संभावना लैब
क्रिप्टो संभावना कैलकुलेटर
किसी भी क्रिप्टो प्राइस टारगेट की असली संभावना, मोंटे कार्लो सिमुलेशन से निकाली गई। सवाल आपका: क्या बिटकॉइन, एथेरियम या कोई ऑल्टकॉइन किसी लेवल से ऊपर बंद होगा, रेंज के अंदर टिकेगा, समय-सीमा से पहले किसी कीमत को छू लेगा, या स्टॉप से पहले टारगेट तक पहुँचेगा? सब कुछ आपके ब्राउज़र में ही चलता है, कोई साइनअप नहीं।
तुरंत शुरू करें
सेटअप
45.0% प्रति वर्ष का इस्तेमाल हो रहा है (मैनुअल फ़ॉलबैक, कोई डेटा नहीं)।
+मॉडल सेटिंग्स
इसके लिए हाई और लो कीमतें चाहिए। मौजूदा डेटा स्रोत सिर्फ क्लोज देता है।
डिफ़ॉल्ट रूप से शून्य, और यह जानबूझकर है। दिशा मान लेते ही संभावना का टूल एक ख्वाहिश बन जाता है।
वही सीड, वही रास्ते। इसे बदलकर देखें कि जवाब का कितना हिस्सा सिमुलेशन का शोर है।
+बाजार की कीमत से तुलना करें
अगर कोई प्रेडिक्शन मार्केट या कोई ऑप्शन इस नतीजे का भाव देता है, तो उसकी कीमत यहाँ डालें। टूल बता देगा कि मॉडल बाजार से इतना असहमत है भी या नहीं कि उससे कोई फर्क पड़े।
इस नतीजे के लिए बाजार जो कीमत माँगता है, संभावना के रूप में।
इससे नीचे यह टूल कोई बढ़त नहीं बताता। मॉडल इतना सटीक नहीं है कि छोटे अंतरों पर बहस की जाए।
वैकल्पिक। सिर्फ केली फ्रैक्शन को दाँव की रकम में बदलने के लिए इस्तेमाल होता है।
लाइव डेटा अभी उपलब्ध नहीं है। कैलकुलेटर फिर भी काम करता है: स्पॉट प्राइस और वोलैटिलिटी खुद तय करें, नीचे का हर नंबर वैध रहता है।
नतीजा
संभावना कि 7 दिनों के अंदर Bitcoin $1,25,000 से ऊपर बंद होगा (वोलैटिलिटी 45%, मैनुअल फ़ॉलबैक, कोई डेटा नहीं)।
ट्रेड स्नैपशॉट
आपके टारगेट को जितनी चाल चाहिए, सालाना दर में, ताकि एक हफ्ता और एक साल एक ही पैमाने पर आ जाएँ। इसे उसके सामने रखकर पढ़ें जो इस एसेट ने असल में दिया है: अगर आपका टारगेट उससे कई गुना माँगता है, तो ऊपर की संभावनाएँ महज गणित हैं, पूर्वानुमान नहीं।
अकेली संभावना से ट्रेड का साइज तय नहीं होता। सिग्मा में टारगेट की दूरी वह नंबर है जिसे सबसे पहले पढ़ना चाहिए: एक सिग्मा से कम एक आम चाल है, दो से आगे एक दुर्लभ चाल। दोनों सेंसिटिविटी दिखाती हैं कि आपका जवाब कितना उन नंबरों पर टिका है जिनका आपने सिर्फ अनुमान लगाया है, पढ़ा नहीं।
होल्ड करने का जोखिम
वैल्यू एट रिस्क वह नुकसान है जिसे आप सिर्फ सबसे खराब मामलों में पार कर जाते हैं: 95 के लेवल पर सबसे खराब 5%, 99 के लेवल पर सबसे खराब 1%। एक्सपेक्टेड शॉर्टफॉल उन मामलों का औसत नुकसान है, और यही वह नंबर है जो मायने रखता है, क्योंकि यह बताता है कि बुरे दिन असल में कितने बुरे होते हैं।
वोलैटिलिटी
क्या यह मॉडल पहले सही रहा है?
इस सवाल के लिए कोई कैलिब्रेशन नहीं। दायरा और रेस पूरे रास्ते से तय होते हैं, और वॉक-फॉरवर्ड टेस्ट सिर्फ उन्हीं सवालों को स्कोर करता है जिन्हें वह एक अकेले क्लोजिंग प्राइस से निपटा सके। छोटा इतिहास भी स्कोर करने लायक स्वतंत्र मामले नहीं छोड़ता।
क्रिप्टो संभावना कैलकुलेटर असल में क्या करता है
ज्यादातर टूल जो खुद को क्रिप्टो कैलकुलेटर कहते हैं, सिर्फ मुनाफा और नुकसान निकालते हैं: आप एक खरीद कीमत और एक बिक्री कीमत डालते हैं, और वे रिटर्न लौटा देते हैं। यह एक अलग तरह का औजार है। क्रिप्टो संभावना कैलकुलेटर (क्रिप्टो प्रोबेबिलिटी कैलकुलेटर) वह सवाल हल करता है जो हर ट्रेड से पहले आता है: यह मूव होने की संभावना आखिर है कितनी? इसे एक टारगेट प्राइस और एक समय-सीमा दीजिए, और यह संभावना लौटाता है, जो इस बात पर टिकी है कि एसेट असल में कितना चलता है, न कि दिशा को लेकर किसी की राय पर। दिशा आपका इनपुट है। संभावना नतीजा है।
यह सबसे ज्यादा तब मायने रखता है जब कोई बाजार पहले से उसी सवाल की कीमत बोल रहा हो। एक बिटकॉइन प्रेडिक्शन मार्केट, जो शुक्रवार तक BTC के किसी लेवल को पार करने पर भुगतान करता है, असल में एक इम्प्लाइड संभावना बोल रहा होता है। यह कैलकुलेटर आपको एसेट की अपनी वोलैटिलिटी (अस्थिरता) से एक स्वतंत्र दूसरी राय देता है, फिर दोनों के बीच का फासला दिखाता है और यह भी कि वह ट्रेडिंग लागत के बाद टिकता है या नहीं। यह वही अनुशासन है जो कोई ट्रेडिंग डेस्क किसी ऑप्शन के भाव पर लगाती है, बस ऐसे रूप में कि कोई भी इसे ब्राउज़र में चला सके।
पेज खुलते ही वह सवाल पहले से चुना हुआ होता है जिसे ढूंढते हुए ज्यादातर लोग यहाँ आते हैं: मौजूदा कीमत से थोड़ा ऊपर एक राउंड टारगेट प्राइस, और एक हफ्ते के अंदर ऊपर बंद। एसेट बदलिए, तो टारगेट अपने आप दोबारा सेट हो जाता है। टारगेट, समयावधि या सवाल का प्रकार बदलिए, तो उसके बाद आपकी पसंद बनी रहती है।
संभावना कैसे निकाली जाती है
पहला मॉडल ऑप्शन प्राइसिंग से लिया गया लॉग-नॉर्मल तरीका है, यानी Black-Scholes ढांचे से परिचित N(d2) टर्म। यह मौजूदा कीमत, आपका टारगेट, बचा हुआ समय और सालाना वोलैटिलिटी लेता है, और शून्य ड्रिफ्ट (कीमत का औसत झुकाव) मानकर यह संभावना लौटाता है कि कीमत टारगेट के पार बंद होगी। वोलैटिलिटी को लाइव डेली क्लोज से लॉग रिटर्न के मानक विचलन के रूप में मापा जाता है और 365 के वर्गमूल से सालाना किया जाता है, क्योंकि क्रिप्टो साल के हर दिन ट्रेड होता है।
दूसरा मॉडल सिद्धांत को छोड़ देता है। यह ऐतिहासिक रिकॉर्ड खंगालता है और गिनता है कि एसेट ने आपकी समयावधि के अंदर जरूरी दूरी असल में कितनी बार तय की। अगर बिटकॉइन को 30 दिन में 8 प्रतिशत चढ़ना है, तो टूल लुकबैक अवधि (पिछले कितने दिनों का डेटा देखा जाए) की हर 30 दिन वाली विंडो जांचता है और हिट रेट (सफलता दर) बताता है। विंडो एक-दूसरे पर ओवरलैप करती हैं, यानी सैंपल पूरी तरह स्वतंत्र नहीं होते, इसलिए रीडआउट यह भी दिखाता है कि बिना ओवरलैप वाले ब्लॉक की प्रभावी संख्या कितनी है और उस आंकड़े के पीछे विल्सन 95 प्रतिशत इंटरवल क्या है।
तीसरा इंजन मोंटे कार्लो सिमुलेशन है, जो कदम-दर-कदम बिटकॉइन या ऑल्टकॉइन के हजारों कीमत के रास्ते (price path) बनाता है, ठीक वही सिमुलेशन तरीका जिससे क्वांट भविष्य की कीमतों का संभावना वितरण बनाते हैं। आसान सवालों पर यह closed form (सीधा फॉर्मूला) से सहमत रहता है, जो एक उपयोगी सेल्फ-चेक है, लेकिन यह वे काम भी कर सकता है जो फॉर्मूले नहीं कर सकते: फैट टेल्स (बड़े झटकों की संभावना सामान्य से ज्यादा) वाले रास्ते, भारी टेल के साथ टच सवाल, और ऊपर दिखने वाला पूरा कीमत का शंकु, यानी समय के साथ चौड़ी होती संभावनाओं की तस्वीर। एक बारीकी जानने लायक है: फैट टेल्स वाला विकल्प पूरी समयावधि के रिटर्न पर Student t लगाता है, जबकि मोंटे कार्लो इंजन हर कदम पर फैट टेल्स लगाता है, और बहुत सारे फैट टेल्स वाले कदम मिलकर नॉर्मल आकार की तरफ बढ़ जाते हैं। लंबी समयावधि पर दोनों का अलग होना जायज है, और वह फासला मॉडल जोखिम का एक और ईमानदार पैमाना है। मुख्य आंकड़ा तीनों इंजनों का मीडियन है। इसका मतलब साफ समझ लीजिए: बंद वाले सवालों (ऊपर बंद और नीचे बंद), रेंज, दायरा और टच सवालों में closed form और मोंटे कार्लो एक ही चीज का अनुमान लगाते हैं और सिमुलेशन के शोर जितने फर्क तक आपस में सहमत रहते हैं, इसलिए मीडियन मॉडल की वैल्यू के बराबर होता है और मोंटे कार्लो मुख्य रूप से एक संख्यात्मक सेल्फ-चेक का काम करता है; ऐतिहासिक हिट रेट स्वतंत्र हकीकत का बेंचमार्क है, और सबसे ऊंचे और सबसे नीचे इंजन के बीच का फैलाव मतभेद के रूप में दिखाया जाता है। सिर्फ रेस सवाल में, जिसका कोई closed form नहीं है, सिमुलेशन और इतिहास सीधे मुख्य आंकड़ा तय करते हैं। बड़ा मतभेद अपने आप में जानकारी है, लेकिन इसे ध्यान से पढ़िए: लंबी समयावधि वाले दिशात्मक दांव में, मॉडल बनाम इतिहास के फासले का एक हिस्सा एसेट की अपनी रियलाइज्ड ड्रिफ्ट और वोलैटिलिटी रिजीम है, सिर्फ मॉडल की अनिश्चितता नहीं।
बंद, रेंज और टच
ऑप्शन ट्रेडिंग में इन सवालों के सटीक नाम हैं, और यह कैलकुलेटर उन्हें क्रिप्टो में लाता है। बंद वाला सवाल इन या आउट ऑफ द मनी एक्सपायर होने की संभावना है (probability ITM/OTM), यानी यह मौका कि ठीक समय-सीमा पर कीमत किसी लेवल से ऊपर या नीचे हो। टच वाला सवाल टच होने की संभावना है (POT), यानी क्या कीमत समय-सीमा से पहले कभी भी उस लेवल तक पहुंचती है (छूना), भले ही बाद में वापस लौट जाए। दोनों एक-दूसरे की जगह नहीं ले सकते। टच की संभावना हमेशा ज्यादा होती है, और स्पॉट प्राइस (मौजूदा कीमत) के करीब वाली बैरियर पर वह बंद वाली संभावना से लगभग दोगुनी तक होती है, क्योंकि कीमत को वहाँ सिर्फ एक बार पहुंचना है। टच सवालों के लिए टूल ज्यामितीय ब्राउनियन गति का फर्स्ट पैसेज फॉर्मूला इस्तेमाल करता है, ताकि "क्या बिटकॉइन इस हफ्ते 130k को टच करेगा" जैसा सवाल पूछने वाले बाजार को सही जवाब मिले, न कि कहीं कम वाली बंद की संभावना। फैट टेल्स चालू होने पर मोंटे कार्लो इंजन टच वाले मामले को सीधे संभाल लेता है।
रेंज वाला सवाल दो बंद-संभावनाओं का अंतर है, जो "क्या सेटलमेंट पर कीमत X और Y के बीच होगी" जैसे आम बाजार-प्रारूप के लिए उपयोगी है।
इम्प्लाइड वोलैटिलिटी और फेयर वैल्यू
जब आप बाजार की कीमत डालते हैं, तो टूल मॉडल को उल्टा हल करके इम्प्लाइड वोलैटिलिटी (IV) निकालता है, यानी वह एक अकेली वोलैटिलिटी जिस पर मॉडल उस कीमत से सहमत हो जाए। इससे पूरे सवाल का ढाँचा ही बदल जाता है। संभावना पर बहस करने के बजाय आप दो वोलैटिलिटी की तुलना करते हैं: एक वह जिसके पैसे बाजार वसूल रहा है, और दूसरी वह जो एसेट ने असल में दी है। अगर एक हफ्ते का कॉन्ट्रैक्ट ऐसे भाव पर है मानो सालाना वोलैटिलिटी 90 प्रतिशत हो, जबकि बिटकॉइन 50 रियलाइज कर रहा हो, तो कॉन्ट्रैक्ट महंगा है, और मॉडल की संभावना बाजार की कीमत से नीचे बैठती है। इसके बाद फेयर वैल्यू (उचित मूल्य) और एक्सपेक्टेड वैल्यू वाला ब्लॉक उस फासले को पैसे में बदल देता है: सेंट में मॉडल की कीमत, लागत के बाद प्रति कॉन्ट्रैक्ट अपेक्षित मुनाफा, और लगाई गई रकम पर रिटर्न।
संभावना हमेशा वोलैटिलिटी के साथ एकदिशीय (मोनोटोनिक) नहीं चलती, इसलिए सॉल्वर पूरी वोलैटिलिटी सीमा को स्कैन करता है और ईमानदारी से बताता है जब दो अलग-अलग वोलैटिलिटी एक ही कीमत पैदा करती हैं, या जब कोई भी वोलैटिलिटी बाजार की कीमत को पैदा कर ही नहीं सकती। मॉडल की अधिकतम सीमा से ऊपर की कीमत का मतलब है कि बाजार किसी ऐसी चीज के पैसे दे रहा है जो शुद्ध डिफ्यूजन में है ही नहीं, जैसे कोई दिशात्मक नजरिया या जंप जोखिम, और टूल जबरदस्ती कोई आंकड़ा गढ़ने के बजाय यही कहता है।
प्रोफेशनल परत
गंभीर ट्रेडिंग डेस्क वोलैटिलिटी सिर्फ बंद भाव से नहीं मापतीं। एक डेली कैंडल में चार कीमतें होती हैं, और रेंज आधारित एस्टिमेटर उनसे कहीं ज्यादा जानकारी निकालते हैं: Parkinson हाई-लो के फासले का इस्तेमाल करता है, Garman-Klass और Rogers-Satchell पूरे OHLC सेट का, और Yang-Zhang ओवरनाइट, ओपन-टू-क्लोज और रेंज वाले हिस्सों को मिलाकर इस परिवार का सबसे कुशल निष्पक्ष एस्टिमेटर बनता है, जो उसी विंडो पर क्लोज-टू-क्लोज से कई गुना ज्यादा सटीक है। जब भी Binance की कैंडल लोड होती हैं, एस्टिमेटर ड्रॉपडाउन 30d, 90d और Blend विंडो को इन्हीं मापों पर स्विच कर देता है।
दूसरी प्रोफेशनल आदत है वोलैटिलिटी को स्नैपशॉट नहीं, बल्कि एक पूर्वानुमान की तरह देखना। वोलैटिलिटी क्लस्टर बनाती है और औसत की तरफ लौटती है, इसलिए 30 दिन के सवाल का सही इनपुट उन 30 दिनों की अपेक्षित औसत वोलैटिलिटी है, आज की रीडिंग नहीं। GARCH(1,1) मोड लोड किए गए इतिहास पर मानक वैरिएंस मॉडल को वैरिएंस टारगेटिंग के साथ फिट करता है और ठीक वही समयावधि-पूर्वानुमान देता है, साथ में लंबी अवधि का स्तर, परसिस्टेंस और वोलैटिलिटी के किसी झटके की हाफ लाइफ भी। जब मौजूदा वोलैटिलिटी ऊंची होती है, तो GARCH का समयावधि वाला आंकड़ा मौजूदा रीडिंग से नीचे बैठता है, और वोलैटिलिटी दबी होने पर उससे ऊपर। वोलैटिलिटी कोन (vol cone) की लाइन दिखाती है कि आज की वोलैटिलिटी अपने ही इतिहास के मुकाबले कहाँ ठहरती है, और वैकल्पिक वैरिएंस रेशियो टॉगल कई दिनों के रिटर्न में मापे गए मीन रिवर्जन या मोमेंटम के हिसाब से समय के वर्गमूल वाली स्केलिंग को सुधार देता है।
तीसरा जोड़ है फिल्टर्ड हिस्टोरिकल सिमुलेशन, वही तरीका जो बैंक वैल्यू एट रिस्क के लिए इस्तेमाल करते हैं। नॉर्मल या Student t आकार मान लेने के बजाय, हिस्टोरिकल मोड हर पुराने रिटर्न को उस समय की उसकी अपनी वोलैटिलिटी से भाग देता है, फिर उन मानकीकृत अवशेषों को दोबारा सैंपल करता है और मौजूदा वोलैटिलिटी स्तर पर दोबारा स्केल कर देता है। सिमुलेट किए गए रास्ते एसेट का असली स्क्यू और टेल वजन आज के जोखिम स्तर पर लेकर चलते हैं। इतिहास वाले इंजन में टच सवाल भी ज्यादा ईमानदार हो गए: हिट रेट अब बंद भाव के बजाय रोजाना के हाई और लो जांचता है, इसलिए दिन के भीतर हुए टच भी गिने जाते हैं। मुख्य आंकड़ा तीनों इंजनों का मीडियन है, और उनके बीच का फैलाव बताता है कि खुद तरीका कितना संदेह में है। वह फैलाव वह बाधा नहीं है जिसे किसी बढ़त (edge) को पार करना होता है, हालांकि उसे बाधा मान लेने का मन करता है। बाधा इसके बजाय वोलैटिलिटी के अनुमान की एरर बार से आती है, क्योंकि तीनों इंजन ड्रिफ्ट को लेकर भी आपस में असहमत हैं, और ड्रिफ्ट एक ऐसी मान्यता है जो आपने खुद दी है, न कि कुछ ऐसा जो बाजार ने आपको बताया हो।
दायरा, रेस और जंप जोखिम
वर्जन 2 उन तीन सवालों और उस एक जोखिम-स्रोत को जोड़ता है जिन्हें पुराने इंजन बता नहीं पाते थे। दायरा वाला सवाल पूछता है कि क्या कीमत पूरे समय एक बैंड के अंदर रहती है, किसी भी तरफ को टच किए बिना, यानी FX एक्जॉटिक्स का डबल नो-टच। यह उसी बैंड के अंदर बंद होने से बिल्कुल अलग चीज है: 60 प्रतिशत वोलैटिलिटी पर, जिस बैंड के अंदर बिटकॉइन दो-तिहाई बार बंद होता है, वही बैंड शुरू से आखिर तक मुश्किल से एक-तिहाई बार टिकता है। टूल इसकी कीमत डबल बैरियर इमेज एक्सपैंशन से लगाता है (वही गणित जो Kunitomo और Ikeda के कर्व्ड बाउंड्री नतीजे में है), जिसे मोंटे कार्लो के रास्तों और उन पूरी विंडो के ऐतिहासिक रिकॉर्ड से क्रॉस-चेक किया जाता है जो कभी बैंड से बाहर नहीं गईं।
B से पहले A वाली रेस, यानी टारगेट पहले या स्टॉप पहले, ट्रेडर का असली सवाल है: क्या कीमत समय-सीमा के अंदर स्टॉप लॉस से पहले टेक प्रॉफिट को टच करती है। प्रेडिक्शन मार्केट ठीक इसी शक्ल के सौदे बोलते हैं। समय-सीमा के साथ इसका कोई सरल closed form नहीं है, इसलिए मोंटे कार्लो इंजन इसे रास्ते-दर-रास्ते हल करता है, जिसमें पहले टच हुई बैरियर जीतती है; इतिहास वाला इंजन हर पुरानी विंडो को रोजाना के हाई और लो के साथ दोबारा चलाता है; और क्लासिक गैम्बलर्स रुइन फॉर्मूला बिना समय-सीमा वाली सीमा को एक संदर्भ बिंदु के तौर पर देता है। रीडआउट यह भी दिखाता है कि समय खत्म होने से पहले रेस का फैसला कितनी बार होता ही है, और फैसले तक लगने वाला मीडियन समय।
जंप डिफ्यूजन वितरण (Merton 1976) यह मान लेता है कि क्रिप्टो में गैप बनते हैं। बाइपावर वेरिएशन मापे गए वैरिएंस को एक चिकने डिफ्यूजिव हिस्से और एक असतत (डिस्कंटीन्युअस) हिस्से में बांटता है (Barndorff-Nielsen और Shephard 2004), वोलैटिलिटी से मानकीकृत रिटर्न पर लगा 4-सिग्मा डिटेक्टर जंप गिनता है और उनका आकार नापता है, और बंद होने की संभावना गॉसियन का पॉइसन मिश्रण बन जाती है। छोटी समय-सीमा पर किसी दूर के टारगेट के लिए, जहाँ वहाँ तक पहुंचने का मुख्य रास्ता एक अकेला जंप ही है, जंप मॉडल और चिकने मॉडल आपस में अलग जवाब देते हैं, और यही मतभेद ठीक वह जंप रिस्क प्रीमियम है जिसकी कीमत ऑप्शन डेस्क लगाती हैं। जंप के तहत टच सवाल मोंटे कार्लो इंजन के पास जाते हैं, जो हर रास्ते में कंपाउंड पॉइसन जंप डाल देता है।
जोखिम, और क्या मॉडल अपनी संभावनाओं का हक अदा करता है
अकेली संभावना यह नहीं बताती कि रास्ते में पोजिशन आपके साथ क्या कर सकती है। जोखिम पैनल वैल्यू एट रिस्क और एक्सपेक्टेड शॉर्टफॉल को 95 और 99 प्रतिशत पर सीधे सिमुलेट किए गए अंतिम वितरण से पढ़ता है, यानी Artzner और साथियों (1999) का कोहेरेंट रिस्क माप, ठीक उसी रूप में जिसे Rockafellar और Uryasev (2000) ने मानक बनाया, और साथ में यह संभावना भी कि समय-सीमा से पहले कभी 10, 20 या 30 प्रतिशत का ड्रॉडाउन झेलना पड़े, जिसे closed form देख ही नहीं सकते क्योंकि यह रास्ते का गुण है। यह सब उन्हीं रास्तों से आता है जिनसे मुख्य संभावना आती है, इसलिए ये आंकड़े चुपचाप एक-दूसरे से उलट नहीं पड़ सकते।
कैलिब्रेशन बैकटेस्ट वह फीचर है जिसके सामने टूल के बाकी हिस्से को जवाब देना होता है। यह आपके ठीक उसी सवाल को, उसी सापेक्ष दूरी और उसी समयावधि के साथ, लोड किए गए इतिहास की हर तारीख पर दोबारा चलाता है, संभावना सिर्फ उस तारीख पर उपलब्ध डेटा से बनाता है, और पूर्वानुमानों को ब्रायर स्कोर (Brier 1950) से आंकता है, जो संभावनाओं के लिए सख्ती से उचित (strictly proper) स्कोरिंग नियम है (Gneiting और Raftery 2007)। पैनल दिखाता है कि मॉडल का ब्रायर स्कोर हमेशा बेस रेट का अनुमान लगाने के मुकाबले कैसा रहा, उससे निकलने वाला स्किल प्रतिशत, और पूर्वानुमान बिन के हिसाब से एक रिलायबिलिटी टेबल। जब मॉडल के पास आपके सवाल पर कोई स्किल नहीं होती, तो पैनल यही कहता है, और ईमानदार प्रतिक्रिया यह है कि आप अपनी अनिश्चितता को चौड़ा करें, न कि मुख्य आंकड़े पर और ज्यादा भरोसा करें। खुद ऐतिहासिक हिट रेट के साथ अब विल्सन स्कोर इंटरवल (Wilson 1927) आता है, यानी वह बाइनोमियल इंटरवल जो छोटे प्रभावी सैंपल साइज पर भी सही बर्ताव करता है, और जिसे बिना ओवरलैप वाले ब्लॉक पर निकाला जाता है।
आखिर में, मुख्य संभावना अपनी खुद की एरर बार लेकर आती है। तीस कैंडल से आंकी गई वोलैटिलिटी अनिश्चित होती है, यह अनिश्चितता उससे निकाली गई हर संभावना में आगे बढ़ती है, और ट्रेड स्नैपशॉट अब खुद संभावना पर बनने वाला 95 प्रतिशत बैंड दिखाता है। यह मुख्य आंकड़े के इर्द-गिर्द का कॉन्फिडेंस इंटरवल नहीं है: मुख्य आंकड़ा कई इंजनों का मीडियन है, और वह उस बैंड के बाहर भी बैठ सकता है। जब ऐसा होता है, तो इंजनों की बहस सिर्फ वोलैटिलिटी को लेकर नहीं होती। हिल टेल इंडेक्स (Hill 1975), जो लोड किए गए रिटर्न से मापा जाता है, नीचे डायग्नोस्टिक्स पैनल में बैठता है, जहाँ वह यह भी बताता है कि आपकी फैट टेल्स की सेटिंग को कितनी डिग्रीज ऑफ फ्रीडम रखनी चाहिए, ताकि आप देख सकें कि वह सेटिंग एसेट की असली टेल से मेल खाती है या नहीं। बिटकॉइन और एथेरियम के लिए डायग्नोस्टिक्स लाइन Deribit का DVOL इंडेक्स भी खींचती है, यानी ऑप्शन बाजार की अपनी 30 दिन की इम्प्लाइड वोलैटिलिटी, जो इस सवाल का सबसे अच्छा अकेला बाहरी बेंचमार्क है कि आपका वोलैटिलिटी इनपुट सही इलाके में है या नहीं (Christensen और Prabhala 1998)।
"कोई बढ़त नहीं" ही डिफ़ॉल्ट जवाब क्यों है
बढ़त (edge) की जाँच जान-बूझकर सख्त रखी गई है। यह टूल बढ़त तभी दिखाता है जब मॉडल के मध्यबिंदु और बाजार की कीमत के बीच का अंतर एक ही समय में ट्रेडिंग लागत और उसके अपने मॉडलों के बीच के मतभेद, दोनों से बड़ा हो। बाकी हर हाल में जवाब आता है: कोई बढ़त नहीं, क्योंकि ज़्यादातर तरल बाजारों में ज़्यादातर समय यही सच्चा जवाब है। प्रेडिक्शन मार्केट की कीमतें असली पैसे लगाकर बनी रायों को जोड़ देती हैं, और औसतन कीमत संभावना के करीब होती है। जो टूल हर बाजार में एक ट्रेड ढूँढ लेता है, वह विश्लेषण नहीं कर रहा, सिग्नल गढ़ रहा है। यह टूल ना कहने के लिए ही बनाया गया है।
रियलाइज्ड वोलैटिलिटी से मजबूत बेंचमार्क चाहिए तो मिलती-जुलती एक्सपायरी वाले Deribit ऑप्शंस की इम्प्लाइड वोलैटिलिटी को मैनुअल वोलैटिलिटी के तौर पर डालें और फैट टेल्स चालू करें। अगर किसी बेहद दूर के टारगेट पर closed form और ऐतिहासिक हिट रेट तीखे ढंग से अलग-अलग जवाब दें, तो फैट टेल्स आमतौर पर इस अंतर को कम कर देता है, और यह इशारा है कि गड़बड़ी नॉर्मल वितरण में ही थी।
रिसर्च से आए तीन सुधार
टेल मॉडल समयावधि के हिसाब से खुद को ढाल लेता है। बिटकॉइन के रिटर्न घंटों और दिनों के पैमाने पर बेहद भारी टेल वाले (heavy tailed) होते हैं, लेकिन हफ्तों और महीनों में जुड़ते-जुड़ते नॉर्मल आकार की तरफ बढ़ जाते हैं, इस गुण को aggregational Gaussianity कहते हैं। ऑटो सेटिंग चालू होने पर fat tail की degrees of freedom समय-सीमा के साथ बदलती हैं: सात दिन के सवाल को नब्बे दिन के सवाल से भारी tails मिलती हैं, और यह किसी एक तय मान को मान लेने के बजाय मापे गए tail index से मेल खाता है। जैसे-जैसे आप समयावधि बदलते हैं, फील्ड में इस्तेमाल हो रहा मान दिखता रहता है।
लेवरेज इफेक्ट एक टॉगल के रूप में मौजूद है। क्रिप्टो, शेयरों की तरह, चढ़ने के मुकाबले तेजी से गिरने की प्रवृत्ति रखता है, और बिटकॉइन के रिटर्न में यह असममितता नापी जा सकती है। इसे चालू करने पर सिमुलेशन और closed form, दोनों में समयावधि के हिसाब से स्केल किया गया नेगेटिव स्क्यू जुड़ जाता है, जिससे नीचे बंद और नीचे टच वाले सवालों को गिरावट का वह अतिरिक्त वजन मिलता है जिसके वे हकदार हैं, और कीमत का शंकु स्पॉट के ऊपर के मुकाबले नीचे की तरफ ज़्यादा चौड़ा खुलता है। यह डिफ़ॉल्ट रूप से बंद है क्योंकि यह एक मॉडलिंग की राय है, कोई पक्की बात नहीं, लेकिन गिरावट के जोखिम के लिए यही ज़्यादा यथार्थवादी डिफ़ॉल्ट है।
वोलैटिलिटी के अनुमान के साथ एक कॉन्फिडेंस इंटरवल भी आता है। तीस कैंडल से पढ़ा गया वोलैटिलिटी का आंकड़ा खुद अनिश्चित होता है, और Yang-Zhang जैसे रेंज आधारित एस्टिमेटर हर कैंडल से क्लोज-टु-क्लोज माप के मुकाबले कहीं ज़्यादा जानकारी निकाल लेते हैं। ट्रेड स्नैपशॉट अब वोलैटिलिटी के अनुमान के इर्द-गिर्द पंचानबे प्रतिशत का बैंड दिखाता है, और यह भी कि चुना गया एस्टिमेटर क्लोज-टु-क्लोज से कितना ज़्यादा कसा हुआ है, ताकि आप देख सकें कि संभावना का कितना हिस्सा एक डगमगाते वोलैटिलिटी इनपुट पर टिका है।
एक ट्रेडर की तरह इन आंकड़ों को पढ़ना
अकेली संभावना यह तय नहीं करती कि पोजिशन कितनी बड़ी हो। ट्रेड स्नैपशॉट इस संभावना को उन आंकड़ों में बदल देता है जिन पर ट्रेडर सचमुच काम करता है। एक्सपेक्टेड मूव उस समयावधि के लिए एक स्टैंडर्ड डेविएशन की रेंज है, यानी वह बैंड जिसके अंदर कीमत मोटे तौर पर हर तीन में से दो बार बनी रहती है, और इसे प्लस-माइनस एक सिग्मा की लाइनों के रूप में सीधे कीमत के शंकु पर खींच दिया जाता है। सिग्मा में नापी गई टारगेट की दूरी एक नजर में बता देती है कि कोई लेवल रोजमर्रा की चाल है या टेल इवेंट: एक सिग्मा से कम सामान्य है, दो सिग्मा से आगे दुर्लभ। इम्प्लाइड रिटर्न टु हिट उस चाल को सालाना दर में बदल देता है जो आपके टारगेट तक पहुँचने के लिए जरूरी है, ताकि एक हफ्ता और एक साल एक ही पैमाने पर आ जाएँ; इसे उसके सामने रखकर पढ़ें जो इस एसेट ने असल में दिया है, और जो टारगेट उससे कई गुना माँगता है वह पूर्वानुमान नहीं, महज गणित है। प्रति वोलैटिलिटी पॉइंट तथा प्रति दिन की संवेदनशीलता दिखाती है कि आपकी अपनी मान्यताओं के आगे यह संभावना कितनी नाजुक है, और यही वह जगह है जहाँ ज़्यादातर संभावना के अनुमान चुपचाप गलत हो जाते हैं, और ठीक उनके नीचे स्नैपशॉट यह भी बताता है कि वोलैटिलिटी खुद कितनी अच्छी तरह पता है: उसकी अपनी 95 प्रतिशत एरर बार, आपका एस्टिमेटर क्लोज-टू-क्लोज के मुकाबले कितना ज़्यादा संकरा है, और वह अनिश्चितता संभावना के पॉइंट में कितनी बैठती है।
जब बाजार की कीमत मौजूद हो, तो फेयर वैल्यू ब्लॉक में रिस्क-टु-रिवॉर्ड अनुपात और ब्रेकईवन विन रेट भी जुड़ जाते हैं, यानी वे दो आंकड़े जो तय करते हैं कि पॉजिटिव एक्सपेक्टेड वैल्यू, वैरिएंस झेलने लायक है या नहीं। कोई कॉन्ट्रैक्ट सस्ता होकर भी खराब ट्रेड हो सकता है, अगर जोखिम के मुकाबले इनाम छोटा हो, और महँगा दिखकर भी फायदा दे सकता है, क्योंकि इनाम बड़ा है। संभावना, रिस्क-टु-रिवॉर्ड और एक्सपेक्टेड वैल्यू को साथ-साथ पढ़ना, यही पूरा अनुशासन है।
क्रिप्टो कीमतों के लिए एक मोंटे कार्लो सिम्युलेटर
अंदर से यह एक बिटकॉइन मोंटे कार्लो सिमुलेशन है, और यह किसी भी सिक्के पर काम करता है। यह एसेट की लाइव वोलैटिलिटी पढ़ता है, फिर ज्यामितीय ब्राउनियन गति के तहत आगे के हजारों कीमत के रास्ते (price paths) बनाता है, जिसमें fat tailed या ऐतिहासिक रिटर्न का आकार वैकल्पिक रूप से चुना जा सकता है। नतीजा है एक पूरा संभावना वितरण कि आपकी समय-सीमा पर कीमत कहाँ हो सकती है, जिसे 5 से 95 और 25 से 75 पर्सेंटाइल बैंड के साथ फैलते हुए कीमत के शंकु के रूप में खींचा जाता है। एक पॉइंट फोरकास्ट के उलट, जो एक ही आंकड़ा बता देता है, मोंटे कार्लो सिमुलेशन नतीजों का पूरा फैलाव दिखाता है और यह भी कि समय के साथ वह कितनी तेजी से चौड़ा होता जाता है, और उतार-चढ़ाव वाले एसेट के बारे में सोचने का यही ईमानदार तरीका है। रास्तों की संख्या आप चुनते हैं, तेज एक हजार से लेकर सहज बीस हजार तक, और एक तय सीड किसी भी साझा किए गए नतीजे को दोबारा बनाने लायक रखता है।
प्रेडिक्शन मार्केट के लिए फेयर वैल्यू और बढ़त का टूल
अगर आप किसी प्रेडिक्शन मार्केट पर बिटकॉइन से जुड़े सवालों में ट्रेड करते हैं, जैसे हाँ या ना वाला कोई कॉन्ट्रैक्ट कि BTC शुक्रवार तक किसी लेवल को पार करेगा या नहीं, तो यह टूल फेयर वैल्यू और एक्सपेक्टेड वैल्यू कैलकुलेटर का काम भी करता है। बाजार की कीमत डालें और टूल उसमें छिपी इम्प्लाइड वोलैटिलिटी निकाल लेता है, उसकी तुलना उससे करता है जो एसेट असल में रियलाइज करता है, और बताता है फेयर प्राइस सेंट में, लागत के बाद प्रति कॉन्ट्रैक्ट एक्सपेक्टेड वैल्यू, और केली साइजिंग। यह बढ़त तभी दिखाता है जब यह अंतर ट्रेडिंग लागत और उसके अपने मॉडलों के बीच के मतभेद, दोनों से बड़ा हो, इसलिए यह हाँ के मुकाबले कहीं ज़्यादा बार ना कहता है। मकसद यही है: बढ़त की एक ईमानदार जाँच, कोई सिग्नल जनरेटर नहीं।
आप क्या-क्या नाप सकते हैं
यह कैलकुलेटर कीमत से जुड़े उन्हीं सवालों को कवर करता है जो ट्रेडर और प्रेडिक्शन मार्केट में हिस्सा लेने वाले सचमुच पूछते हैं। क्या बिटकॉइन महीने के अंत तक किसी राउंड नंबर से ऊपर बंद होगा। क्या एथेरियम एक्सपायरी तक रेंज के अंदर बना रहेगा। सोलाना, BNB, XRP या डॉजकॉइन के इस हफ्ते कभी भी किसी लेवल को टच करने की कितनी संभावना है। कस्टम सिंबल फील्ड के जरिए Binance का कोई भी स्पॉट पेयर काम करता है, इसलिए कम कारोबार वाला कोई ऑल्टकॉइन भी बस एक एंट्री दूर है। लाइव कीमत और वोलैटिलिटी अपने आप लोड हो जाती हैं, या आप अपने आंकड़े खुद टाइप करके पूरा काम हाथ से भी कर सकते हैं।
आपको टाइप करने की जरूरत भी नहीं है: कैलकुलेटर के ऊपर दिए "तुरंत शुरू करें" बटन इन सवालों के सबसे ज्यादा पूछे जाने वाले रूपों को एक क्लिक में लाइव कीमत के हिसाब से सेट कर देते हैं, और इस पेज में बनी एजेंट API उनके पीछे का हर इंजन उपलब्ध कराती है, ताकि कोई असिस्टेंट पूरी तस्वीर स्क्रीन से पढ़ने के बजाय प्रोग्रामैटिक तरीके से खुद खींच सके।
इसे unCoded बनाता और संभालता है, जो स्विट्ज़रलैंड की ArrowTrade AG का सेल्फ-होस्टेड, नॉन-कस्टोडियल क्रिप्टो ट्रेडिंग बॉट है। अगर आप संभावना से मिली बढ़त को एक ऑटोमेटेड रणनीति में बदलना चाहते हैं, तो शुरुआत डॉक्युमेंटेशन से करें। टूल खुद मुफ्त रहता है और इसके लिए किसी अकाउंट की जरूरत नहीं है।
टूल के पीछे का विज्ञान
यहाँ इस्तेमाल हुआ हर तरीका पीयर-रिव्यूड साहित्य का प्रकाशित नतीजा है या कोई मानक न्यूमेरिकल संदर्भ, कोई मालिकाना ब्लैक बॉक्स नहीं। नीचे दी गई हर प्रविष्टि कैलकुलेटर की एक खास खूबी को उसके मूल स्रोत से जोड़ती है, ताकि आंकड़ों को उनकी बुनियाद तक वापस खोजा जा सके।
लिंक आधिकारिक प्रकाशक या कैननिकल DOI तक ले जाते हैं। यह कैलकुलेटर इन तरीकों के मानक, अच्छी तरह स्थापित रूपों को लागू करता है और एक शैक्षिक टूल है, किसी नई रिसर्च का दावा नहीं। मॉडल असलियत को सरल बना देते हैं, और कोई भी संभावना का अनुमान बाजार का जोखिम खत्म नहीं करता।
- Black, F. and Scholes, M. (1973). The Pricing of Options and Corporate Liabilities. Journal of Political Economy, 81(3), 637 to 654. doi:10.1086/260062
- लॉग-नॉर्मल मॉडल को चलाता है: N(d2) संभावना कि कीमत टारगेट से आगे बंद होती है।
- Kelly, J. L. (1956). A New Interpretation of Information Rate. Bell System Technical Journal, 35(4), 917 to 926. doi:10.1002/j.1538-7305.1956.tb03809.x
- पोजिशन साइजिंग पैनल के पीछे का केली क्राइटेरियन, जो अनुमान की गलती का लिहाज रखते हुए हमेशा एक अंश (fraction) पर दिखाया जाता है।
- Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31(3), 307 to 327. doi:10.1016/0304-4076(86)90063-1
- GARCH(1,1) वोलैटिलिटी मोड: आज की रीडिंग इस्तेमाल करने के बजाय आपकी समयावधि की औसत वोलैटिलिटी का पूर्वानुमान लगाता है।
- Parkinson, M. (1980). The Extreme Value Method for Estimating the Variance of the Rate of Return. Journal of Business, 53(1), 61 to 65. doi:10.1086/296071
- Parkinson का हाई-लो वोलैटिलिटी एस्टिमेटर, यहाँ दिए गए रेंज आधारित एस्टिमेटरों में पहला।
- Garman, M. B. and Klass, M. J. (1980). On the Estimation of Security Price Volatilities from Historical Data. Journal of Business, 53(1), 67 to 78. doi:10.1086/296072
- Garman-Klass का OHLC वोलैटिलिटी एस्टिमेटर, जिसे 30d, 90d और ब्लेंड विंडो के लिए चुना जा सकता है।
- Rogers, L. C. G. and Satchell, S. E. (1991). Estimating Variance from High, Low and Closing Prices. The Annals of Applied Probability, 1(4), 504 to 512. doi:10.1214/aoap/1177005835
- Rogers-Satchell एस्टिमेटर, जो ड्रिफ्ट के प्रति मजबूत है और नीचे दिए गए Yang-Zhang एस्टिमेटर की एक बुनियादी ईंट है।
- Yang, D. and Zhang, Q. (2000). Drift-Independent Volatility Estimation Based on High, Low, Open, and Close Prices. Journal of Business, 73(3), 477 to 492. doi:10.1086/209650
- Yang-Zhang एस्टिमेटर, इस परिवार में सबसे कुशल, जिसे डिफ़ॉल्ट रेंज आधारित माप के तौर पर और डायग्नोस्टिक्स लाइन में इस्तेमाल किया जाता है।
- Barone-Adesi, G., Giannopoulos, K. and Vosper, L. (1999). VaR without Correlations for Portfolios of Derivative Securities. Journal of Futures Markets, 19(5), 583 to 602. doi:10.1002/(SICI)1096-9934(199908)19:5<583::AID-FUT5>3.0.CO;2-S
- फिल्टर्ड हिस्टोरिकल सिमुलेशन, वह तरीका जो ऐतिहासिक रिटर्न वितरण के पीछे है और एसेट के अपने ही मानकीकृत रिटर्न को दोबारा सैंपल करता है।
- Begusic, S., Kostanjcar, Z., Stanley, H. E. and Podobnik, B. (2018). Scaling Properties of Extreme Price Fluctuations in Bitcoin Markets. Physica A: Statistical Mechanics and its Applications, 510, 400 to 406. doi:10.1016/j.physa.2018.06.131
- बिटकॉइन के लिए 2 और 2.5 के बीच का पावर-लॉ टेल एक्सपोनेंट नापता है, जो शेयरों के करीब 3 से भारी है। fat tailed (Student-t) विकल्प का अनुभवजन्य आधार।
- de Sousa Filho, F. N. M., Silva, J. N., Bertella, M. A. and Brigatti, E. (2021). The Leverage Effect and Other Stylized Facts Displayed by Bitcoin Returns. Brazilian Journal of Physics (2021). doi:10.1007/s13538-020-00846-8
- इंजन के दो सुधारों की बुनियाद: समयावधि के हिसाब से स्केल किया गया टेल का भारीपन (लंबी समयावधि में रिटर्न जुड़कर नॉर्मल की तरफ बढ़ते हैं) और लेवरेज इफेक्ट (नेगेटिव रिटर्न वोलैटिलिटी बढ़ा देते हैं), जो ऑटो degrees of freedom और लेवरेज टॉगल को चलाते हैं।
- Wolfers, J. and Zitzewitz, E. (2004). Prediction Markets. Journal of Economic Perspectives, 18(2), 107 to 126. doi:10.1257/0895330041371321
- यह प्रमाण कि तरल प्रेडिक्शन मार्केट की कीमतें संभावना के सटीक अनुमान होती हैं, इसीलिए बढ़त की जाँच बाजार की कीमत को एक गंभीर बेंचमार्क मानती है।
- Merton, R. C. (1976). Option Pricing When Underlying Stock Returns Are Discontinuous. Journal of Financial Economics, 3(1-2), 125 to 144. doi:10.1016/0304-405X(76)90022-2
- जंप्स वितरण के पीछे का जंप डिफ्यूजन मॉडल: बंद होने की संभावनाएँ गॉसियन के पॉइसन मिश्रण के रूप में, और हर मोंटे कार्लो रास्ते में जंप।
- Barndorff-Nielsen, O. E. and Shephard, N. (2004). Power and Bipower Variation with Stochastic Volatility and Jumps. Journal of Financial Econometrics, 2(1), 1 to 37. doi:10.1093/jjfinec/nbh001
- बाइपावर वैरिएशन, वह एस्टिमेटर जो रियलाइज्ड वैरिएंस को उसके डिफ्यूजिव और जंप हिस्सों में बाँटता है, और लोड किए गए इतिहास से जंप मॉडल का अनुमान लगाने में इस्तेमाल होता है।
- Kunitomo, N. and Ikeda, M. (1992). Pricing Options with Curved Boundaries. Mathematical Finance, 2(4), 275 to 298. doi:10.1111/j.1467-9965.1992.tb00033.x
- दायरे (पूरे समय अंदर रहना, double no-touch) की संभावना के पीछे का डबल बैरियर इमेज एक्सपैंशन परिवार।
- Glosten, L. R., Jagannathan, R. and Runkle, D. E. (1993). On the Relation between the Expected Value and the Volatility of the Nominal Excess Return on Stocks. Journal of Finance, 48(5), 1779 to 1801. doi:10.1111/j.1540-6261.1993.tb05128.x
- GJR-GARCH: असममित वोलैटिलिटी मॉडल, जिसे GARCH(1,1) के साथ-साथ फिट किया जाता है; जब लाइकलीहुड रेशियो टेस्ट कहता है कि असममितता असली है, तो समयावधि के पूर्वानुमान के लिए इसी का इस्तेमाल होता है।
- Artzner, P., Delbaen, F., Eber, J.-M. and Heath, D. (1999). Coherent Measures of Risk. Mathematical Finance, 9(3), 203 to 228. doi:10.1111/1467-9965.00068
- जोखिम पैनल सिर्फ VaR नहीं, बल्कि एक्सपेक्टेड शॉर्टफॉल क्यों दिखाता है: इस जोड़ी में सुसंगत (coherent) जोखिम माप ES ही है।
- Rockafellar, R. T. and Uryasev, S. (2000). Optimization of Conditional Value-at-Risk. Journal of Risk, 2(3), 21 to 41. doi:10.21314/JOR.2000.038
- मानक CVaR / एक्सपेक्टेड शॉर्टफॉल का सूत्रीकरण, जो जोखिम पैनल में सिमुलेट किए गए अंतिम वितरण से निकाला जाता है।
- Brier, G. W. (1950). Verification of Forecasts Expressed in Terms of Probability. Monthly Weather Review, 78(1), 1 to 3. doi:10.1175/1520-0493(1950)078<0001:VOFEIT>2.0.CO;2
- ब्रायर स्कोर, कैलिब्रेशन बैकटेस्ट पैनल की रीढ़।
- Gneiting, T. and Raftery, A. E. (2007). Strictly Proper Scoring Rules, Prediction, and Estimation. Journal of the American Statistical Association, 102(477), 359 to 378. doi:10.1198/016214506000001437
- मॉडल की संभावनाओं को आँकने का सही तरीका एक strictly proper स्कोरिंग रूल क्यों है, और बैकटेस्ट को हेज किए गए पूर्वानुमानों से चालाकी करके क्यों नहीं जीता जा सकता।
- Wilson, E. B. (1927). Probable Inference, the Law of Succession, and Statistical Inference. Journal of the American Statistical Association, 22(158), 209 to 212. doi:10.1080/01621459.1927.10502953
- ऐतिहासिक हिट रेट पर विल्सन स्कोर इंटरवल, जो बिना ओवरलैप वाले ब्लॉकों पर निकाला जाता है और सादे नॉर्मल स्टैंडर्ड एरर की जगह लेता है।
- Hill, B. M. (1975). A Simple General Approach to Inference About the Tail of a Distribution. The Annals of Statistics, 3(5), 1163 to 1174. doi:10.1214/aos/1176343247
- डायग्नोस्टिक्स पैनल में Hill टेल इंडेक्स, जो लोड किए गए रिटर्न से नापा जाता है; यह Student-t की degrees of freedom के लिए डेटा-आधारित सुझाव का काम भी करता है।
- Lo, A. W. and MacKinlay, A. C. (1988). Stock Market Prices Do Not Follow Random Walks: Evidence from a Simple Specification Test. Review of Financial Studies, 1(1), 41 to 66. doi:10.1093/rfs/1.1.41
- वैकल्पिक समयावधि वोल स्केलिंग टॉगल और डायग्नोस्टिक्स रीडआउट के पीछे का वैरिएंस रेशियो स्टैटिस्टिक।
- Jarque, C. M. and Bera, A. K. (1980). Efficient Tests for Normality, Homoscedasticity and Serial Independence of Regression Residuals. Economics Letters, 6(3), 255 to 259. doi:10.1016/0165-1765(80)90024-5
- डायग्नोस्टिक्स पैनल में नॉर्मैलिटी टेस्ट, जो आपको बताता है कि लोड किए गए डेटा पर Normal सेटिंग जायज है या नहीं।
- Ljung, G. M. and Box, G. E. P. (1978). On a Measure of Lack of Fit in Time Series Models. Biometrika, 65(2), 297 to 303. doi:10.1093/biomet/65.2.297
- डायग्नोस्टिक्स पैनल में रिटर्न और वर्ग किए गए रिटर्न पर Ljung-Box टेस्ट: वर्ग किए गए रिटर्न वाला रूप वोलैटिलिटी क्लस्टरिंग का वह प्रमाण है जो GARCH को जायज ठहराता है।
- Christensen, B. J. and Prabhala, N. R. (1998). The Relation Between Implied and Realized Volatility. Journal of Financial Economics, 50(2), 125 to 150. doi:10.1016/S0304-405X(98)00034-8
- आपके रियलाइज्ड वोल इनपुट के बगल में Deribit DVOL ऑप्शंस की इम्प्लाइड वोलैटिलिटी वाला बेंचमार्क क्यों दिखाया जाता है: इम्प्लाइड वोल में आगे की रियलाइज्ड वोल के बारे में असली जानकारी होती है।
- Broadie, M., Glasserman, P. and Kou, S. (1997). A Continuity Correction for Discrete Barrier Options. Mathematical Finance, 7(4), 325 to 349. doi:10.1111/1467-9965.00035
- बैरियर पार करने में डिस्क्रीट-मॉनिटरिंग का पूर्वाग्रह; रेस वाला मोंटे कार्लो एक ब्राउनियन-ब्रिज कंटिन्यूटी करेक्शन लगाता है, ताकि उसकी फर्स्ट-पैसेज संभावना किसी भी स्टेप साइज पर लगातार मॉनिटरिंग से मेल खाए।
- West, G. (2009). Better Approximations to Cumulative Normal Functions. Wilmott Magazine, 70 to 76.
- हर जगह इस्तेमाल होने वाला Hart-आधारित डबल-प्रिसिजन क्युमुलेटिव नॉर्मल; संभावनाएँ सीधे अपर-टेल के रूप में पढ़ी जाती हैं, इसलिए बहुत दूर out-of-the-money की संभावनाएँ शून्य में ढहने के बजाय पूरी सापेक्ष सटीकता बनाए रखती हैं।
- Self, S. G. and Liang, K.-Y. (1987). Asymptotic Properties of Maximum Likelihood Estimators and Likelihood Ratio Tests Under Nonstandard Conditions. Journal of the American Statistical Association, 82(398), 605 to 610. doi:10.1080/01621459.1987.10478472
- चूँकि GJR का लेवरेज पद एक पैरामीटर की सीमा पर बैठता है, इसलिए GARCH बनाम GJR के लाइकलीहुड रेशियो की जाँच सही आधे काई-स्क्वेयर मिश्रण के मुकाबले की जाती है, ताकि असममित मॉडल न ज़्यादा चुना जाए और न कम।
अक्सर पूछे जाने वाले सवाल
क्रिप्टो संभावना को लेकर लोग सबसे ज़्यादा यही सवाल पूछते हैं: इस संख्या का मतलब क्या है, यह आती कहाँ से है, और कहाँ जाकर यह काम की नहीं रह जाती। यहाँ दिए गए जवाब छोटे हैं। उनके पीछे का तर्क ऊपर के सेक्शन में है।
- क्या यह कैलकुलेटर बता सकता है कि बिटकॉइन किस दिशा में जाएगा?
- नहीं। यह दिशा का पूर्वानुमान नहीं करता। यह अनुमान लगाता है कि दी गई समयावधि के अंदर किसी दिए गए आकार की चाल कितनी संभावित है, इस आधार पर कि एसेट असल में कितना उतार-चढ़ाव करता है। दिशा आपका इनपुट है, संभावना आउटपुट है।
- 'बंद' सवाल और 'टच' सवाल में क्या अंतर है?
- 'बंद' सवाल पूछता है कि समय-सीमा पर कीमत कहाँ जाकर बंद होती है। 'टच' सवाल पूछता है कि क्या कीमत समय-सीमा से पहले कभी भी किसी लेवल तक पहुँचती है। टच की संभावना हमेशा ज़्यादा होती है, पास वाली बैरियर के लिए अक्सर लगभग दोगुनी, क्योंकि कीमत को वहाँ सिर्फ एक बार पहुँचना होता है।
- इम्प्लाइड वोलैटिलिटी का आँकड़ा क्या बताता है?
- यह वह वोलैटिलिटी (अस्थिरता) है जिस पर मॉडल आपकी डाली गई बाजार कीमत से सहमत हो जाए। अगर बाजार एसेट की असल में दिखने वाली वोलैटिलिटी से कहीं ज़्यादा वोलैटिलिटी दर्शाता है, तो कॉन्ट्रैक्ट महँगा लगता है, और कम वोलैटिलिटी दर्शाने पर इसका उल्टा। कुछ बाजार कीमतें किसी भी वोलैटिलिटी पर हासिल नहीं की जा सकतीं, जिसका मतलब है कि बाजार किसी दिशात्मक नजरिये या जंप रिस्क की कीमत लगा रहा है।
- मुझे कौन-सी वोलैटिलिटी सेटिंग इस्तेमाल करनी चाहिए?
- 30 और 90 दिन की रियलाइज्ड वोलैटिलिटी का मिश्रण समझदारी भरा डिफॉल्ट है। EWMA बदलते माहौल पर ज़्यादा तेजी से प्रतिक्रिया करता है। स्ट्रेस टेस्ट के लिए, मिलती-जुलती एक्सपायरी वाले Deribit ऑप्शंस की इम्प्लाइड वोलैटिलिटी को मैनुअल वोलैटिलिटी के तौर पर डालें।
- पेशेवर कौन-सा वोलैटिलिटी माप इस्तेमाल करते हैं?
- मापने के लिए पूरी OHLC कैंडल पर Yang-Zhang जैसे रेंज आधारित एस्टिमेटर, और समयावधि के पूर्वानुमान के लिए GARCH शैली का मॉडल, क्योंकि वोलैटिलिटी क्लस्टर बनाती है और औसत की तरफ लौटती है। यह टूल दोनों देता है, और साथ में फिल्टर्ड हिस्टोरिकल सिमुलेशन भी, ताकि सिमुलेट किए गए कीमत के रास्ते एसेट के असली रिटर्न आकार को साथ लेकर चलें।
- यह टूल इतनी बार 'कोई बढ़त नहीं' क्यों कहता है?
- क्योंकि आम तौर पर यही सच होता है। तरल प्रेडिक्शन मार्केट असली पैसे लगाने वालों की रायों को इकट्ठा करते हैं, और औसतन कीमत संभावना के करीब होती है। टूल बढ़त (edge) तभी दिखाता है जब फासला ट्रेडिंग लागत से भी बड़ा हो और उसके अपने मॉडलों के बीच के मतभेद से भी।
- क्या यह क्रिप्टो संभावना कैलकुलेटर मुफ्त है?
- हाँ, पूरी तरह मुफ्त, और यह बिना किसी अकाउंट के पूरी तरह आपके ब्राउज़र में चलता है। लाइव कीमत और वोलैटिलिटी सार्वजनिक Binance डेटा से आती हैं, CoinGecko फॉलबैक के साथ, और आप जो कुछ भी डालते हैं वह आपके डिवाइस से बाहर नहीं जाता।
- यह कौन-से कॉइन सपोर्ट करता है?
- बिटकॉइन, एथेरियम, सोलाना, BNB, XRP और डॉजकॉइन एक क्लिक पर मिलते हैं, और कोई भी दूसरा Binance स्पॉट पेयर कस्टम सिंबल फ़ील्ड के जरिए काम करता है। जो एसेट Binance पर नहीं है, उसके लिए आप कीमत और वोलैटिलिटी मैनुअल तरीके से भी डाल सकते हैं।
- क्या यह बिटकॉइन मोंटे कार्लो सिमुलेटर है?
- हाँ। इंजन लाइव वोलैटिलिटी से हजारों कीमत के रास्तों (price paths) की मोंटे कार्लो सिमुलेशन चलाता है और उससे बनने वाले संभावना वितरण को कीमत के शंकु (यानी समय के साथ चौड़ी होती संभावनाओं की तस्वीर) के रूप में दिखाता है। यह दो closed form (सीधा फॉर्मूला) मॉडलों और ऐतिहासिक हिट रेट (सफलता दर) से क्रॉस-चेक भी करता है, इसलिए आपको सिमुलेशन वाला और विश्लेषणात्मक, दोनों जवाब साथ-साथ मिलते हैं।
- टच करने की संभावना क्या होती है?
- टच करने की संभावना (POT) यह संभावना है कि कीमत समय-सीमा से पहले कभी भी किसी लेवल तक पहुँच जाए, भले ही वह वहाँ बंद न हो। यह हमेशा बंद होने (एक्सपायरी) की संभावना से ज़्यादा होती है, पास वाले लेवल के लिए अक्सर लगभग दोगुनी, क्योंकि कीमत को वहाँ सिर्फ एक बार पहुँचना होता है। इसकी गणना के लिए 'ऊपर टच' या 'नीचे टच' चुनें।
- दायरा (डबल नो-टच) संभावना क्या है?
- यह संभावना कि कीमत पूरे समय एक बैंड के अंदर रहे और किसी भी तरफ को कभी टच न करे। यह हमेशा उसी बैंड के अंदर समय-सीमा पर बंद होने की संभावना से कम होती है, अक्सर बहुत ज़्यादा कम, क्योंकि कीमत को बीच के हर पल को झेलना पड़ता है। टूल इसकी गणना डबल बैरियर फॉर्मूले से करता है और मोंटे कार्लो के कीमत के रास्तों तथा इतिहास से इसका क्रॉस-चेक करता है।
- क्या यह बता सकता है कि मेरा टेक प्रॉफिट, मेरे स्टॉप लॉस से पहले लगने की संभावना कितनी है?
- हाँ। A-पहले-B वाला सवाल दो लेवलों की रेस कराता है (टारगेट पहले या स्टॉप पहले): यानी यह संभावना कि समय-सीमा के अंदर कीमत आपके स्टॉप को टच करने से पहले आपके टारगेट को टच कर ले। इसका जवाब मोंटे कार्लो इंजन और ऐतिहासिक रिकॉर्ड देते हैं, और बिना समय-सीमा वाली स्थिति के लिए एक closed form भी है। प्रेडिक्शन मार्केट अक्सर ठीक इसी शक्ल में भाव देते हैं।
- जंप डिफ्यूजन मॉडल क्या है?
- क्रिप्टो सिर्फ ड्रिफ्ट (कीमत का औसत झुकाव) नहीं करता, वह गैप भी बनाता है। मर्टन जंप डिफ्यूजन मॉडल मापी गई वैरियंस को एक चिकने डिफ्यूजिव हिस्से और अलग-अलग जंप में बाँट देता है, इसके लिए वह लोड किए गए इतिहास पर बाइपावर वेरिएशन और 4-सिग्मा डिटेक्टर का इस्तेमाल करता है, और फिर सवाल की कीमत एक पॉइसन मिश्रण के रूप में लगाता है। छोटी समय-सीमा पर दूर के टारगेट के लिए यह ज़्यादा ईमानदार संभावना देता है, जहाँ वहाँ तक पहुँचने का मुख्य रास्ता एक अकेली जंप ही होती है।
- यहाँ वैल्यू ऐट रिस्क और एक्सपेक्टेड शॉर्टफॉल का क्या मतलब है?
- आपकी समयावधि पर एक सीधी लॉन्ग पोजिशन के लिए: वैल्यू ऐट रिस्क (VaR 95) वह नुकसान है जिससे पोजिशन 100 में से 95 सिमुलेट किए गए नतीजों में नीचे ही रहती है, और एक्सपेक्टेड शॉर्टफॉल (ES) सबसे खराब 5 नतीजों में होने वाला औसत नुकसान है। टूल दोनों को उन्हीं मोंटे कार्लो के कीमत के रास्तों से पढ़ता है जिनसे संभावना निकलती है, और साथ में यह संभावना भी कि समय-सीमा से पहले कभी 10, 20 या 30 प्रतिशत का ड्रॉडाउन हो जाए।
- मुझे कैसे पता चले कि ये संभावनाएँ ईमानदार हैं?
- कैलिब्रेशन बैकटेस्ट आपके ठीक इसी सवाल को लोड किए गए पूरे इतिहास पर दोबारा चलाता है: हर पुरानी तारीख पर वह सिर्फ उस समय उपलब्ध डेटा से संभावना बनाता है, और फिर असल में जो हुआ उसके मुकाबले उन पूर्वानुमानों को ब्रायर स्कोर से आँकता है। यह संभावना के हर बिन के हिसाब से कैलिब्रेशन बताता है, और यह भी कि हमेशा बेस रेट का अंदाजा लगाने के मुकाबले कितनी कुशलता है। जब मॉडल के पास आपके सवाल पर कोई कुशलता नहीं होती, तो टूल यह साफ कह देता है।
- क्या AI असिस्टेंट और एजेंट इस कैलकुलेटर को इस्तेमाल कर सकते हैं?
- हाँ, इसे इसी के लिए बनाया गया है। यह पेज window.unCodedProb उपलब्ध कराता है, जिसमें हर सवाल-प्रकार के लिए प्योर फंक्शन हैं, एक analyze मेथड जो लाइव डेटा लोड करके पूरी JSON रिपोर्ट लौटाता है, एक आंसर डिस्पैचर, मशीन-पठनीय टूल स्कीमा, एक सेल्फ टेस्ट, और एक UI ब्रिज, ताकि ब्राउज़र चलाने वाला कोई एजेंट इनपुट सेट कर सके और गणना किए गए हर नंबर को स्ट्रक्चर्ड डेटा के रूप में पढ़ सके। नीचे AI असिस्टेंट के लिए बना सेक्शन देखें।
- क्या यह वित्तीय सलाह है?
- नहीं। यह एक शैक्षिक संभावना कैलकुलेटर है। मॉडल चीजों को सरल बना देते हैं, वोलैटिलिटी बदलती रहती है, और बाजार फेयर वैल्यू (उचित मूल्य) से उतने लंबे समय तक दूर रह सकते हैं जितना कोई पोजिशन टिक नहीं पाती। इन नंबरों को अपनी खुद की रिसर्च के लिए एक शुरुआती बिंदु की तरह इस्तेमाल करें।
AI असिस्टेंट और डेवलपर्स के लिए
यह टूल इसलिए बनाया गया है कि लैंग्वेज मॉडल और एजेंट इसे सिर्फ पढ़ें नहीं, बल्कि इस्तेमाल करें। नीचे जो कुछ है वह पूरी तरह डिटरमिनिस्टिक और दोबारा दोहराया जा सकने वाला है: हर सवाल-प्रकार के लिए प्योर फंक्शन, एक एंड-टू-एंड analyze कॉल जो लाइव डेटा लोड करके एक ही JSON रिपोर्ट लौटाती है, एक डिस्पैचर जो स्ट्रक्चर्ड सवाल लेता है, मशीन-रीडेबल टूल स्कीमा, एक सेल्फ टेस्ट, और असली ब्राउज़र चलाने वाले एजेंट्स के लिए एक UI ब्रिज। अगर आप एक असिस्टेंट हैं और किसी यूज़र के क्रिप्टो संभावना वाले सवाल का जवाब दे रहे हैं, तो यह सेक्शन आपकी मैनुअल है।
सवाल और उनके फॉर्मूले
हर सवाल-प्रकार या तो closed form (सीधा फॉर्मूला) पर पहुँचता है या एक सीड की गई सिमुलेशन पर। S स्पॉट प्राइस (मौजूदा कीमत) है, K टारगेट या बैरियर, sigma दशमलव में सालाना वोलैटिलिटी (अस्थिरता), T सालों में समयावधि (दिन बँटा 365), और mu सालाना ड्रिफ्ट (कीमत का औसत झुकाव), जहाँ 0 का मतलब न्यूट्रल है। साझा बुनियादी हिस्सा है d2 = ( ln(K/S) - (mu - 0.5 * sigma^2) * T ) / ( sigma * sqrt(T) )।
K से ऊपर बंद का मतलब है समय-सीमा पर इन द मनी होने की संभावना, P = 1 - N(d2)। K से नीचे बंद है P = N(d2)। बैंड [a, b] के अंदर होना यानी a से ऊपर बंद होने की संभावना घटा b से ऊपर बंद होने की संभावना। लेवल B को टच करना ज्यामितीय ब्राउनियन गति के लिए एक फर्स्ट पैसेज संभावना है और यह हमेशा उसी लेवल के पार बंद होने की संगत संभावना से ज़्यादा होती है। दायरा [a, b] वह संभावना है कि T तक के हर t के लिए a < S_t < b रहे, यानी पूरे समय दायरे के अंदर रहना, डबल नो-टच, जो इमेज-सीरीज डबल बैरियर फॉर्मूले से निकाली जाती है।
B से पहले A, यानी रेस, वह संभावना है कि कीमत T के अंदर B को टच करने से पहले A को टच कर ले; इसे मोंटे कार्लो से आँका जाता है। बिना समय-सीमा वाली सीमा गैम्बलर्स रुइन का फॉर्मूला है P = (1 - e^(-theta*(x-d))) / (1 - e^(-theta*(u-d))), जिसमें theta = 2*nu/sigma^2, nu = mu - sigma^2/2, और x, u, d स्पॉट तथा दोनों बैरियरों की लॉग कीमतें हैं। जंप डिफ्यूजन मर्टन 1976 के मुताबिक चलता है: P(S_T > K) = n पर योग Pois(n; lambda*T) * (1 - N(d2_n)), जिसमें हर जंप का औसत muJ, जंप का sd dJ, डिफ्यूसिव वोलैटिलिटी sigma_d, और ड्रिफ्ट में -lambda*(E[e^J]-1) की भरपाई शामिल है।
N स्टैंडर्ड नॉर्मल CDF है। फैट टेल्स (बड़े झटकों की संभावना सामान्य से ज़्यादा) के लिए N की जगह यूनिट वैरिएंस स्टूडेंट-t CDF रखें, जो सिर्फ लगभग 2.5 sigma से आगे ही ज़्यादा भारी होती है।
हल किए गए उदाहरण, जिन्हें आप खुद जाँच सकते हैं
सभी उदाहरणों में स्पॉट 118000, वोलैटिलिटी 60 प्रतिशत और न्यूट्रल ड्रिफ्ट लिया गया है, ताकि आप इन्हें लाइन दर लाइन दोबारा बना सकें।
130000 के टारगेट प्राइस के साथ 7 दिन में बंद और टच: d2 = ( ln(130000/118000) - (0 - 0.5*0.6^2)*(7/365) ) / ( 0.6*sqrt(7/365) ) = 1.2071। ऊपर बंद 11.37 प्रतिशत है, नीचे बंद 88.63 प्रतिशत, टच (POT) 23.21 प्रतिशत, और समय-सीमा पर 110000 से 130000 के अंदर बंद होना 67.54 प्रतिशत। अपेक्षित 1 sigma मूव +/-9805 है, यानी 108195 से 127805 का बैंड, जिससे टारगेट +10.2 प्रतिशत यानी 1.22 sigma पर बैठता है।
110000 से 130000 के बैंड पर 7 दिन में दायरा बनाम रेंज: समय-सीमा पर बैंड के अंदर बंद होना 67.54 प्रतिशत है, जबकि पूरे समय बैंड के अंदर बने रहना सिर्फ 36.13 प्रतिशत, और यही दायरा यानी डबल नो-टच का आँकड़ा है।
30 दिन की रेस, 105000 को टच करने से पहले 130000 को टच करना: 20000 कीमत के रास्तों, सीड 42 और ब्राउनियन-ब्रिज करेक्शन वाला मोंटे कार्लो 49.4 प्रतिशत देता है, जिसमें 94.9 प्रतिशत रास्ते समय-सीमा से पहले ही तय हो जाते हैं। गैम्बलर्स रुइन से मिलने वाली बिना समय-सीमा की सीमा 52.00 प्रतिशत है।
130000 के टारगेट प्राइस, 50 प्रतिशत sigma_d, साल में 24 जंप वाले lambda, -1 प्रतिशत औसत जंप और 8 प्रतिशत जंप sd के साथ 7 दिन में जंप डिफ्यूजन: मर्टन के हिसाब से ऊपर बंद 11.31 प्रतिशत है, जबकि उतनी ही कुल 63.7 प्रतिशत वोलैटिलिटी पर सादा नॉर्मल 12.68 बताता है।
लॉन्ग पोजिशन के लिए 60 प्रतिशत वोलैटिलिटी पर 7 दिन का जोखिम, closed form लॉग-नॉर्मल: VaR95 पोजिशन का 13.08 प्रतिशत है और ES95 16.00 प्रतिशत; VaR99 17.86 प्रतिशत है और ES99 20.11 प्रतिशत।
45 नॉन-ओवरलैपिंग ब्लॉक में 14 हिट के साथ ऐतिहासिक हिट रेट (सफलता दर) की अनिश्चितता: 31.1 प्रतिशत के पॉइंट अनुमान के इर्द-गिर्द विल्सन 95 प्रतिशत इंटरवल 19.5 से 45.7 प्रतिशत तक फैला है।
त्वरित संदर्भ तालिका (कोई गणना ज़रूरी नहीं)
जब आप कोड न चला सकें, तब ज़ीरो-ड्रिफ्ट वाला मोटा अनुमान लगाने के लिए: टारगेट की दूरी sigma में निकालें, x = ln(K/S) / (sigma * sqrt(T)), फिर उसकी पंक्ति पढ़ें। दोनों कॉलम सिर्फ छोटे sigma*sqrt(T) पर ही सही हैं, मान लीजिए लगभग 0.2 से कम पर। टच वाला कॉलम रिफ्लेक्शन डबलिंग नियम इस्तेमाल करता है (टच = 2 x बंद); जैसे-जैसे sigma*sqrt(T) बढ़ता है, यह असली टच संभावना को बढ़ा-चढ़ाकर बताता है। sigma*sqrt(T) = 0.6 पर डबलिंग करीब 32 प्रतिशत दिखाती है, जबकि सटीक वन-टच लगभग 23 प्रतिशत है, यानी करीब 9 प्रतिशत अंक या लगभग 40 प्रतिशत ज़्यादा। सटीक आँकड़ों के लिए touchAbove या touchBelow इस्तेमाल करें; यह तालिका सिर्फ मोटे-मोटे हिसाब का विकल्प है।
प्लेबुक: यूज़र के सवाल से API कॉल तक
नीचे दिए बुलेट यूज़र के कहने के तरीके को उस कॉल से जोड़ते हैं जो आपको करनी चाहिए, और उस फील्ड से जो आपको नतीजे में से पढ़नी चाहिए।
इंजन को सीधे कॉल करें
जब तक यह पेज ब्राउज़र में खुला है, ग्लोबल ऑब्जेक्ट window.unCodedProb वही गणित चलाता है। वोलैटिलिटी प्रतिशत में और समय दिनों में दिया जाता है। सब कुछ डिटरमिनिस्टिक है; मोंटे कार्लो तरीके एक वैकल्पिक सीड लेते हैं और डिफ़ॉल्ट 42 है।
v1 सरफेस में शुद्ध closed form शामिल हैं: finishAbove, finishBelow, insideRange, touchAbove, touchBelow, expectedMove, और snapshot, जो हर अहम आँकड़ा एक ही ऑब्जेक्ट में लौटाता है। v2 सरफेस corridor, hitBefore, valueAtRisk, finishAbove पर एक jumps विकल्प, और टर्मिनल पर्सेंटाइल, VaR/ES तथा ड्रॉडाउन की संभावना देने वाले monteCarlo के ज़रिए कीमत के रास्ते, दायरे, रेस, जंप और जोखिम जोड़ता है।
वोलैटिलिटी और डायग्नोस्टिक्स आप अपने ही ऐरे से निकाल सकते हैं: volFromCloses, volFromOHLC (Yang-Zhang एस्टिमेटर समेत), garchForecast, जो GARCH की तुलना GJR-GARCH से करके लाइकलीहुड रेशियो के आधार पर चुनता है, diagnostics, जो मोमेंट्स, Jarque-Bera, Ljung-Box, ARCH, Hill, जंप और स्टैट्स लौटाता है, और calibrationBacktest।
बाजार से तुलना के लिए, impliedVol वह वोलैटिलिटी निकालता है जो बाजार वसूल रहा है, और edge फेयर वैल्यू (उचित मूल्य), नेट बढ़त, EV, केली और actionableAfterHurdle लौटाता है। hurdlePp आर्ग्युमेंट मॉडल-अनिश्चितता का गेट है; इसे छोड़ दें तो यह डिफ़ॉल्ट रूप से 4 प्रतिशत अंक की न्यूनतम सीमा ले लेता है, और analyze() इसे आपके लिए खुद भर देता है।
एक एंड-टू-एंड कॉल, analyze(), करीब एक सेकंड में बाइनेंस का लाइव डेटा लाती है और पूरी रिपोर्ट लौटाती है। यूनिवर्सल डिस्पैचर answer() एक स्ट्रक्चर्ड सवाल लेता है। selftest() passed, failed और cases लौटाता है और इसे सबसे पहले चलाना चाहिए। schema() फंक्शन कॉलिंग के लिए तैयार टूल डेफिनिशन लौटाता है, और describe() पूरा मशीन-रीडेबल मॉडल स्पेक लौटाता है। ब्राउज़र एजेंट दिख रहे पेज को ui.read() से चला सकते हैं, जो अभी तक निकाला गया हर आँकड़ा JSON में लौटाता है, ui.set() से, जो इनपुट सेट करता है, दोबारा गणना करता है और read() लौटाता है, और ui.load() से, जो लाइव डेटा लोड करके फिर पढ़ता है।
एजेंट्स के लिए बुनियादी नियम
1. टच बनाम बंद: "hit", "reach" या "touch" का मतलब touchAbove या touchBelow है; "close", "settle", "end" या "expire" का मतलब बंद होना है। पास के लेवल के लिए टच की संभावना बंद होने की संभावना से करीब दोगुनी होती है। इन दोनों को आपस में गड्डमड्ड कर देना सबसे आम गलती है।
2. इकाइयाँ: वोलैटिलिटी प्रतिशत में (60 = 60 प्रतिशत सालाना), समय दिनों में, कीमतें स्पॉट की कोट करेंसी में।
3. न्यूट्रल ड्रिफ्ट (0) ईमानदार डिफ़ॉल्ट है। ड्रिफ्ट का इनपुट दिशा को लेकर एक राय है, कोई माप नहीं।
4. वोलैटिलिटी डेटा से आनी चाहिए: analyze() 30 दिन और 90 दिन की रियलाइज्ड वोलैटिलिटी, EWMA, GARCH समयावधि और, BTC तथा ETH के लिए, डेरिबिट की DVOL इम्प्लाइड वोलैटिलिटी लौटाता है। 30 दिन और 90 दिन की रियलाइज्ड वोलैटिलिटी का मिश्रण समझदार डिफ़ॉल्ट है; DVOL बाजार का अपना पूर्वानुमान है।
5. अनिश्चितता हमेशा बताएँ: इंजन आपस में अलग-अलग नतीजे देते हैं (कंसेंसस स्प्रेड), वोलैटिलिटी के अनुमान का एक CI होता है, और analyze() में एक कैलिब्रेशन बैकटेस्ट शामिल है। मॉडल के मतभेद से छोटी बढ़त शोर है, तो यही कहें।
6. मोंटे कार्लो के नतीजे सीड किए हुए और दोबारा दोहराए जा सकने वाले हैं। वही इनपुट, वही आँकड़े, चाहे कोई भी मशीन हो।
7. किसी अनजान माहौल में API पर भरोसा करने से पहले एक बार unCodedProb.selftest() चलाएँ।
8. यह एक शैक्षिक संभावना टूल है, निवेश सलाह नहीं; संभावनाएँ मॉडल के नतीजे हैं, वादे नहीं। मॉडल के नतीजे को गारंटी की तरह पेश न करें, और जब यूज़र किसी बाजार भाव से तुलना कर रहा हो तो लागत का ज़िक्र करें।
बिना ब्राउज़र के
गणित /tools/crypto-probability-calculator/pure-math.js में PURE-MATH-START और PURE-MATH-END मार्करों के बीच रहता है: बिना किसी डिपेंडेंसी वाला सादा JavaScript, जिसे आप निकालकर Node या किसी भी JS रनटाइम में चला सकते हैं, न कोई बिल्ड स्टेप, न कुछ इंस्टॉल करने को। यह कैलकुलेटर के अपने इंजन सोर्स से जनरेट होता है, और हर बिल्ड जनरेटर को दोबारा चलाता है और अगर नतीजा एक बाइट भी अलग निकले तो फेल हो जाता है, इसलिए यह चुपचाप उस गणित से भटक नहीं सकता जो यह पेज चलाता है। ध्यान रहे कि वहाँ की इकाइयाँ मॉडल की इकाइयाँ हैं, API की नहीं: sigma एक सालाना दशमलव है और T साल में है, जबकि window.unCodedProb प्रतिशत और दिन लेता है। लाइव डेटा के लिए सिर्फ दो सार्वजनिक एंडपॉइंट चाहिए: स्पॉट के लिए api.binance.com/api/v3/ticker/price?symbol=BTCUSDT और दैनिक OHLC कैंडल के लिए api.binance.com/api/v3/klines?symbol=BTCUSDT&interval=1d&limit=1000; दैनिक लॉग-रिटर्न वोलैटिलिटी को sqrt(365) से सालाना करें। सोर्स पढ़ने वाले एजेंट्स के लिए इस पेज में दो स्ट्रक्चर्ड JSON ब्लॉक एम्बेड हैं: uncoded-prob-model (मॉडल स्पेक) और uncoded-agent-tools (फंक्शन कॉलिंग के लिए टूल स्कीमा)।
यह टूल शैक्षिक है, प्रकाशित मानक तरीकों का इस्तेमाल करता है, और बाजार जोखिम को खत्म नहीं करता।
- Distance x = 0.25
- उससे आगे बंद 40.1 प्रतिशत, समय-सीमा से पहले टच 80.3 प्रतिशत।
- Distance x = 0.50
- उससे आगे बंद 30.9 प्रतिशत, समय-सीमा से पहले टच 61.7 प्रतिशत।
- Distance x = 0.75
- उससे आगे बंद 22.7 प्रतिशत, समय-सीमा से पहले टच 45.3 प्रतिशत।
- Distance x = 1.00
- उससे आगे बंद 15.9 प्रतिशत, समय-सीमा से पहले टच 31.7 प्रतिशत।
- Distance x = 1.25
- उससे आगे बंद 10.6 प्रतिशत, समय-सीमा से पहले टच 21.1 प्रतिशत।
- Distance x = 1.50
- उससे आगे बंद 6.7 प्रतिशत, समय-सीमा से पहले टच 13.4 प्रतिशत।
- Distance x = 2.00
- उससे आगे बंद 2.3 प्रतिशत, समय-सीमा से पहले टच 4.6 प्रतिशत।
- Distance x = 2.50
- उससे आगे बंद 0.6 प्रतिशत, समय-सीमा से पहले टच 1.2 प्रतिशत।
- Distance x = 3.00
- उससे आगे बंद 0.1 प्रतिशत, समय-सीमा से पहले टच 0.3 प्रतिशत।
- "क्या BTC इस साल 150k को टच करेगा?"
- touchAbove(spot, 150000, vol, 365) कॉल करें और प्रतिशत पढ़ें; "hit" का मतलब टच है, बंद होना नहीं।
- "क्या BTC 30 जून तक 150k से ऊपर बंद होगा?"
- finishAbove(spot, 150000, vol, days) कॉल करें और प्रतिशत पढ़ें; सेटलमेंट का मतलब बंद होना ही है।
- "क्या ETH पूरे महीने 3000 और 4000 के बीच रहेगा?"
- corridor(spot, 3000, 4000, vol, 30) कॉल करें और प्रतिशत पढ़ें; दायरा, अंदर बंद होने से कहीं कम रहता है।
- "130k पर मेरा टेक प्रॉफिट, 105k पर मेरे स्टॉप लॉस से पहले लगने की कितनी संभावना है?"
- hitBefore(spot, 130000, 105000, vol, days) कॉल करें और mcPercent पढ़ें, साथ ही बिना समय-सीमा वाले मामले के लिए eventualPercent।
- "BTC एक हफ्ते में कितना गिर सकता है?"
- valueAtRisk(spot, vol, 7) कॉल करें और var95, es95, var99, es99 तथा 1-sigma अपेक्षित मूव पढ़ें।
- "क्या 58c पर यह पॉलीमार्केट कॉन्ट्रैक्ट सस्ता है?"
- analyze({symbol, question, target, days, marketPercent:58}) कॉल करें (यही बेहतर है), या edge(modelProb, 58, 2, bankroll, hurdlePp), और market.actionableAfterHurdle तथा market.insideNoise पढ़ें - सकारात्मक नेट बढ़त तभी असली है जब वह मॉडल-अनिश्चितता की बाधा पार कर ले।
- "मुझे कौन सी वोलैटिलिटी लेनी चाहिए?"
- await analyze({symbol:'BTCUSDT'}) कॉल करें और data.vol30Pct, vol90Pct, ewmaPct, garch.sigmaPct, dvolPct तथा डायग्नोस्टिक्स पढ़ें।
- लाइव डेटा के साथ कुछ भी, शुरू से आखिर तक
- await analyze({symbol, question, target, upper, days, marketPercent}) कॉल करें और एक ही JSON रिपोर्ट पढ़ें: engines, consensus, risk, calibration, edge, explanation।
- स्ट्रक्चर्ड सवाल, अपना डेटा
- answer({question:'touch_above', spot, target, volPct, days}) कॉल करें और किसी भी सवाल आईडी के लिए लौटाया गया एकसमान रिज़ल्ट ऑब्जेक्ट पढ़ें।
यह शैक्षिक उद्देश्य से दिया गया मॉडल आउटपुट है, निवेश सलाह नहीं। संभावनाएँ पिछली कीमतों के व्यवहार के एक मॉडल से निकाले गए अनुमान हैं, भविष्य के बारे में वादे नहीं। unCoded का संचालन ArrowTrade AG, ब्रिग, स्विट्ज़रलैंड करती है। कोई कस्टडी नहीं, कोई जमा नहीं, कोई वित्तीय सलाह नहीं।