অসম আকারের দুটি ভেরিয়েবলের মধ্যে সম্পর্ক


9

যে সমস্যায় আমি কাজ করছি, আমার দুটি এলোমেলো ভেরিয়েবল, এক্স এবং ওয়াই রয়েছে I এগুলির দুটি দুটি কতটা ঘনিষ্ঠভাবে সম্পর্কযুক্ত তা নির্ধারণ করতে হবে তবে সেগুলি ভিন্ন মাত্রার are X এর সারি স্পেসের র‌্যাঙ্ক 4350, এবং Y এর সারি স্পেসের র‌্যাঙ্ক হাজার হাজারে যথেষ্ট বড়। এক্স এবং ওয়াই উভয়ের উভয়ই একই সংখ্যক কলাম রয়েছে।

আমার দুটি ভেরিয়েবলের মধ্যে কিছুটা পারস্পরিক সম্পর্ক দরকার, এবং পিয়ারসনের আর এর জন্য এক্স এবং ওয়াইয়ের সমান মাত্রা থাকতে হবে (কমপক্ষে আর দুটি আরভি হওয়া দরকার)।

আমার কি এই দুজনের মধ্যে কোনও সম্পর্ক স্থাপনের কোন আশা আছে, বা আমার কাছ থেকে Y এর পর্যবেক্ষণগুলি ছাঁটাই করার কোনও উপায় খুঁজে পাওয়া উচিত?

 EDIT

মন্তব্যগুলি থেকে তথ্য যুক্ত করা, যা প্রশ্নে থাকা উচিত।

আমি মনে করি আমি এটি উল্লেখ করতে ভুলে গেছি এক্স এবং ওয়াই স্টকের দাম। ওয়াইয়ের তুলনায় সংস্থা এক্স অনেক কম সময়ের জন্য সর্বজনীন হয়েছে X আমি X এবং Y এর দামের সাথে কতটা সম্পর্কযুক্ত তা বলতে চাই। এক্স এবং ওয়াই উভয়ের বিদ্যমান যে সময়ের জন্য আমি অবশ্যই একটি পারস্পরিক সম্পর্ক পেতে পারি। আমি জানতে চেয়েছিলাম যে ওয়াইয়ের বেশ কয়েকটি অতিরিক্ত বছরের জন্য শেয়ারের দামগুলি জানার পরেও যে এক্স উপস্থিত ছিল না আমার কাছে কোনও অতিরিক্ত তথ্য পাওয়া গেল।


2
এটি আপনার মতো পর্যবেক্ষণ (বা "কেস") রয়েছে বলে মনে হয় না যার ভিত্তিতে আপনি এক্স এবং ওয়াই উভয় উপলব্ধি পালন করেন। কোন এক্সটি কোন ওয়াইয়ের সাথে যুক্ত তা আপনি কীভাবে আবিষ্কার করবেন?
স্টিফান কোলাছা

1
আমি মনে করি আমি এটি উল্লেখ করতে ভুলে গেছি এক্স এবং ওয়াই স্টকের দাম। ওয়াইয়ের তুলনায় সংস্থা এক্স অনেক কম সময়ের জন্য সর্বজনীন হয়েছে X আমি X এবং Y এর দামের সাথে কতটা সম্পর্কযুক্ত তা বলতে চাই। এক্স এবং ওয়াই উভয়ের বিদ্যমান যে সময়ের জন্য আমি অবশ্যই একটি পারস্পরিক সম্পর্ক পেতে পারি। আমি জানতে চেয়েছিলাম যে ওয়াইয়ের বেশ কয়েকটি অতিরিক্ত বছরের জন্য শেয়ারের দামগুলি জানার পরেও যে এক্স উপস্থিত ছিল না আমার কাছে কোনও অতিরিক্ত তথ্য পাওয়া গেল।
ক্রিস্টোফার অ্যাডেন

2
@ খ্রিস্টোফার আমি প্রস্তাব দিচ্ছি যে আপনি আপনার উপরের মন্তব্যটি প্রতিবিম্বিত করতে আপনার প্রশ্ন আপডেট করুন। এছাড়াও, পারস্পরিক সম্পর্ককে অর্থবহ হওয়ার জন্য, কেবল সমান মাত্রার চেয়ে আরও বেশি কিছু প্রয়োজন; প্রকৃত পরিমাপ একই ক্ষেত্রে থেকে আসতে হবে, যা সম্ভবত আপনার ক্ষেত্রে একই সময় পয়েন্ট।
জেরোমি অ্যাংলিম

2
প্রশ্নটি আপডেট করার বিষয়ে আমি
জেরোমের

আরেকটি প্রশ্ন: আপনি উল্লেখ করেছেন যে এক্স এবং ওয়াইয়ের সমান সংখ্যক কলাম রয়েছে। এক এক হতে হবে? বা আপনার কাছে এক্স এবং ওয়াই উভয়ের জন্য একাধিক সিরিজ রয়েছে (বিভিন্ন স্টক এক্সচেঞ্জে বা এই জাতীয় কিছু)?
স্টিফান কোলাছা

উত্তর:


10

অনুমানের পরিমাণ, সময় সিরিজ বিশ্লেষণ, জিআরচ মডেলস, অন্তরঙ্গকরণ, এক্সট্রাপোলেশন বা অন্যান্য অভিনব অ্যালগরিদমগুলি যেখানে নেই সেখানে তথ্য তৈরি করতে কিছু করবে না (যদিও তারা এই বিভ্রমটি তৈরি করতে পারে ;-))। এক্স এর সর্বজনীন হওয়ার আগে ওয়াইয়ের দামের ইতিহাসটি তার পরবর্তী সম্পর্কের মূল্যায়ন করার জন্য অকেজো।

কখনও কখনও (প্রায়শই আইপিও-র প্রস্তুতিমূলক) বিশ্লেষকরা এক্সের স্টকের প্রকাশিত হওয়ার আগে অনুমানমূলক পুনর্গঠন করতে অভ্যন্তরীণ অ্যাকাউন্টিং তথ্য (বা ব্যক্তিগত স্টক লেনদেনের রেকর্ডস) ব্যবহার করেন। স্বতঃস্ফূর্তভাবে এই তথ্যটি পারস্পরিক সম্পর্কের প্রাক্কলন বাড়ানোর জন্য ব্যবহার করা যেতে পারে, তবে এই ধরনের ব্যাককাস্টগুলির চূড়ান্ত অস্থায়ী প্রকৃতির কারণে, আমি সন্দেহ করি যে X এর জন্য কেবল কয়েক দিন বা সপ্তাহের দাম পাওয়া গেলে প্রাথমিকভাবে ব্যতীত এই প্রচেষ্টাটি কোনও উপকারে আসবে doubt


স্পষ্টকরণ: আমি হারিয়ে যাওয়া ডেটা সমস্যার মোকাবিলার জন্য জিআরচের কথা উল্লেখ করিনি (যা অবশ্যই বোঝাবে না) - তবে উভয়ের উপস্থিতি সময় সিরিজের মধ্যে পারস্পরিক সম্পর্ক সম্পর্কিত একটি সাধারণ গণনার উন্নতি করার জন্য।
স্টিফান কোলাসা

@ স্টেফান: ঠিক আছে আমি এটি উল্লেখ করার জন্য প্রধানত আপনাকে উল্লেখ করছি আমি আপনাকে অগ্রাহ্য করছি না!
whuber

1
ধন্যবাদ এটি আমি যা খুঁজছিলাম তার সাথে সঙ্গতিপূর্ণ। আমি মনে করি না যে এক্স এবং ওয়াইয়ের মধ্যে পারস্পরিক সময় ফ্রেম ইতিমধ্যে প্রায় 16 বছর হলে এক্স ব্যান্ডের আরও কয়েক সপ্তাহ যুক্ত করতে ব্যাককাস্টিংটি খুব বেশি কাজে লাগবে (বা সম্ভাব্যতা)।
ক্রিস্টোফার অ্যাডেন

2
ক্রিস্টোফার: !! ১ years বছর ধরে (প্রতিদিনের বন্ধের?) আপনার কাছে কেবলমাত্র কোনও পারস্পরিক সম্পর্ক খোঁজার জন্যই নয়, সময়ের সাথে এটি কীভাবে পরিবর্তিত হচ্ছে তা অন্বেষণ করতেও পর্যাপ্ত ডেটা রয়েছে। (এটি আমি বিশ্বাস করি @ স্টেফান কোলাসার জবাবের চেতনা))
হুবুহু

আমি রাজী. এর আইপিওর আগে এক্স কী মান নিয়েছে তা নির্ধারণের কৌশলগুলি ব্যবহার করে ত্রুটি হওয়ার আশঙ্কা রয়েছে seems আমি আধুনিক প্রবণতাগুলির পূর্বাভাস দেওয়ার জন্য 16 বছরের পুরানো ডেটার প্রাসঙ্গিকতা নিয়েও প্রশ্ন তুলতে পারি।
ক্রিস্টোফার অ্যাডেন

10

সুতরাং সমস্যাটি হ'ল ডেটাগুলির মধ্যে একটি (সমস্ত ওয়াইয়ের সাথে সংশ্লিষ্ট এক্স নেই, যেখানে সময় পয়েন্টগুলির মাধ্যমে চিঠিপত্রটি কার্যকর হয়)। আমি মনে করি না যে, আপনার জন্য এক্স নেই, কেবল ওয়াইকে ফেলে দেওয়া এবং পুরো জোড়গুলির সাথে পারস্পরিক সম্পর্ক গণনা করার চেয়ে এখানে আরও অনেক কিছু আছে।

আপনি আর্থিক সময় সিরিজটি পড়তে চাইতে পারেন, যদিও এই মুহুর্তে আমার কাছে ভাল রেফারেন্স নেই (ধারণা, কেউ?)। শেয়ারের দাম প্রায়শই সময়-পরিবর্তিত অস্থিরতা প্রদর্শন করে, যা মডেল করা যায়, যেমন, জিআরচ দ্বারা । এটা অনুমেয় যে আপনার দুটি সময়ের সিরিজ এক্স এবং ওয়াই কম অস্থিরতার সময়কালে (ইতিমধ্যে যখন অর্থনীতি বৃদ্ধি পায়, সমস্ত শেয়ারের দাম বাড়তে থাকে) ইতিবাচক পারস্পরিক সম্পর্ক প্রদর্শন করে, তবে সামগ্রিক অস্থিরতা বেশি হলে নেতিবাচক পারস্পরিক সম্পর্ক (9/11, এয়ারলাইনস ট্যাঙ্কযুক্ত নিরাপদ বিনিয়োগের জন্য অর্থ পালিয়ে গেছে)। সুতরাং কেবল সামগ্রিক সম্পর্কের গণনা করা আপনার পর্যবেক্ষণের সময় ফ্রেমের উপর নির্ভরশীল হতে পারে।

আপডেট: আমি মনে করি আপনি ভিএআর (ভেক্টর অটোরেগ্রেসিভ) মডেলগুলি দেখতে চাইতে পারেন ।


বুনিয়াদি আর্থিক সময় সিরিজের রেফারেন্সের জন্য, আপনি আমার উত্তরটি এখানে দেখতে পাবেন: stats.stackexchange.com/questions/328/… । সাসে লেখাটি সর্বাধিক জনপ্রিয়।
শেন

2

@ জারোমি অ্যাংলিম এটি সঠিকভাবে উল্লেখ করেছেন। কেবলমাত্র সময় সিরিজের একটিতে উপস্থিত থাকলে অতিরিক্ত তথ্য থাকা এখানে কোনও মূল্য দেয় না। এবং নীতিগতভাবে, প্রচলিত পারস্পরিক সম্পর্ক ব্যবস্থাগুলি ব্যবহার করে অর্থবহ হওয়ার জন্য ডেটা একই সময়ে স্যাম্পল করা উচিত।

আরও সাধারণ সমস্যা হিসাবে আমি যুক্ত করব যে অনিয়মিত ব্যবধানযুক্ত সময় সিরিজের ডেটা নিয়ে কাজ করার কৌশল রয়েছে। আপনি "অনিয়মিত ব্যবধানযুক্ত সময় সিরিজের সম্পর্ক" অনুসন্ধান করতে পারেন। সাম্প্রতিক কিছু কাজ উচ্চ-ফ্রিকোয়েন্সি ডেটা ব্যবহার করে "রিয়েলাইজড ভোলিটিলিটি অ্যান্ড কোরিলেশন" (অ্যান্ডারসন, বোলারস্লেভ, ডায়াবোল্ড এবং ল্যাবস 1999) নিয়ে কাজ করেছে।


1

আপনার মন্তব্যে অতিরিক্ত তথ্য দেওয়া আমি দুটি পারস্পরিক সম্পর্ককে দেখার পরামর্শ দিই। প্রথমটি হ'ল সংযুক্ত সময়কাল যা সংস্থাগুলি উভয়দিকেই ছিল। সুতরাং, যদি কেউ প্রায় 2 বছর আগে থাকে আপনি কেবল সেই ডেটাটি ফেলে রেখে বাকীটির দিকে তাকান। দ্বিতীয়টি হবে আপেক্ষিক সময়কাল। দ্বিতীয়টিতে আপনি প্রকৃত সময়টিকে সংযুক্ত করছেন না তবে সময়টি সংস্থাটি প্রকাশ্য হওয়ার পরে মাপা হয়েছে।

পূর্ববর্তী একই সময়ের মধ্যে ভাগ করা সাধারণ অর্থনৈতিক শক্তির দ্বারা দৃ strongly়ভাবে প্রভাবিত হবে। পরবর্তীকৃত সংস্থা আইপিওর পরে পরিবর্তিত হওয়ায় সংস্থাগুলি দ্বারা ভাগ করা সম্পত্তি দ্বারা প্রভাবিত হবে।


0

এই জাতীয় সমস্যা সমাধানের আর একটি উপায় হ'ল সংক্ষিপ্ত সিরিজের জন্য টাইম সিরিজের মডেলটি ব্যবহার করে গায়েব হওয়া ডেটাগুলি নির্দিষ্ট করা যা কোনও নির্দিষ্ট প্রসঙ্গে অর্থবোধ করতে পারে বা নাও পারে।

আপনার প্রসঙ্গে, স্টকের দামকে অতীতে রূপান্তরিত করার অর্থ হ'ল আপনি নীচের পাল্টা-তথ্যমূলক প্রশ্ন জিজ্ঞাসা করছেন: প্রকৃতপক্ষে প্রকাশ্যে প্রকাশের পরিবর্তে অতীতে জনসম্মুখে এন কোম্পানির এক্স স্টোরের দাম কী হবে? সম্পর্কিত সংস্থাগুলির শেয়ারের দাম, সাধারণ বাজারের প্রবণতা ইত্যাদি বিবেচনায় নিয়ে এ জাতীয় ডেটা ইম্পুটেশন সম্ভাব্যভাবে করা যেতে পারে তবে, আপনার প্রকল্পের লক্ষ্যগুলি বিবেচনা করে এ জাতীয় বিশ্লেষণটি বোধগম্য নয় বা প্রয়োজন হতে পারে না।


0

আপনি আপনার অনুমানের উপর অনেক কিছু নির্ভর করে। আপনি যদি ধরে নেন যে ডেটা স্থিতিশীল তবে তারপরে সিরিজের জন্য আরও ডেটা আপনাকে এর অস্থিরতার উদয় অনুমান করবে। এই অনুমানটি পারস্পরিক সম্পর্ক অনুমানকে উন্নত করতে ব্যবহার করা যেতে পারে। সুতরাং ফলওউইং স্টেটমেন্টটি ভুল:

"এক্স এর প্রকাশ্যে যাওয়ার আগে ওয়াইয়ের দামের ইতিহাস তাদের পরবর্তী পারস্পরিক সম্পর্কের মূল্যায়ন করার জন্য অকেজো"


আমি এই সম্পর্কে চিন্তা। তত্ত্বটি কার্যকর হতে পারে তবে খুব অদূরদর্শী হবে তাই এড়ানো ভাল।
কেজেটিল বি হালওয়ারসন

-1

এটি মেশিন লার্নিং অ্যালগরিদমের জন্য সমস্যার মতো মনে হচ্ছে। অতএব, আমি এমন বৈশিষ্ট্যগুলির একটি সেট বের করার চেষ্টা করব যা এতে ট্রেন্ড এবং ট্রেনের একটি নির্দিষ্ট দিক বর্ণনা করে। এই উত্তর বাক্সটির জন্য পুরো মেশিন লার্নিং থিওরিটি কিছুটা জটিল, তবে এটি পড়তে আপনার পক্ষে কার্যকর হবে।

তবে সত্য, আমি মনে করি যে ইতিমধ্যে সেখানে উপস্থিত আছে। যেখানে অর্থোপার্জন করা যায়, লোকেরা এতে মন পোষণ করে।

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.