यदि आप आनुपातिक रिटर्न को , जहाँ की कीमत है, तो यह दैनिक रिटर्न के साथ असामान्य नहीं है, बस आनुपातिक रिटर्न को गुणा करें (काम करने की संख्या) एक वर्ष में दिन) और उन्हें वार्षिक करने के लिए द्वारा मानक विचलन । यह आपके केस C से मेल खाता है । यहाँ बिंदु को पुनर्विक्रय करना है ताकि दैनिक आंकड़ों से एक सार्थक वार्षिक आंकड़ा रिपोर्ट किया जा सके (लेकिन आप इसका उपयोग मासिक से प्राप्त दैनिक के मुकाबले दैनिक रूप से प्राप्त मैट्रिक्स की कठोरता से तुलना करने के लिए नहीं करेंगे)। सामान्य तौर पर, आप अपनी सभी गणनाएँ करेंगे और अपने डेटा (आपके मामले में मासिक) एकत्र की गई आवृत्ति पर अपने सभी निर्णय लेंगे।ΔP/P=(Pt+1−Pt)/PtP250250−−−√
सैद्धांतिक रूप से सही दृष्टिकोण लॉग रिटर्न = (प्राकृतिक लॉग का उपयोग करके का उपयोग करना है। यादृच्छिक चर की राशि की उम्मीद के लिए सूत्र का उपयोग सही तरीके से किया जा सकता है, क्योंकि लॉग रिटर्न का योग रिटर्न के उत्पाद का लॉग है।log(Pt+1/Pt)
इसके अलावा, यदि आप लॉग रिटर्न का उपयोग करते हैं तो सेंट्रल लिमिट थ्योरम कुछ सैद्धांतिक औचित्य देता है कि लॉग रिटर्न सामान्य रूप से वितरित किए जाते हैं (अनिवार्य रूप से सेंट्रल लिमिट थ्योरम कहता है कि स्वतंत्र चर का योग सामान्य वितरण की ओर जाता है क्योंकि राशि में यादृच्छिक चर की संख्या बढ़ जाती है। )। यह आपको से कम रिटर्न देखने की संभावना प्रदान करने की अनुमति देता है (संभावना सामान्य वितरण के लिए संचयी वितरण फ़ंक्शन द्वारा दी गई है: । यदि लॉग रिटर्न सामान्य रूप से वितरित किया जाता है, तो हम कहते हैं कि रिटर्न को तार्किक रूप से वितरित किया जाता है - यह प्रसिद्ध ब्लैक स्कोल्स विकल्प मूल्य निर्धारण सूत्र को प्राप्त करने के लिए उपयोग की जाने वाली मान्यताओं में से एक है।μ−2σΦ(−2)≃0.023)
ध्यान देने वाली एक बात यह है कि जब एक आनुपातिक रिटर्न छोटा होता है, तो आनुपातिक रिटर्न लॉग रिटर्न के लगभग बराबर होता है। इसका कारण यह है कि प्राकृतिक लघुगणक के लिए टेलर श्रृंखला , और जब आनुपातिक रिटर्न छोटा होता है, तो आप , , आदि के साथ शब्दों को अनदेखा कर सकते हैं । यह सन्निकटन उन लोगों को थोड़ा अधिक आराम देता है, जो आनुपातिक रिटर्न के साथ काम करना चुनते हैं और और माध्य से माध्य गुणा करते हैं । द्वारा मानक विचलन !log(1+x)=x−12x2+13x3+…xx2x3nn−−√
आपको वेब पर आगे की जानकारी प्राप्त करने में सक्षम होना चाहिए। उदाहरण के लिए, मैंने अपनी स्मृति को ताज़ा करने के लिए "लॉग रिटर्न" की खोज की, और पहली हिट बहुत अच्छी लग रही थी।
ए मामले में आपने जो कहा है वह गलत है। अपने बाकी पोस्ट में आप उन तथ्यों का उपयोग करते हैं जो (i) यादृच्छिक चर की राशि की उम्मीद उनकी उम्मीदों का योग है, और (ii) स्वतंत्र यादृच्छिक चर की राशि का भिन्नता उनके चर का योग है। (Ii) से, यह इस प्रकार है कि के मानक विचलन मानक विचलन के साथ स्वतंत्र हूबहू वितरित यादृच्छिक चर है । लेकिन ए के मामले में आपने माध्य और मानक विचलन को से गुणा किया है, जबकि माध्य को गुणा करना होगा और मानक विचलन को गुणा करना होगा।nσn−−√σμXσXnnn−−√।
एक सूक्ष्म लेकिन महत्वपूर्ण बिंदु, जैसा कि @ व्हिबर की टिप्पणी में कहा गया है, नियम (ii) को सहसंबंध की आवश्यकता है, जो समय श्रृंखला के मामले में कोई सीरियल सहसंबंध (आमतौर पर सही लेकिन जाँच के लायक नहीं है) का अर्थ है। स्वतंत्रता की आवश्यकता आनुपातिक और लॉग रिटर्न केस दोनों में है।
(मैंने केस बी , यादृच्छिक चर के उत्पाद को पहले नहीं देखा है । मुझे नहीं लगता कि यह दृष्टिकोण आमतौर पर उपयोग किया जाता है। मैंने आपकी गणना पर विस्तार से नहीं देखा है, लेकिन आपके नंबर सही के बारे में देखते हैं, और सूत्र कर सकते हैं विकिपीडिया पर पाया जा सकता है । मेरी राय में यह दृष्टिकोण आनुपातिक रिटर्न या लॉग रिटर्न के उपयोग के सैद्धांतिक रूप से ध्वनि दृष्टिकोण का उपयोग करने में शामिल सन्निकटन की तुलना में बहुत अधिक जटिल लगता है। और, लॉग रिटर्न का उपयोग करने की तुलना में, आप वितरण के बारे में क्या कह सकते हैं । उदाहरण के लिए, आप अपने सबसे खराब मामले की वापसी की संभावनाएं कैसे बता सकते हैं?