Ornstein–Uhlenbeck অর্ধায়ু: ট্রেডিংয়ে গড়-প্রত্যাবর্তন

ধরা যাক, একটি স্প্রেড তার অনুমিত দীর্ঘমেয়াদি গড়ের ওপরে আছে। গড়-প্রত্যাবর্তন মডেল বলে, সময়ের সঙ্গে স্প্রেডের প্রত্যাশিত মান গড়ের দিকে এগোয়। অর্ধায়ু একটি সীমিত প্রশ্নের উত্তর দেয়: ফিট করা মডেল অনুযায়ী প্রত্যাশিত বিচ্যুতি অর্ধেক হতে কত সময় লাগবে? প্রাথমিক বিচ্যুতি ১০০ বেসিস পয়েন্ট হলে, চার-পিরিয়ড অর্ধায়ু মানে চার পিরিয়ড পর মডেলের শর্তাধীন প্রত্যাশিত বিচ্যুতি প্রায় ৫০ বেসিস পয়েন্ট।

এই বক্তব্যটি সম্ভাব্য নানা পথের ওপর গড় করা প্রত্যাশা নিয়ে। বাস্তব স্প্রেড প্রথমে আরও বাড়তে পারে, দ্রুত গড় অতিক্রম করতে পারে, অথবা অনেক বেশি সময় গড় থেকে দূরে থাকতে পারে। অর্ধায়ু পর্যবেক্ষণের এককের ওপরও নির্ভর করে: দৈনিক তথ্য থেকে পাওয়া মান দিনের এককে, আর ঘণ্টাভিত্তিক তথ্যের মান ঘণ্টার এককে। নমুনা ব্যবধান এবং গতি অনুমানের মডেলটি সব সময় উল্লেখ করুন।

এক-ফ্যাক্টর OU প্রক্রিয়াটি এভাবে লেখা যায়:

\[ dX_t = \kappa(\mu-X_t)\,dt + \sigma\,dW_t, \]

এখানে \(\mu\) দীর্ঘমেয়াদি গড়, \(\kappa>0\) গড়-প্রত্যাবর্তনের গতি, \(\sigma\) তাৎক্ষণিক দৈব পরিবর্তনের মাত্রা নিয়ন্ত্রণ করে, আর \(W_t\) হলো ব্রাউনীয় গতি। ড্রিফট \(\mu\)-র দিকে নির্দেশ করে: গড়ের ওপরে থাকলে শর্তাধীন দিক নিচের দিকে, আর নিচে থাকলে ওপরের দিকে।

শর্তাধীন প্রত্যাশিত বিচ্যুতি এভাবে ক্ষয় হয়:

\[ \mathbb{E}[X_{t+\tau}-\mu\mid X_t] = e^{-\kappa\tau}(X_t-\mu). \]

ক্ষয় গুণককে এক-অর্ধেক ধরে, \(e^{-\kappa h}=1/2\), অতিবাহিত সময়ের জন্য সমাধান করলে পাই:

\[ h_{1/2}=\frac{\ln 2}{\kappa}. \]

অর্ধায়ুর সূত্রে \(\sigma\) নেই। অস্থিরতা শর্তাধীন প্রত্যাশার চারপাশে প্রতিটি পথ কতটা ছড়িয়ে পড়ে তা প্রভাবিত করে; এই মডেলে \(\kappa\) প্রত্যাশিত ক্ষয়ের গতি নির্ধারণ করে। Brownian motion নিয়ে Uhlenbeck ও Ornstein-এর বিশ্লেষণ এই ধ্রুপদি স্টোকাস্টিক প্রক্রিয়ার ভিত্তি দেয়; পরে Vasicek স্বল্পমেয়াদি সুদের হার মডেল করতে OU-ধরনের প্রক্রিয়া ব্যবহার করেন।

\(\Delta\) ব্যবধানে সমান সময়ান্তরে নেওয়া পর্যবেক্ষণের ক্ষেত্রে OU প্রক্রিয়ার সঠিক নমুনা-রূপ হলো:

\[ X_{t+\Delta}-\mu = \phi(X_t-\mu)+\eta_{t+\Delta}, \qquad \phi=e^{-\kappa\Delta}. \]

স্কেলার OU মডেলে \(\kappa>0\) হলে \(0<\phi<1\)। পর্যবেক্ষণ-সংখ্যায় প্রকাশিত বিচ্ছিন্ন অর্ধায়ু হলো:

\[ h_{1/2}=\frac{\ln(1/2)}{\ln(\phi)}, \]

আর অতিবাহিত সময় পেতে এই মানকে \(\Delta\) দিয়ে গুণ করতে হয়। অনুমিত AR(1) সহগ শূন্য বা ঋণাত্মক হলে, কিংবা এক বা তার বেশি হলে, এই সরল ধনাত্মক-গতি OU রূপান্তর প্রযোজ্য নয়। জোর করে OU ব্যাখ্যা বসানোর বদলে অন্য গতিশীল মডেল বিবেচনা করুন।

পরিবর্তন-রূপ \(\Delta X_t=a+bX_{t-1}+\epsilon_t\) দিয়েও একই সমীকরণ অনুমান করা যায়। AR(1) স্থির (stationary) এবং \(0<1+b<1\) হলে \(\phi=1+b\), \(\kappa=-\ln(\phi)/\Delta\) নিন; \(b\ne0\) হলে অন্তর্নিহিত দীর্ঘমেয়াদি গড় \(-a/b\)। রূপান্তরে নমুনা ব্যবধান বজায় রাখুন; দৈনিক তথ্য থেকে সাপ্তাহিক তথ্যে গেলে সহগের সময়-স্কেল বদলে যায়।

সময়ের একক \(\Delta\) দিয়ে নির্ধারিত হয়। দৈনিক ইক্যুইটি সিরিজে এক পর্যবেক্ষণ ধাপ সাধারণত একটি ট্রেডিং সেশন, ২৪ ঘণ্টার ক্যালেন্ডার সময় নয়। তাই সপ্তাহান্ত বা বাজার-ছুটি পেরোনো চার-পর্যবেক্ষণের অর্ধায়ুকে স্বয়ংক্রিয়ভাবে চার ক্যালেন্ডার দিন বলা উচিত নয়। ইভেন্ট-ভিত্তিক বা ভলিউম-ভিত্তিক স্যাম্পলিংয়ের মতো অনিয়মিত দৈর্ঘ্যের বার ব্যবহার করলে সমান-ব্যবধানের রূপান্তর প্রযোজ্য নাও হতে পারে। সম্পদ, স্যাম্পলিং সময়সূচি এবং এককটি পর্যবেক্ষণ, ট্রেডিং সেশন, না অতিবাহিত সময়—তা স্পষ্ট করুন।

ধরা যাক, সমান ব্যবধানে নেওয়া দৈনিক স্প্রেডের মডেলে \(\phi=0.84\) অনুমান করা হয়েছে। এটি শেখানোর জন্য কাল্পনিক মান, বাস্তব সময়ের অনুমান নয়। দৈনিক গড়-প্রত্যাবর্তনের গতি \(\kappa=-\ln(0.84)\approx0.1744\), তাই:

\[ h_{1/2}=\frac{\ln(0.5)}{\ln(0.84)}\approx3.98\text{ ট্রেডিং দিন}. \]

চার দিন পর প্রত্যাশিত ব্যবধান প্রাথমিক আকারের \(0.84^4\approx0.498\) গুণ। প্রাথমিক বিচ্যুতি ১০০ বেসিস পয়েন্ট হলে, চার পর্যবেক্ষণ পর মডেল-নির্দেশিত শর্তাধীন প্রত্যাশা প্রায় ৪৯.৮ বেসিস পয়েন্ট—এতে অনুমানগত অনিশ্চয়তা বা প্রক্রিয়ার পরিবর্তন ধরা হয়নি।

নিচের চিত্রে মসৃণভাবে ক্ষয় হওয়া শর্তাধীন গড়কে তার চারপাশে ওঠানামা করা নমুনা-পথ থেকে আলাদা করে দেখানো হয়েছে। এটি ধারণাগত চিত্র; প্রকৃত দামের ইতিহাস নয় এবং প্রতিটি স্প্রেড যে মডেলকৃত গড় অনুসরণ করবে—এমন দাবিও নয়।

প্রথমে \(X_t\) সংজ্ঞায়িত করুন। কয়েনটিগ্রেশন রেসিডুয়াল, দামের ব্যবধান, লগ-দামের স্প্রেড, অস্থিরতা-সমন্বিত সংকেত এবং ইল্ড স্প্রেড আলাদা সিরিজ; এদের একক ও গতিশীলতাও আলাদা। কয়েনটিগ্রেশন ফল তার শর্তের অধীনে কোনো স্থির রৈখিক সমন্বয়কে সমর্থন করতে পারে, কিন্তু রেসিডুয়ালটি ধ্রুব-পরামিতির OU প্রক্রিয়া—তা প্রমাণ করে না।

অনুমানের আগে স্যাম্পলিং ফ্রিকোয়েন্সি, গঠনকাল, গড়ের স্পেসিফিকেশন এবং ল্যাগ কাঠামো বেছে নিন। সাধারণ AR(1) সিরিয়াল সহসম্পর্ক, পরিবর্তিত অস্থিরতা, আকস্মিক জাম্প, ইন্ট্রাডে বাজারের মাইক্রোস্ট্রাকচার বা রেজিম পরিবর্তন আড়াল করতে পারে। রেসিডুয়ালের আচরণ ও পরামিতির স্থিতিশীলতা যাচাই করুন, এবং অনুমান নির্দিষ্ট নমুনার ওপর নির্ভর করলে তা জানান। স্বল্পমেয়াদি সুদের হার নিয়ে Chan, Karolyi, Longstaff ও Sanders-এর অভিজ্ঞতাভিত্তিক তুলনা দেখায় যে পরিচিত গড়-প্রত্যাবর্তন মডেলেও প্রমাণ দুর্বল হতে পারে এবং মডেল নির্বাচনের ওপর নির্ভর করতে পারে।

ট্রেডিং স্প্রেডের পরামিতি প্রতিটি গঠন-তারিখে তখন পর্যন্ত পাওয়া তথ্য দিয়ে অনুমান করুন। ভবিষ্যৎ পর্যবেক্ষণ দিয়ে স্প্রেড বা তার গড় পুনরায় অনুমান করলে look-ahead bias তৈরি হয়। সম্পর্কটি সময়ের সঙ্গে পুনঃক্যালিব্রেট হলে আপডেটের সময়সূচি জানান এবং ফিট করা সহগকে জানা ধ্রুবক ধরে না নিয়ে পরবর্তী তথ্য দিয়ে পুরো প্রক্রিয়াটি মূল্যায়ন করুন।

\(\phi\) থেকে অর্ধায়ুতে রূপান্তরটি অরৈখিক। \(\phi\) নিচের দিক থেকে 1-এর কাছে গেলে \(\ln(\phi)\) শূন্যের দিকে যায় এবং অন্তর্নিহিত অর্ধায়ু দ্রুত বেড়ে যায়। তাই সহগের সামান্য পরিবর্তনেও রিপোর্ট করা সময় অনেক বদলে যেতে পারে। যেমন, কাল্পনিক \(\phi=0.80\), 0.84 ও 0.88-এর ক্ষেত্রে অর্ধায়ু যথাক্রমে প্রায় 3.11, 3.98 ও 5.42 পর্যবেক্ষণ।

অনুমানকারী ও নমুনার উপযোগী পরিসংখ্যানিক পদ্ধতিতে গতি বা রূপান্তরিত অর্ধায়ুর অনিশ্চয়তা জানান। \(\phi\)-এর আস্থার ব্যবধান একে ছুঁলে বা অতিক্রম করলে, সেই ব্যবধান সসীম ধনাত্মক স্থির OU অর্ধায়ুকে সমর্থন নাও করতে পারে। শুধু বিন্দু-অনুমান দেবেন না; বহু সিরিজ থেকে দ্রুততম গড়-প্রত্যাবর্তন দেখানো সিরিজ বেছে নিলে সেই নির্বাচনও বিবেচনা করুন। একক-রুটের কাছে অনুমানগত ত্রুটি একটিমাত্র অর্ধায়ু-সংখ্যার আপাত নির্ভুলতাকে ছাপিয়ে যেতে পারে।

ধরা যাক, নমুনায় অনুমিত \(\phi\)-এর একটি কাল্পনিক 95% ব্যবধান \([0.78,0.92]\)। স্থির OU সীমার মধ্যে রূপান্তরিত অর্ধায়ু \(\phi\) বাড়ার সঙ্গে বাড়ে, তাই এই ব্যবধান প্রায় 2.79–8.31 পর্যবেক্ষণের অর্ধায়ু দেয়; বিন্দু-অনুমান 0.84 হলে মানটি 3.98। এটি কেবল ব্যাখ্যামূলক উদাহরণ, অভিজ্ঞতালব্ধ ফল নয়। সহগের ব্যবধান এককে ছুঁলে অর্ধায়ুর ঊর্ধ্বসীমা অসীম হতে পারে; এক বা তার বেশি মান এই স্থির রূপান্তরের বাইরে। সসীম ব্যবধান বানাতে সেই মানগুলো বাদ দেবেন না। অনিশ্চয়তা নির্ণয়ে সিরিয়াল নির্ভরতা এবং অনুমিত স্প্রেড নির্মাণের অনিশ্চয়তাও ধরতে হবে; অনেক পেয়ার বা উইন্ডো খুঁজলে নির্বাচন-ধাপটিও হিসাব করুন।

অর্ধায়ু বিচ্যুতির শর্তাধীন প্রত্যাশিত আকার অনুসরণ করে। প্রথম-অতিক্রমণের সময় জানতে চাওয়া হয়, এলোমেলো পথটি অনুমিত গড় বা এক্সিট সীমার মতো কোনো স্তরে প্রথম কখন পৌঁছায়। এই সময়ের বণ্টন ড্রিফট ও অস্থিরতা—দুটির ওপর নির্ভর করে এবং বেশ বিস্তৃত হতে পারে। William Bertram-এর সর্বোত্তম পরিসংখ্যানভিত্তিক আর্বিট্রাজ বিশ্লেষণে প্রথম-অতিক্রমণ গণনা দিয়ে ট্রেডের দৈর্ঘ্য ও রিটার্ন দেখা হয়েছে; এটি সূচকীয় অর্ধায়ুর সূত্র থেকে আলাদা বিষয়।

ট্রেডিং সিস্টেমে স্পষ্ট এন্ট্রি ও এক্সিটের নিয়ম, পজিশনের আকার, ঝুঁকি-সীমা এবং সম্পর্ক ভেঙে গেলে কী করতে হবে—এসব দরকার। স্প্রেড গড়ে ফেরার আগে আরও দূরে সরে যেতে পারে, কিংবা প্রাসঙ্গিক সময়সীমায় নাও ফিরতে পারে। প্রত্যাশিত ক্ষয়ের হিসাব কোনো স্টপ-লেভেল, স্টপের আগে লাভের লক্ষ্য ছোঁয়ার সম্ভাবনা, বা খরচ-পরবর্তী রিটার্ন দেয় না।

পেয়ার ট্রেডে সাধারণত আলাদা কোনো সম্পদ নয়, তৈরি করা স্প্রেডটি মডেল করা হয়। হেজ অনুপাত, মুদ্রা, কর্পোরেট অ্যাকশনের সমন্বয়, অর্থায়ন, শেয়ার ধার করার সুযোগ এবং পুনঃভারসাম্য নীতি বাস্তব পজিশনকে প্রভাবিত করে। কালানুক্রমিক যাচাই-পর্বে দীর্ঘমেয়াদি সম্পর্কটি যুক্তিসঙ্গত আছে কি না দেখুন; দ্রুত ফিট করা অর্ধায়ু কাঠামোগত ভাঙন সারাতে পারে না।

বিড–আস্ক স্প্রেড, বাজার-প্রভাব, ফি, ফান্ডিং বা ধার-খরচ, এবং দুই লেগ কার্যকর করতে লাগা সময় অন্তর্ভুক্ত করুন। এই খরচগুলো বাস্তবায়িত পথ জুড়ে জমে, শুধু প্রত্যাশিত অর্ধায়ুর মধ্যে নয়। বহু পেয়ার, লুকব্যাক উইন্ডো ও স্যাম্পলিং ফ্রিকোয়েন্সি খুঁজলে ভাগ্যক্রমে ছোট পাওয়া অনুমানকে বেশি নির্ভরযোগ্য মনে হতে পারে। সুদের হার মডেল নিয়ে Chan ও সহলেখকদের অভিজ্ঞতাভিত্তিক ফল মনে করিয়ে দেয় যে পরিচিত গড়-প্রত্যাবর্তন রূপ নির্দিষ্ট ডেটায় শক্ত প্রমাণ নিশ্চিত করে না।

OU কাঠামো স্প্রেডের প্রত্যাশিত গতিশীলতা নিয়ে অনুমান সাজাতে পারে। ট্রেডিং নিয়ম কাজ করে কি না, তা স্থিতিশীলতা, অনিশ্চয়তা, এক্সিকিউশন এবং নমুনার বাইরের ফলের ওপর নির্ভরশীল আলাদা অভিজ্ঞতাভিত্তিক প্রশ্ন।

সিরিজের সংজ্ঞা, দাম বা রিটার্নের প্রচলন, স্যাম্পলিং ব্যবধান, নমুনা-উইন্ডো, অনুমিত গড়, গতি-পরামিতি, অস্থিরতা-পরামিতি, এবং OU সমীকরণটি অবিচ্ছিন্ন সময়ে নির্ধারিত নাকি বিচ্ছিন্ন AR মডেল থেকে অনুমিত—সব জানান। সহগ ও অনিশ্চয়তা দিন, অর্ধায়ুতে রূপান্তরের পদ্ধতি ব্যাখ্যা করুন এবং যুক্তিসঙ্গত বিকল্প উইন্ডো বা স্যাম্পলিং ব্যবধানের প্রতি সংবেদনশীলতা দেখান।

ট্রেডিংয়ে ব্যবহারের জন্য স্প্রেড কীভাবে তৈরি, পরামিতি কীভাবে আপডেট, প্রতিটি সিদ্ধান্তে কোন তথ্য পাওয়া যায়, এবং ট্রেডিং খরচ ও প্রত্যাশিত প্রত্যাবর্তন না হলে কীভাবে সামলানো হয়—তাও বলুন। অর্ধায়ুকে প্রত্যাশিত ক্ষয়ের মডেল-নির্দেশিত সারাংশ হিসেবে অনিশ্চয়তা ও এককসহ দেখান। একে এককভাবে এন্ট্রি, এক্সিট বা লাভজনকতার দাবি হিসেবে ব্যবহার করবেন না।

Uhlenbeck ও Ornstein-এর ১৯৩০ সালের Brownian-motion প্রবন্ধ অন্তর্নিহিত গড়-প্রত্যাবর্তী স্টোকাস্টিক প্রক্রিয়ার ভিত্তি গড়ে। Vasicek-এর term-structure মডেল90016-2) OU-ধরনের স্বল্পমেয়াদি সুদের হার প্রক্রিয়া ব্যবহার করে। Chan, Karolyi, Longstaff ও Sanders অবিচ্ছিন্ন-সময়ের স্বল্পমেয়াদি সুদের হার মডেল তুলনা করে জানান যে প্রমাণ ও ফিট মডেল নির্বাচনের ওপর নির্ভর করে। Bertram প্রথম-অতিক্রমণ সময়ে সর্বোত্তম পরিসংখ্যানভিত্তিক আর্বিট্রাজের ফল নির্ণয় করেন, যা দেখায় ট্রেডের মেয়াদ আলাদা একটি পরিমাপ। আরও জানুন পেয়ার ট্রেডিংয়ে কয়েনটিগ্রেশন ও সহসম্পর্ক, ফাইন্যান্সে ইউনিট রুট ও গড়-প্রত্যাবর্তন, এবং Engle–Granger কয়েনটিগ্রেশন পরীক্ষা।