Dynamic Conditional Correlation Analysis (DCC)

ဒိုင်းနမစ်အခြေအနေဆိုင်ရာဆက်စပ်ဆက်နွှယ်မှု (DCC) နည်းလမ်းသည် ဘဏ္ဍာရေးတွင်ရေပန်းစားနေပြီး မကြာသေးမီက neuroimaging တွင် မိတ်ဆက်ခဲ့သော မော်ဒယ်အခြေခံအမျိုးမျိုးကွဲပြားသည့် မတည်ငြိမ်မှုနည်းလမ်းတစ်ခု၏ ဥပမာတစ်ခုဖြစ်သည်။ ဤနည်းလမ်းသည် အချိန်စီးရီးများကြား အခြေအနေဆိုင်ရာ ဆက်နွယ်မှုများကို ခန့်မှန်းရန် နည်းလမ်းတစ်ခု ပေးပါသည်။

အချိန်-ကွဲပြားသောဆက်စပ်ဆက်နွယ်မှုများကို အများအားဖြင့် အမျိုးမျိုးကွဲပြားသော ယေဘူယျအားဖြင့် autoregressive conditional heteroskedasticity (GARCH) မော်ဒယ်များဖြင့် ခန့်မှန်းတွက်ချက်ပြီး ဒေတာ၏ လေးထောင့်ပုံနှင့် ဖြတ်ကျော်ထားသော ထုတ်ကုန်များကို မျဉ်းသားထားသည်။ Dynamic conditional correlation မော်ဒယ်များဟုခေါ်သော အမျိုးမျိုးသောပုံစံများ အတန်းအစားအသစ်ကို အဆိုပြုထားပါသည်။ ၎င်းတို့သည် ဆက်စပ်မှုများအတွက် parsimonious parametric မော်ဒယ်များနှင့် ပေါင်းစပ်ထားသော univariate GARCH မော်ဒယ်များ၏ ပြောင်းလွယ်ပြင်လွယ်ရှိသည်။ ၎င်းတို့သည် လိုင်းယပ်မဟုတ်သော်လည်း ဖြစ်နိုင်ခြေရှိသော လုပ်ဆောင်ချက်များကို အခြေခံ၍ အများအားဖြင့် မတူကွဲပြားသော သို့မဟုတ် အဆင့်နှစ်ဆင့်နည်းလမ်းများဖြင့် ခန့်မှန်းနိုင်သည်။ ၎င်းတို့သည် အခြေအနေအမျိုးမျိုးတွင် ကောင်းမွန်စွာလုပ်ဆောင်နိုင်သည်ကို ပြသထားပြီး ကျိုးကြောင်းဆီလျော်သော လက်တွေ့ကျသောရလဒ်များကို ပေးဆောင်သည်။

Dynamic bivariate correlation (သို့) ရိုးရိုး dynamic correlation သည် အချိန်နှင့်အမျှ ကွဲပြားသော time series တစ်ခု၏ ဆက်စပ်မှုဖြစ်သည်။ အာရုံကြောသိပ္ပံတွင် နယ်ပယ်များစွာတွင် တက်ကြွသောဆက်စပ်ဆက်နွယ်မှုကို အကဲဖြတ်ခြင်းသည် အရေးကြီးပါသည်။ အထူးသဖြင့် အနားယူချိန်တွင် လုပ်ဆောင်ချက်ဆိုင်ရာ သံလိုက်ပဲ့တင်ရိုက်ခတ်မှုပုံရိပ်စမ်းသပ်မှုအတွင်း လုပ်ဆောင်မှုဆိုင်ရာ ချိတ်ဆက်မှုတွင် တက်ကြွသောပြောင်းလဲမှုများကို ဖော်ထုတ်နိုင်သောကြောင့် တက်ကြွသောဆက်စပ်မှုခန့်မှန်းချက်သည် အာရုံကြောပုံရိပ်ဖော်ခြင်းအတွက် စိတ်ဝင်စားဖွယ်ဖြစ်သည်။ ရွေ့လျားဆက်စပ်မှုကို ခန့်မှန်းခြင်းသည် အာရုံကြောဇီဝကမ္မဗေဒတွင် စိတ်ဝင်စားဖွယ်ဖြစ်သည်။ ဥပမာအားဖြင့်၊ မတူညီသော ဦးနှောက်ဒေသများမှ ရရှိသော ဒေသဆိုင်ရာ နယ်ပယ်အလားအလာ အချိန်စီးရီးများအကြား သွက်လက်သော ဆက်စပ်ဆက်နွယ်မှုကို တိကျသေချာသော ဦးနှောက်ဒေသများသည် အချို့သော အပြုအမူများအတွင်း မည်ကဲ့သို့ အတူတကွ လုပ်ဆောင်သည်ကို စူးစမ်းရန် အသုံးပြုနိုင်သည်။ ထိုသို့သောပြောင်းလဲမှုများကို ခွဲခြားသတ်မှတ်သောအခါတွင်၊ လေ့လာထားသောဆက်စပ်ဆက်နွယ်မှုများတွင် ဒိုင်းနမစ်ပြောင်းလဲမှုများသည် အသုံးပြုထားသော ခန့်မှန်းချက်နည်းလမ်းတွင် ပေါက်ဖွားလာသော အတက်အကျများကြောင့်မဟုတ်ကြောင်း သေချာစေရန် အရေးကြီးပါသည်။

အာရုံကြောသိပ္ပံစာပေတွင် ရွေ့လျားဆက်စပ်မှု ခန့်မှန်းချက်အတွက် လက်ရှိရရှိနိုင်သော ချဉ်းကပ်မှုနှစ်ခုမှာ လျှောပြတင်းပေါက်နည်းလမ်းနှင့် ရွေ့လျားနိုင်သောအခြေအနေဆိုင်ရာဆက်စပ်မှုဖြစ်သည်-

• Dynamic ဆက်စပ်မှု ခန့်မှန်းချက်အတွက် အသုံးများသောနည်းလမ်းမှာ sliding window method ဖြစ်သည်။ နားလည်ပြီး အကောင်အထည်ဖော်ရန် လွယ်ကူသော်လည်း၊ ဤနည်းလမ်း၏ အဓိက ကန့်သတ်ချက်မှာ window အရွယ်အစား ရွေးချယ်မှုနှင့် ပတ်သက်၍ မရေရာခြင်း ဖြစ်သည်။
• ဒိုင်းနမစ်ဆက်စပ်ဆက်စပ်မှု ခန့်မှန်းခြင်းအတွက် နောက်ထပ်အခြေခိုင်သောနည်းလမ်းမှာ ဘောဂနိုမက်ထရစ်များနယ်ပယ်တွင် တီထွင်ခဲ့ပြီး ဘဏ္ဍာရေးဆိုင်ရာစာပေများတွင် တွင်ကျယ်စွာအသုံးပြုခဲ့သည့် dynamic conditional correlation (DCC) ဖြစ်သည်။

ရွေ့လျားနိုင်သောအခြေအနေဆိုင်ရာဆက်စပ်ဆက်နွယ်မှုတွင် လျှောပြတင်းပေါက်နည်းလမ်းနှင့် နှိုင်းယှဉ်ပါက နှစ်သက်ဖွယ်ကောင်းသောဂုဏ်သတ္တိများစွာရှိသော်လည်း၊ ၎င်းတွင်ကန့်သတ်ချက်များအချို့ရှိသည်။

အာရုံကြောသိပ္ပံစာပေများတွင် တွေ့ရသော အချိန်စီးရီးတိုင်းတာမှုများသည် အခါအားလျော်စွာ ဒေသဆိုင်ရာနယ်ပယ်အလားအလာ အချိန်စီးရီးဒေတာတွင်တွေ့မြင်ရသည့်အတိုင်း အကြမ်းဖျင်းအနည်းငယ်ရှိသည်။ သိပ္ပံနည်းကျ မူဘောင်များနှင့် သဟဇာတမဖြစ်သော ကွဲလွဲချက်တစ်ခုမှသာလျှင် အဆိုပါတန်ဖိုးများကို လစ်လျူရှုနိုင်သည်။ တက်ကြွသောအခြေအနေဆိုင်ရာဆက်စပ်ဆက်နွယ်မှုနည်းလမ်း၏စွမ်းဆောင်ရည်သည် လွန်ကဲသောတန်ဖိုးများရှိနေချိန်တွင် ခိုင်မာမှုမရှိသည်ကိုတွေ့မြင်ရသည်။ ဤနည်းလမ်း၏နောက်ထပ်ကန့်သတ်ချက်မှာ ကိန်းဂဏာန်းအယ်လ်ဂိုရီသမ်များကို အသုံးပြု၍ ၎င်း၏လက်တွေ့အကောင်အထည်ဖော်မှုနှင့်ပတ်သက်သည်။

ယနေ့တွင်၊ လျှောပြတင်းပေါက်နည်းလမ်းနှင့် ဒိုင်နမစ်အခြေအနေဆိုင်ရာဆက်စပ်ဆက်နွယ်မှုနည်းလမ်းအပြင်၊ အလေးချိန်ရှိသောဂရပ်အယ်လ်ဂိုရီသမ်အပေါ်အခြေခံသည့် dynamic ဆက်စပ်ဆက်စပ်မှုကို ခန့်မှန်းရန်အတွက် တတိယနည်းလမ်းတစ်ခုရှိသည်။

အခြေခံအားဖြင့်၊ ဆက်စပ်မှုခွဲခြမ်းစိတ်ဖြာခြင်းသည် ကိန်းရှင်များကြား ဆက်စပ်မှုကို သတ်မှတ်ပေးပြီး ဤဆက်ဆံရေး၏ ဦးတည်ချက်နှင့် အတိုင်းအတာနှင့် ပတ်သက်သော အချက်အလက်များကို ပံ့ပိုးပေးသည့် ကိန်းဂဏန်းဆိုင်ရာ နည်းလမ်းတစ်ခုဖြစ်သည်။ ဆက်စပ်ကိန်းညွှန်းသည် မှီခိုကိန်းရှင်နှင့် အမှီအခိုကင်းသော ကိန်းရှင်များကြား ဆက်နွယ်မှုအား ပြသသည့် တန်ဖိုးတစ်ခုဖြစ်သည်။ ဤတန်ဖိုးသည် ကိန်းရှင်များ၏ ဦးတည်ချက်နှင့် အပြန်အလှန်တုံ့ပြန်မှုများ ဖြစ်ပွားပုံအကြောင်း အချက်အလက်ကို ပေးပါသည်။

ကျွန်ုပ်တို့၏အဖွဲ့အစည်းသည် ကမ္ဘာပေါ်ရှိ သိပ္ပံနှင့်နည်းပညာနယ်ပယ်တွင် တိုးတက်မှုများကို အနီးကပ်လိုက်နာပြီး သူ့ကိုယ်သူ အမြဲတိုးတက်ကောင်းမွန်အောင် လုပ်ဆောင်ပေးသော ခိုင်မာသောဝန်ထမ်းများရှိသည်။ ကဏ္ဍအသီးသီးရှိ စီးပွားရေးလုပ်ငန်းများအတွက် ပံ့ပိုးပေးသော စမ်းသပ်ခြင်း၊ တိုင်းတာခြင်း၊ ခွဲခြမ်းစိတ်ဖြာခြင်းနှင့် အကဲဖြတ်ခြင်းဆိုင်ရာ လေ့လာမှုများစွာတို့တွင်၊ တက်ကြွသောအခြေအနေဆိုင်ရာဆက်စပ်မှုခွဲခြမ်းစိတ်ဖြာမှု (DCC) ဝန်ဆောင်မှုများလည်း ရှိပါသည်။