काफी विस्तारित हुए हैं, जिनके अनुप्रयोग कई संपत्ति वर्गों में फैले हैं, जिसमें इक्विटी, कमोडिटी, क्रिप्टोकरेंसी और डेरिवेटिव मार्केट शामिल हैं।

इन अद्यतन मॉडलों में से एक है GJR-GARCH, एक ऐसा मॉडल जो बुरी खबरों (नकारात्मक रिटर्न) को अच्छी खबरों (सकारात्मक रिटर्न) की तुलना में अधिक वजन देता है, जिससे स्टॉक मार्केट “लीवरेज इफ़ेक्ट” को पकड़ता है।

Mixing High-Frequency Data And GARCH

यह अध्ययन हाई-फ़्रीक्वेंसी, मिनट-दर-मिनट डेटा, विशेष रूप से “रियलाइज़्ड वैरिएंस” को GJR-GARCH मॉडल के साथ मिलाने का प्रस्ताव रखता है, जिससे RGJR-GARCH बनता है।

रियलाइज़्ड वैरिएंस एक मीट्रिक है जो एक विशिष्ट समय विंडो में उच्च-फ़्रीक्वेंसी इंट्राडे प्राइस रिटर्न को जोड़कर वित्तीय संपत्ति की वास्तविक अस्थिरता को मापता है।

यह पारंपरिक दैनिक वैरिएंस से अलग है, जिसमें यदि कीमत की समाप्ति प्रारंभिक कीमत के समान हो तो शून्य परिवर्तन दिखाया जाता है, भले ही इंट्राडे में अस्थिरता बहुत अधिक रही हो।

ऐसा करके, यह नया मॉडल विस्तृत हाई-फ़्रीक्वेंसी डेटा को एकीकृत कर सकता है और GJR-GARCH मॉडलों की सटीकता को बनाए रख सकता है।

Testing The Model With Oil Trading

Testing For Volatile Markets

अपने मॉडल को मान्य करने के लिए, शोधकर्ताओं ने इसे USO (USO ), यूनाइटेड स्टेट्स ऑइल फंड, एक ETF जो 2006 से वेस्ट टेक्सास इंटरमीडिएट (WTI) लाइट स्वीट क्रूड ऑइल की कीमतों को ट्रैक करता है, पर परीक्षण किया।

यह चयन इसलिए किया गया क्योंकि कच्चे तेल के बाजार में स्पष्ट इंट्रावीक अस्थिरता होती है, जो मैक्रोइकोनॉमिक घोषणाओं, इन्वेंटरी शॉक्स और भू-राजनीतिक विकासों द्वारा प्रेरित होती है। हालिया रूस-यूक्रेन और यूएस-ईरान युद्धों ने आश्चर्यजनक अस्थिरता के अतिरिक्त मामलों को प्रस्तुत किया, जिससे ट्रेड रिटर्न और वित्तीय मॉडलों की दक्षता पर प्रभाव पड़ा।

एक अधिक “सामान्य” बाजार की तुलना के लिए, उन्होंने अपने मॉडल को SPY, सबसे अधिक ट्रेड किया जाने वाला ETF जो S&P500 इंडेक्स को ट्रैक करता है, पर भी परीक्षण किया।

दोनों मामलों में, उन्होंने 1 जनवरी 2010 से 30 अप्रैल 2020 तक का डेटा एकत्र किया।

शोधकर्ताओं ने यह भी नोट किया कि अन्य संभावित रूप से रोचक बाजार, जैसे सोना और फॉरेक्स, आमतौर पर लंबी अवधि के लिए विश्वसनीय टिक-बार-टिक डेटा प्रदान नहीं करते, और क्रिप्टोकरेंसी मूल्य डेटा अधिकांशतः केवल 1-मिनट अंतराल पर उपलब्ध होता है, जिससे मॉडल को आवश्यक हाई-फ़्रीक्वेंसी डेटा उपलब्ध नहीं हो पाता।

Models Comparison

शोधकर्ताओं ने डेटा का उपयोग करके विभिन्न मॉडलों के साथ 35 एक-दिन-आगे के पूर्वानुमान परीक्षण किए, जिन्हें बाद में साप्ताहिक क्षितिज में समेकित किया गया।

उन्हें पता चला कि RGJR-GRCH मॉडल ने परीक्षण किए गए सभी सप्ताहों के लिए सबसे अधिक पूर्वानुमान सटीकता प्रदर्शित की, जो 7 सप्ताह तक के पूर्वानुमान तक था।

स्रोत: Finance Research Open

और अधिक महत्वपूर्ण बात यह है कि इस प्रदर्शन अंतर ने दर्शाया कि RGARCH ने सप्ताह 3 के पूर्वानुमान पर प्रदर्शन में गिरावट शुरू कर दी और सप्ताह #4 पर नकारात्मक प्रदर्शन दिखाया, जबकि RGJR-GRCH ने 6 सप्ताह तक के अवधि के लिए सटीक पूर्वानुमान जारी रखे, और केवल सप्ताह #7 पर ही मध्यम त्रुटि दिखाई।

इस श्रेष्ठ प्रदर्शन के कारणों को देख कर, शोधकर्ताओं ने प्रदर्शित किया कि यह वास्तव में हाई-फ़्रीक्वेंसी ट्रेडिंग डेटा के उपयोग के कारण था।

“RGJR-GARCH मॉडल का GARCH और GJR-GARCH मॉडलों की तुलना में श्रेष्ठ प्रदर्शन हाई-फ़्रीक्वेंसी डेटा के प्रभावी उपयोग को अस्थिरता गतिशीलता मॉडलिंग में लागू करने के कारण है।”

यह प्रभाव विशेष रूप से तेल-संबंधित संपत्तियों जैसे USO के लिए स्पष्ट था, जहाँ अस्थिरता में स्पष्ट साप्ताहिक नियमितताएँ दिखाई देती हैं। यह व्यावहारिक अनुप्रयोगों के लिए महत्वपूर्ण है, क्योंकि सटीक साप्ताहिक अस्थिरता पूर्वानुमान ऊर्जा‑सेक्टर के प्रतिभागियों, जैसे कमोडिटी ट्रेडर और उत्पादकों, के लिए डायनामिक हेजिंग और अनुबंध मूल्य निर्धारण को सूचित कर सकता है।

इसका यह भी अर्थ है कि अस्थिरता का पूर्वानुमान करते समय दैनिक रिटर्न भी महत्वपूर्ण हैं, न कि केवल हाई-फ़्रीक्वेंसी डेटा। दोनों डेटासेट आपस में मिश्रित हैं और उन्हें एक ही इकाई के रूप में प्रोसेस किया जाना चाहिए।

Investing In High-Frequency Trading

CME Group Inc.

जैसे ही बेहतर पूर्वानुमान एक उन्नत वित्तीय मॉडल द्वारा निर्मित होते हैं, सटीक, दीर्घकालिक और हाई-फ़्रीक्वेंसी डेटासेट का मूल्य उसी अनुसार बढ़ता है। यह विशेष रूप से उच्च अस्थिरता, भू‑राजनीतिक रूप से संवेदनशील सुरक्षा और संपत्तियों जैसे कच्चे तेल के लिए सत्य है। इसलिए यह प्लेटफ़ॉर्म इन हाई-फ़्रीक्वेंसी डेटा और कार्यात्मक ट्रेडिंग सुरक्षा प्रदान करने में सक्षम बनाता है, जो इस प्रकार के शैक्षणिक शोध से लाभान्वित हो सकते हैं।

CME का NYMEX मार्केटप्लेस WTI कच्चे तेल की कीमत खोज, फ्यूचर्स ट्रेडिंग और हेजिंग के लिए केंद्रीय है। कंपनी सभी प्रकार के ट्रेडिंग में सक्रिय है, जिसमें सभी कमोडिटीज़ (कृषि, ऊर्जा, धातु), कार्बन क्रेडिट, ट्रेज़री, विदेशी मुद्रा, सूचकांक, इक्विटीज़, क्रिप्टोकरेंसी आदि शामिल हैं।

कंपनी ने अपनी आय को 2015 में लगभग $3 बिलियन से 2026 में अनुमानित $7 बिलियन तक तेज़ी से बढ़ाया है।

यह तेज़ अंतर्राष्ट्रीयकरण भी दिखाती है, जहाँ गैर‑अमेरिकी गतिविधि 10% CAGR से बढ़ रही है और 12 देशों में बिक्री उपस्थिति है, जो विश्वभर में लगभग 13,000 ग्राहकों को कवर करती है। समग्र रूप से, इस विकास पैटर्न को जारी रहने की उम्मीद है और कंपनी को ब्लॉकचेन से लेकर कार्बन ट्रेडिंग और अमेरिकी मॉर्टगेज फ्यूचर्स तक कई वित्तीय नवाचारों से लाभ मिलने की संभावना है।

स्रोत: CME

Latest CME Group (CME) Stock News and Developments

Study Referenced

^{1. Prakash Raj, et al. Do returns still matter? A complete asymmetric volatility model with realized measures in financial markets. Finance Research Open. Volume 2, Issue 3, सितंबर 2026, 100139. https://doi.org/10.1016/j.finr.2026.100139}