ইন্ট্রাডে অস্থিরতার মৌসুমিতা: সময়ভিত্তিক ধরন ও সীমাবদ্ধতা

ইন্ট্রাডে অস্থিরতার মৌসুমিতা বলতে ট্রেডিং সেশনের বিভিন্ন সময়ে রিটার্নের আকারে নিয়মিত পার্থক্য বোঝায়। এক্সচেঞ্জ খোলার কাছাকাছি ৩০ মিনিটের রিটার্নের ঐতিহাসিক বণ্টন দুপুরের কাছাকাছি একই দৈর্ঘ্যের বারের বণ্টন থেকে আলাদা হতে পারে। এখানে বিষয়টি রিটার্নের আকার ও বিচ্যুতি, কোনো নির্দিষ্ট সময়ে দাম বাড়া বা কমার সম্ভাবনা নয়

গবেষকেরা শেয়ার ও বৈদেশিক মুদ্রার তথ্যে পুনরাবৃত্ত ইন্ট্রাডে অস্থিরতার ধরন নথিভুক্ত করেছেন। Andersen ও Bollerslev দেখিয়েছেন যে এই পর্যায়বৃত্তি উচ্চ-ফ্রিকোয়েন্সি রিটার্নের গতিবৈশিষ্ট্যে প্রভাব ফেলে: একে মডেল করলে সময়ভিত্তিক ধরনকে দীর্ঘস্থায়ী অস্থিরতার গতিবিদ্যা থেকে আলাদা করতে সাহায্য হয় (১৯৯৭00004-2))। ফলটি সমন্বয় বিবেচনার পক্ষে, তবে প্রতিটি সম্পদ, ভেন্যু বা সময়কালের জন্য একটি স্থির রেখা প্রমাণ করে না

মৌসুমি ফ্যাক্টরকে তুলনার ভিত্তি হিসেবে দেখা ভালো। এটি কোনো রিটার্ন তার সময়ের স্বাভাবিক স্কেলের তুলনায় কতটা অস্বাভাবিক তা বর্ণনা করতে পারে, অথবা কোনো অস্থিরতা মডেলকে নিয়মিত সেশন-ধরনকে দীর্ঘস্থায়ী ক্লাস্টারিং ভেবে ভুল করা থেকে বাঁচাতে পারে। Realized volatility নির্দেশিকা দেখায় কীভাবে ইন্ট্রাডে রিটার্নের বর্গ যোগ করে সেশন-স্তরের মাপ তৈরি হয়; এই লেখায় তাদের সময়ভিত্তিক প্রোফাইলের ওপর জোর দেওয়া হয়েছে

অনেক শেয়ারবাজারের নমুনায় নিয়মিত সেশনের শুরু ও শেষের দিকে গড় অস্থিরতা মাঝামাঝি সময়ের তুলনায় বেশি থাকে, ফলে রেখাটি U-আকৃতির হতে পারে। ওপেনিং নিলাম, রাতের তথ্য, বাজারে অংশগ্রহণকারীদের প্রবেশ, দিনের শেষে পোর্টফোলিও সমন্বয় এবং ক্লোজিং মেকানিজম—সবই অস্থিরতার পরিবর্তনের সঙ্গে একই সময়ে ঘটতে পারে। কিন্তু তথ্যের একটি ধরন একা কোন কারণটি দায়ী তা শনাক্ত করে না

বাজার ও সেশনের সংজ্ঞা বদলালে আকৃতিও বদলাতে পারে। বৈদেশিক মুদ্রা বিশ্বজুড়ে বিভিন্ন সময় অঞ্চলে লেনদেন হয়, তাই একটি কেন্দ্রীয় উদ্বোধনী ঘণ্টা নেই। ফিউচার্স প্রায় সারাদিন চললেও নিষ্পত্তির সময়, রক্ষণাবেক্ষণ বিরতি বা আঞ্চলিক সময়ে তারল্যের ঘনত্ব থাকতে পারে। ২৪ ঘণ্টার ক্রিপ্টো বাজারেও বিশ্লেষক রেফারেন্স সেশন নির্ধারণ না করলে একক ওপেন বা ক্লোজ নেই। উপযুক্ত ঘড়ি নির্ভর করে সম্পদ, ভেন্যু এবং নমুনা নেওয়ার নিয়মের ওপর

Ederington ও Lee দেখেছেন যে নির্ধারিত সামষ্টিক অর্থনৈতিক ঘোষণা ও অন্যান্য অস্থিরতার তথ্য বিবেচনায় নেওয়ার পর তাদের বৈদেশিক মুদ্রার নমুনায় পরিচিত U-আকৃতি বিলীন হয় (২০০১)। এটি তাদের নমুনার নির্দিষ্ট ফল, সব FX বাজারে পর্যায়বৃত্তি নেই—এমন প্রমাণ নয়। তবে বর্ণনামূলক গড় রেখাকে অপরিবর্তনীয় নিয়ম ভাবা উচিত নয়

ধরা যাক, r₍d,j₎ হলো সেশন d-এর ইন্ট্রাডে ব্যবধান j-এর রিটার্ন। একটি উপযোগী ধারণাগত বিভাজন হলো

r₍d,j₎ = sⱼ ε₍d,j₎ Var(r₍d,j₎ | ব্যবধান শুরুর আগের তথ্য) = sⱼ² h₍d,j₎

এখানে sⱼ হলো ধনাত্মক সময়ভিত্তিক স্কেল ফ্যাক্টর, আর h₍d,j₎ তথ্য ও বাজারের অবস্থার সঙ্গে বদলানো অস্থিরতাকে বোঝায়। sⱼ নির্দিষ্ট নমুনা ও ক্যালেন্ডারের পরিসংখ্যানভিত্তিক বর্ণনা; এটি ঘড়ির কোনো কারণগত প্রভাব নাও হতে পারে। বিভাজনটি মডেল সাজানোর উপায়, প্রতিটি সম্পদের একটি জানা নির্ধারিত সময়সূচি আছে—এমন দাবি নয়

sⱼ উপেক্ষা করলে নির্দিষ্ট সময়ে পুনরাবৃত্ত উচ্চ-বিচ্যুতির বারগুলো বর্গকৃত রিটার্নকে দীর্ঘস্থায়ী দেখাতে পারে। তখন GARCH মডেল নিয়মিত ইন্ট্রাডে পরিবর্তন ও প্রকৃত অস্থিরতা-ক্লাস্টারিং—দুটোকেই তার গতিশীল প্যারামিটারে ধরে ফেলতে পারে। শেষের ঘটনাটি GARCH নির্দেশিকা-এ ব্যাখ্যা করা হয়েছে। মৌসুমি সমন্বয় এ দুটিকে আলাদা করতে সাহায্য করতে পারে, তবে অবশিষ্টাংশ, প্যারামিটারের স্থিতি বা বিকল্প মডেল পরীক্ষা করার বদলি নয়

স্কেল ও ভ্যারিয়েন্স ফ্যাক্টর এক নয়। কোনো সময় ব্যবধানের রিটার্নের standard deviation আরেক ব্যবধানের দ্বিগুণ হলে একই এককে তার variance চারগুণ। তাই ফ্যাক্টরটি standard deviation, variance নাকি absolute return-এর ওপর নির্ভর করছে তা বলুন, এবং পর্যবেক্ষণকে স্বাভাবিক করতে একই সংজ্ঞা ব্যবহার করুন

ধরা যাক, মূল্যায়ন মাসের আগে শেষ হওয়া প্রশিক্ষণ নমুনায় দেখা গেছে, ওপেনের কাছাকাছি ৩০-মিনিট রিটার্নের স্বাভাবিক স্কেল ০.৪০% এবং দুপুরে ০.২০%। এগুলো শুধু অঙ্কটি দেখানোর কাল্পনিক সংখ্যা; কোনো নির্দিষ্ট সম্পদ বা বর্তমান সেশনের অনুমান নয়। ওপেন ও দুপুরের standard deviation অনুপাত ২, আর সংশ্লিষ্ট variance অনুপাত ৪

এবার ওপেন-সময়ের ০.৪০% রিটার্নকে দুপুরের ০.২০% রিটার্নের সঙ্গে তুলনা করুন। প্রতিটি absolute return-কে তার নিজস্ব ঐতিহাসিক স্কেল দিয়ে ভাগ করলে ০.৪০% / ০.৪০% = ১ এবং ০.২০% / ০.২০% = ১ হয়। প্রতিটি নিজ নিজ সময়ভিত্তিক স্কেলের এক একক। কাঁচা পরিবর্তন আলাদা হলেও এই উদাহরণে তাদের standardized মান সমান

এই হিসাব বলে না যে কোনো পরিবর্তন পরিসংখ্যানগতভাবে বিরল, উল্টে যাবে বা লাভজনকভাবে ট্রেড করা যাবে। standardized মানকে বণ্টন মডেল, অনুমান-অনিশ্চয়তা, ঘটনার প্রসঙ্গ ও পরিমাপের গুণমানের সঙ্গে ব্যাখ্যা করতে হয়। স্কেল অনুপাত নিজে সম্ভাবনা, পূর্বাভাস বা দিকনির্দেশের সংকেত নয়

প্রথমে সম্পদ, ভেন্যু, সেশন, বারের দৈর্ঘ্য, মূল্য-উৎস ও রিটার্নের নিয়ম নির্ধারণ করুন। ঐতিহাসিক সেশনগুলোতে সেশনের একই আপেক্ষিক সময়ের ব্যবধান মিলিয়ে নিন। দিবালোক-সংরক্ষণ সময় বদলানোর পর এক্সচেঞ্জের স্থানীয় সময়ে ৯:৩০–১০:০০ বারের সঙ্গে এলোমেলো UTC বার মেলাবেন না। নিলাম, রাতের ব্যবধান, ছুটি, আগাম বন্ধ, অনুপস্থিত কোট ও অস্বাভাবিক ট্রেডিং দিন কীভাবে সামলাবেন, তা আগে ঠিক করুন

প্রতিটি ব্যবধানের স্বাভাবিক স্কেল অনুমান করুন পূর্বাভাস বা মূল্যায়নের তারিখের আগের তথ্য থেকে। প্রতিটি সময়-বাকেটের জন্য robust scale—যেমন absolute return-এর median অথবা প্রান্তীয় মান কমিয়ে নেওয়া root-mean-square—শুরু হিসেবে ব্যবহার করা যায়। অস্থির দিনের প্রভাব বেশি হতে পারে বলে, আগে প্রতিটি সেশনকে সামগ্রিক দৈনিক স্কেলে স্বাভাবিক করে তারপর দিনের ভেতরের প্রোফাইল অনুমান, পাশের বাকেট মসৃণ, এবং শেষে নির্দিষ্ট ভিত্তিমানে ফ্যাক্টর স্বাভাবিক করা যেতে পারে। পদ্ধতি ও normalization rule লিখে রাখুন

ঐতিহাসিক backtest-এ প্রতিটি পূর্বাভাসের সময়ে পাওয়া প্রশিক্ষণ-সময়ের তথ্য দিয়েই ফ্যাক্টর স্থির করুন। বাস্তব ব্যবহারে চলমান বা সম্প্রসারিত উইন্ডোতে পুনরায় অনুমান করার পরিকল্পনা থাকলে সেই নিয়ম অনুসরণ করুন। পুরো ডেটাসেট থেকে একবার প্রোফাইল অনুমান করে অতীত তারিখে লাগালে ভবিষ্যতের সেশন থেকে তথ্য ফাঁস হয় এবং বাস্তবে যতটা স্থিতিশীল দেখা যেত তার চেয়ে standardized return বেশি স্থিতিশীল মনে হতে পারে

মৌসুমি প্রোফাইলকে event handling এবং একই দিনের অস্থিরতা অনুমান থেকে আলাদা রাখুন। মডেল যদি বর্তমান সেশনের আগের বারগুলো থেকে অস্থিরতা ব্যবহার করে, তবে পূর্বাভাসের সময় পর্যন্ত পাওয়া বার দিয়েই সেটি হিসাব করুন। প্রোফাইলটি weekday, contract month, venue বা regime অনুযায়ী আলাদা কি না লিখুন; অতিরিক্ত ভাগ bias কমাতে পারে, কিন্তু প্রতি বাকেটে খুব কম পর্যবেক্ষণও রেখে যেতে পারে

প্রতিটি ব্যবধানের অনুমানে পর্যবেক্ষণ ও সেশনের সংখ্যা লিখুন। ছুটি, অনুপস্থিত রেকর্ড বা নির্দিষ্ট সময়ে পাতলা লেনদেনের কারণে ফ্যাক্টরটি বাজারের পরিবর্তনের বদলে তথ্য-আবরণকে প্রতিফলিত করতে পারে। সেশনকে অতিরিক্ত ছোট বাকেটে ভাগ করলে অনুমান অস্থির হয়; তাই ফল তুলনার আগে বার-দৈর্ঘ্য ও প্রশিক্ষণ সময় নির্ধারণ করুন। পার্শ্ববর্তী বাকেট মসৃণ করলে noise কমতে পারে, কিন্তু ওপেন বা ক্লোজের শিখরও মুছে যেতে পারে; raw ও smoothed profile তুলনা করে নিয়ম লিখুন

ঐতিহাসিক মূল্যায়নের সময় প্রোফাইল পুনরায় অনুমান করলে প্রতিটি পূর্বাভাসের সময়ে যে সংস্করণ পাওয়া যেত তা সংরক্ষণ করুন। প্রশিক্ষণের cutoff, বাকেট-পিছু পর্যবেক্ষণ, রূপান্তর, এবং প্রতিটি ফ্যাক্টর ব্যবহারের তারিখ রাখুন। কোন প্রোফাইল সবচেয়ে ভালো ফল দিয়েছে তা দেখার পর সেটি বেছে অতীত তারিখে লাগালে বাছাই প্রক্রিয়াতেই look-ahead ঢুকে যায়

<!-- learn:illustration -->

সামষ্টিক অর্থনৈতিক ঘোষণা প্রায়ই নির্দিষ্ট ঘড়ির সময়ে প্রকাশিত হয়। ফলে ঘোষণার পর পুনরাবৃত্ত অস্থিরতার লাফকে স্বাভাবিক সময়ভিত্তিক মৌসুমিতা বলে মনে হতে পারে, যদিও তার তাৎক্ষণিক উৎস নির্ধারিত সংবাদ। Ederington ও Lee সাম্প্রতিক অস্থিরতা, নির্ধারিত ঘোষণা ও পর্যায়বৃত্তি একসঙ্গে বিশ্লেষণ করেছেন; তাদের সুদের হার ও FX নমুনায় খুব বেশি অস্থিরতার সময়ে ঘোষণা বিশেষভাবে গুরুত্বপূর্ণ, এবং তথ্যগুলো বিবেচনায় নিলে persistence-এর অনুমান বদলে যায় (২০০১)

গবেষণার প্রশ্ন যদি স্বাভাবিক clock pattern নিয়ে হয়, তবে ঘোষণার ব্যবধান আলাদা করা, আগে থেকে নির্ধারিত event indicator যোগ করা, বা অন্তর্ভুক্ত ও বাদ দেওয়া উভয় ফল দেখানো যায়। সঠিক পছন্দ নির্ভর করে লক্ষ্য-পূর্বাভাসে পরিচিত ঘোষণাগুলো থাকবে কি না তার ওপর। প্রতিটি event bar বাদ দিলে বাস্তবে ঘোষণার সময় position ধরে রাখা কৌশলের ঝুঁকি কম দেখানো হতে পারে

ঐতিহাসিক পূর্বাভাসের সময় যে event calendar পাওয়া যেত না, তা পরে তৈরি করে ব্যবহার করবেন না। দরকার হলে প্রকাশের সময় ও সংশোধিত তথ্য সংরক্ষণ করুন, সম্ভব হলে নির্ধারিত ও অনির্ধারিত সংবাদ আলাদা করুন, এবং কোন বাজার ও ঘোষণা সমন্বয়ে ঢুকেছে তা জানান। সময়ভিত্তিক ফ্যাক্টর একা অপ্রত্যাশিত সংবাদ বা তার প্রভাব ব্যাখ্যা করতে পারে না

সময়-বাকেটের জন্য স্থির clock definition দরকার। নিয়মিত সেশন থাকা এক্সচেঞ্জে স্থানীয় সময় দিয়ে ওপেন, দুপুর ও ক্লোজ চিহ্নিত করা স্বাভাবিক হতে পারে। রেকর্ড UTC-তে থাকলে প্রতিটি তারিখের ঐতিহাসিক timezone rule ব্যবহার করে রূপান্তর করুন। স্থির UTC offset daylight-saving rule বদলালে স্থানীয় opening bar এক ঘণ্টা সরিয়ে দিয়ে কৃত্রিম ঋতুগত পার্থক্য তৈরি করতে পারে

এক্সচেঞ্জ ক্যালেন্ডারে ছুটি, সংক্ষিপ্ত সেশন, নিলাম, halt এবং চুক্তিভিত্তিক বিরতি থাকে। আগাম-বন্ধের দিনের শেষ বার সাধারণ দিনের close-এর একই session position নয়। এসব পর্যবেক্ষণ প্রোফাইলে কীভাবে ঢুকবে ঠিক করুন, অথবা আলাদা session type-এর জন্য আলাদা প্রোফাইল অনুমান করুন। ফিউচার্সে ব্যবহৃত session template ও contract roll-এর নিয়ম লিখুন; ক্রিপ্টোতে দিনের সীমানা ও reference timezone স্পষ্ট করুন

ফ্যাক্টরটি তুলনাযোগ্য পর্যবেক্ষণ বর্ণনা করবে। একই UTC hour-এ পড়ে বলে regular-session equity bar-কে রাতের futures bar-এর সঙ্গে তুলনা করবেন না। Timestamp, bar construction ও price source মেলান; stale quote, asynchronous trade বা ভিন্ন auction rule আছে কি না দেখুন। সময়ের alignment model specification-এর অংশ, শুধু formatting নয়

স্থির মৌসুমি ফ্যাক্টর ধরে নেয় যে সময়ভিত্তিক আপেক্ষিক অস্থিরতার ধরন স্থিতিশীল। এই ধারণা ভাঙতে পারে। Andersen, Thyrsgaard ও Todorov সময়ের সঙ্গে periodicity বদলায় কি না পরীক্ষা করে S&P 500 index return-এ প্রমাণ পান যে বর্তমান অস্থিরতার মাত্রা আংশিকভাবে pattern-কে বদলায়। অস্থিরতা বেশি থাকলে কম অস্থির সময়ের তুলনায় close-এর আগের ব্যবধান daily integrated volatility-র বড় অংশ জুড়ে থাকে (২০১৯)

এর অর্থ এই নয় যে বাজার অস্থির হলেই সব বাজারে close সব সময় বেশি volatile হয়। প্রমাণটি ওই গবেষণার data, method ও sample-নির্ভর। তবে দীর্ঘমেয়াদি গড় প্রোফাইল অর্থবহ পরিবর্তন মসৃণ করে দিতে পারে। subperiod ও volatility regime জুড়ে অনুমান তুলনা করুন, factor স্থিতিশীল কি না পরীক্ষা করুন, এবং একটি curve-কে স্থায়ী বলে না দেখিয়ে uncertainty জানান

Rolling estimate পরিবর্তনের সঙ্গে মানিয়ে নিতে পারে, তবে noise বাড়ে এবং অল্প কয়েকটি event-কে অনুসরণ করতে পারে। Regime-specific profile করতে প্রতিটি regime-এ যথেষ্ট অতীত পর্যবেক্ষণ দরকার, এবং regime নির্ধারণের নিয়মে future data থাকা চলবে না। শর্তগুলো পূরণ না হলে explicit event control-সহ সহজ stable factor ব্যাখ্যা করা সহজ হতে পারে। বিভিন্ন horizon ও sample জুড়ে distribution তুলনা করে volatility cone নির্দেশিকা; এটি আলাদা তুলনামূলক ধারণা

সময়ভিত্তিক standardization সেশনের বিভিন্ন interval-এ volatility তুলনা ন্যায্য করতে, residual pattern পরীক্ষা করতে, এবং অধিক তুলনাযোগ্য innovation প্রয়োজন এমন forecast model-কে সহায়তা করতে পারে। এটি দেখাতে পারে যে ওপেনের কাছে দৃশ্যত বড় move ওই সময়ের ঐতিহাসিক scale-এর তুলনায় স্বাভাবিক। কিন্তু পরের return ধনাত্মক হবে না ঋণাত্মক তা বলে না

Normalization কৌশলকে লাভজনকও প্রমাণ করে না। কৌশলের signal ও execution rule স্পষ্ট করতে হবে, তারপর spread, fee, slippage, market impact, latency ও capacity-সহ out-of-sample পরীক্ষা করতে হবে। ঐতিহাসিক time-of-day profile risk বা execution পরিবেশ মডেল করতে সাহায্য করতে পারে; নিজে entry rule বা market inefficiency-র প্রমাণ নয়। variance ও volatility নির্দেশিকা দেখায় কেন squared unit ও standard-deviation unit আলাদা রাখতে হয়

পুনরুৎপাদনযোগ্য প্রতিবেদনে instrument ও venue, timezone, session calendar, sampling interval, data source, estimator, training window, announcement ও অস্বাভাবিক session-এর আচরণ, normalization rule, stability check, এবং forecast-origin cutoff উল্লেখ করুন। প্রোফাইলের uncertainty দেখান এবং সেটি অনুমানে ব্যবহার হয়নি এমন ডেটায় ফল পরীক্ষা করুন। এই তথ্যগুলো adjustment-কে যাচাইযোগ্য রাখে এবং বর্ণনামূলক pattern-কে ভিত্তিহীন trading claim-এ পরিণত হতে বাধা দেয়