💰 quantitative finance

Relaxation Times for Nonextensive Systems Using Gradient Flow for the Maximization of Tsallis Entropy: An Application to Financial Market Dynamics

यह शोधपत्र गैर-विस्तारित प्रणालियों, जैसे कि वित्तीय बाजारों, के विश्रांति समय (रिलैक्सेशन टाइम) का अनुमान लगाने के लिए एक यूक्लिडियन ग्रेडिएंट फ्लो ढांचे का प्रस्ताव करता है, जो q-गॉसियन बाधाओं के तहत तालिस एंट्रॉपी को अधिकतम करके यह प्रकट करता है कि ये प्रणालियाँ शैनन एंट्रॉपी द्वारा अनुमानित समय की तुलना में लंबे विश्रांति समय प्रदर्शित करती हैं, जिससे अधिक विस्तृत पूर्वानुमान क्षितिज सक्षम होता है।

मूल लेखक: Sandhya Devi

प्रकाशित 2026-06-24✓ Author reviewed ⓘ

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Sandhya Devi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने नहीं लिखा है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

मुख्य विचार: बाज़ार कितनी तेज़ी से "शांत" होता है?

कल्पना कीजिए कि शेयर बाज़ार सूप का एक विशाल, उथल-पुथल भरा बर्तन है। जब आप इसे पहली बार चलाते हैं, तो इसके तत्व (कीमतें, खबरें, निवेशकों की भावनाएं) बेतहाशा घूम रहे होते हैं। अंततः, सूप स्थिर हो जाता है, बुलबुले रुक जाते हैं, और यह एक शांत, समान तापमान पर पहुँच जाता है। भौतिकी और अर्थशास्त्र में, इस स्थिर होने की प्रक्रिया को रिलैक्सेशन (relaxation) कहा जाता है।

यह शोध पत्र एक सरल प्रश्न पूछता है: शेयर बाज़ार के सूप को घूमना बंद करने और एक शांत अवस्था में पहुँचने में कितना समय लगता है?

लेखिका, संध्या देवी, तर्क देती हैं कि इस "स्थिर होने के समय" (settling time) को मापने का तरीका पूरी तरह से इस बात पर निर्भर करता है कि हम उस सूप को देखने के लिए किस गणितीय उपकरण का उपयोग कर रहे हैं।

पुराना तरीका: "पूरी तरह से चिकना" सूप (शैनन एंट्रॉपी - Shannon Entropy)

द दशकों से, अर्थशास्त्रियों ने शैनन एंट्रॉपी नामक एक मानक उपकरण का उपयोग किया है (जो कुशल बाजार परिकल्पना पर आधारित है)। यह उपकरण मानता है कि बाज़ार एक पूरी तरह से चिकने, सुव्यवस्थित तरल पदार्थ की तरह है।

उपमा: कल्पना कीजिए कि आप स्थिर पानी के गिलास में स्याही की एक बूंद गिराते हैं। पुराने सिद्धांत के अनुसार, स्याही तुरंत और समान रूप से फैल जाती है। सिस्टम लगभग तुरंत ही "संतुलन" (अधिकतम अव्यवस्था) प्राप्त कर लेता है।
परिणाम: यदि आप इस पुराने गणित का उपयोग करते हैं, तो बाज़ार पलक झपकते ही स्थिर हो जाता है। इसका तात्पर्य यह है कि बाज़ार इतना कुशल है कि आप कुछ सेकंड से अधिक भविष्य की भविष्यवाणी नहीं कर सकते क्योंकि "शोर" (noise) बहुत तेज़ी से गायब हो जाता है।

नया तरीका: "चंकी और चिपचिपा" सूप (टैलिस एंट्रॉपी - Tsallis Entropy)

लेखिका का सुझाव है कि वास्तविक बाज़ार चिकने पानी की तरह नहीं हैं; वे चिपचिपे तत्वों (जैसे झुंड व्यवहार/herding behavior, घबराहट में बिकवाली और सट्टेबाजी) वाले गाढ़े, चंकी सूप की तरह हैं। इसके लिए, वह टैलिस एंट्रॉपी नामक एक नए उपकरण का उपयोग करती हैं।

उपमा: कल्पना कीजिए कि आप उसी स्याही की बूंद को गाढ़े दलिया या चिपचिपे जेल के बर्तन में गिराते हैं। स्याही तुरंत नहीं फैलती। यह फंस जाती है, जेबों में घूमती रहती है, और समान रूप से मिश्रित होने में लंबा समय लेती है।
परिणाम: जब लेखिका इस "चिपचिपे सूप" वाले गणित को वित्तीय डेटा पर लागू करती हैं, तो रिलैक्सेशन टाइम (संतुलन तक पहुँचने का समय) बहुत अधिक होता है।

"ग्रेडिएंट फ्लो" इंजन (The "Gradient Flow" Engine)

यह गणना करने के लिए कि इसमें वास्तव में कितना समय लगता है, लेखिका यूक्लिडियन ग्रेडिएंट फ्लो (Euclidean Gradient Flow) नामक विधि का उपयोग करती हैं।

उपमा: बाज़ार के मापदंडों (जैसे बाज़ार का "तापमान" और एक "चिपचिपाहट" कारक) को एक ऐसे हाइकर (पर्वतारोही) के रूप में सोचें जो पहाड़ की चोटी (अधिकतम एंट्रॉपी की स्थिति) तक पहुँचने की कोशिश कर रहा है।
- ग्रेडिएंट फ्लो हाइकर का रास्ता है।
- शैनन विधि एक ढलान पर रहने वाला हाइकर है जो बहुत तेज़ी से फिसलकर ऊपर पहुँच जाता है।
- टैलिस विधि गहरे कीचड़ में फँसा हुआ हाइकर है। वे अभी भी ऊपर की ओर बढ़ रहे हैं, लेकिन वे बहुत बड़े और धीमे, सचेत कदम उठा रहे हैं।

डेटा ने वास्तव में क्या दिखाया

लेखिका ने इस सिद्धांत का परीक्षण वास्तविक शेयर बाज़ार के डेटा का उपयोग करके किया, विशेष रूप से 2008 के वित्तीय संकट से ठीक पहले की अवधि को देखते हुए।

सेटअप: उन्होंने संकट से ठीक पहले बाज़ार की "चिपचिपाहट" और "तापमान" को लिया।
सिमुलेशन: उन्होंने गणित को अपने मार्ग पर चलने दिया यह देखने के लिए कि बाज़ार को स्थिर होने में कितना समय लगा।
निष्कर्ष:
- पुराने "चिकने पानी" वाले गणित का उपयोग करते हुए, बाज़ार लगभग तुरंत ही स्थिर हो गया होता।
- नए "चिपचिपे सूप" वाले गणित का उपयोग करते हुए, बाज़ार को स्थिर होने में बहुत लंबा समय लगा।
- विशेष रूप से, मॉडल ने सुझाव दिया कि अराजक समय (जैसे संकट से पहले) के दौरान, बाज़ार अपनी "याददाश्त" और अप्रत्याशितता को लगभग 360 दिनों तक बनाए रखता है।

मुख्य निष्कर्ष (The Takeaway)

शोध पत्र का दावा है कि चूंकि वित्तीय बाज़ार जटिल और "गैर-विस्तार योग्य" (non-extensive) हैं (जिसका अर्थ है कि पूरा हिस्सा केवल उसके भागों के योग से अधिक अराजक है), वे उतनी तेज़ी से शांत नहीं होते जितना पारंपरिक सिद्धांत सुझाव देते हैं।

पुराना दृष्टिकोण: बाज़ार सब कुछ तुरंत भूल जाता है; दीर्घकालिक भविष्यवाणी असंभव है।
नया दृष्टिकोण: बाज़ार अपनी अराजक ऊर्जा को लंबे समय तक बनाए रखता है (मॉडल के दृष्टिकोण में एक वर्ष तक)। इसका अर्थ है कि अत्यधिक अशांत काल के दौरान, बाज़ार में "सूचना" पहले की तुलना में बहुत लंबे समय तक बनी रहती है, जिससे पहले के विचार की तुलना में बहुत व्यापक समय सीमा पर भविष्यवाणी करना संभव हो सकता है।

संक्षेप में: यदि आप बाज़ार को एक शांत झील की तरह मानते हैं, तो यह तुरंत स्थिर हो जाता है। यदि आप इसे एक तूफानी, चिपचिपे समुद्र की तरह मानते हैं (जैसा कि लेखिका का तर्क है कि यह अधिक सटीक है), तो इसे शांत होने में लंबा समय लगता है, और वह "तूफानी" अवस्था हमारी सोच से कहीं अधिक समय तक चलती है।

तकनीकी सारांश: त्सालिस एंट्रॉपी के अधिकतमकरण के लिए ग्रेडिएंट फ्लो का उपयोग करते हुए गैर-विस्तारशील प्रणालियों के लिए विश्रांति समय (Relaxation Times)

समस्या विवरण
यह शोध पत्र वित्तीय बाजार की गतिशीलता को मॉडल करने में कुशल बाजार परिकल्पना (Efficient Market Hypothesis - EMH) की सीमाओं को संबोधित करता है। EMH यह मानती है कि बाजार तेजी से संतुलन (equilibrium) तक पहुँचते हैं, जिसका अर्थ है कि बाजार के रिटर्न गाऊसी वितरण (Gaussian distributions) का पालन करते हैं और "विश्रांति समय" (relaxation time)—अर्थात अधिकतम-एंट्रॉपी अवस्था तक पहुँचने की अवधि—नगण्य है। हालांकि, अनुभवजन्य साक्ष्य बताते हैं कि वित्तीय बाजार गैररेखीय, जटिल प्रणालियाँ हैं जो 'फैट टेल्स' (fat tails), तीक्ष्ण शिखरों (sharp peaks) और बुलबुलों एवं क्रैश जैसी घटनाओं द्वारा चिह्नित हैं, जिन्हें गाऊसी सांख्यिकी द्वारा अच्छी तरह से वर्णित नहीं किया जा सकता है। लेखक तर्क देते हैं कि इन प्रणालियों को त्सालिस एंट्रॉपी (Tsallis entropy) का उपयोग करके गैर-विस्तारशील प्रणालियों (nonextensive systems) के रूप में बेहतर ढंग से मॉडल किया जा सकता है। मुख्य जांचित समस्या यह है कि जब शैनन एंट्रॉपी (Shannon entropy) की तुलना में त्सालिस सांख्यिकी लागू की जाती है, तो विश्रांति समय कैसे बदल जाता है, और क्या यह विस्तारित समय-सीमा दीर्घकालिक पूर्वानुमान क्षमता की अनुमति देती है।

कार्यप्रणाली
लेखक एंट्रॉपी को अधिकतम करने वाली प्रणाली के समय विकास को मॉडल करने के लिए यूक्लिडियन ग्रेडिएंट फ्लो (Euclidean Gradient Flow - EGF) पर आधारित एक ढांचा विकसित करते हैं।

ढांचा: गतिकी को पैरामीटर स्पेस में एक 'स्टीपेस्ट डिसेंट' (steepest descent) के रूप में व्यक्त किया जाता है, जो क्रमिक समय चरणों पर पैरामीटर मानों के बीच की दूरी को दर्शाने वाले दंड पद (penalty term) के अधीन एक मुक्त-ऊर्जा फलन (free-energy functional/entropy) को अनुकूलित करता है।
बाधाएं: प्रणाली हर समय एक $q$ -गाऊसी वितरण में रहने के लिए बाध्य है। गतिकी दो मापदंडों के समय परिवर्तन द्वारा संचालित होती है: एंट्रॉपिक इंडेक्स $q$ (या $\alpha = 1/(q-1)$ ) और व्युत्क्रम तापमान $\beta_q$ ।
तुलनात्मक मॉडल:
1. शैनन एंट्रॉपी ( $S_{sh}$ ): एक मानक गाऊसी वितरण मानता है। EGF समीकरण एक विश्रांति समय $T_g$ प्रदान करते हैं जहाँ मानक विचलन अनंत हो जाता है, जो अधिकतम एंट्रॉपी अवस्था के अनुरूप है।
2. त्साालिस एंट्रॉपी ( $S_q$ ): एक $q$ -गाऊसी वितरण मानता है। लेखक $\alpha$ और $\beta_q$ के विकास के लिए युग्मित गैररेखीय अवकल समीकरण (coupled nonlinear differential equations) व्युत्पन्न करते हैं।
संख्यात्मक दृष्टिकोण: सामान्य मामले के लिए EGF समीकरणों की गैररेखियता के कारण, लेखक सिस्टम को संख्यात्मक रूप से हल करने के लिए 'फॉरवर्ड यूलर स्कीम' (forward Euler scheme) का उपयोग करते हैं। वे S&P 500 के एक-दिवसीय लॉग रिटर्न से प्राप्त दो विशिष्ट प्रारंभिक स्थितियों का विश्लेषण करते हैं: 2008 के क्रैश से ठीक पहले की अवधि (उच्च गैर-विस्तारशीलता, $q_0 \approx 1.587$ ) और एक अपेक्षाकृत शांत अवधि ( $q_0 \approx 1.195$ )।

प्रमुख योगदान और परिणाम

विश्रांति समय का व्युत्पन्न: यह शोध पत्र विश्रांति समय के स्पष्ट व्यंजक (expressions) व्युत्पन्न करता है। शैनन एंट्रॉपी के लिए, विश्रांति समय $T_g$ प्रारंभिक व्युत्क्रम तापमान और गतिशीलता पैरामीटर द्वारा निर्धारित होता है। त्सालिस एंट्रॉपी के लिए, विश्रांति समय $T_q$ प्रारंभिक मापदंडों और एंट्रॉपिक इंडेक्स $q$ पर निर्भर करता है।
समय-सीमाओं की तुलना: एक सैद्धांतिक तुलना दर्शाती है कि विशिष्ट गैर-विस्तारशील मापदंडों ( $q \approx 1.5$ ) के लिए, विश्रांति समय $T_q$ , $T_g$ की तुलना में लगभग 33 गुना लंबा है।
संख्यात्मक सिमुलेशन:
- $\alpha$ और $\beta_q$ की युग्मित गतिकी के सिमुलेशन से पता चलता है कि उच्च प्रारंभिक $q$ (मजबूत गैर-विस्तारशीलता) वाली प्रणालियाँ काफी लंबे विश्रांति समय को प्रदर्शित करती हैं।
- अध्ययन एक विशिष्ट गतिशीलता को रेखांकित करता है: जबकि $\beta_q$ शून्य तक पहुँच सकता है, प्रणाली तुरंत संतुलन तक नहीं पहुँचती क्योंकि एंट्रॉपी $\alpha$ (या $q$ ) में परिवर्तनों के माध्यम से विकसित होना जारी रखती है। संतुलन केवल कई अतिरिक्त चक्रों के बाद प्राप्त होता है।
अनुभवजन्य अनुप्रयोग: मॉडल को 2008 के क्रैश के आसपास के S&P 500 डेटा पर फिट किया गया था। मॉडल के प्रारंभिक मापदंडों को डेटा से मिलाने पर, लेखकों ने प्रतिदिन लगभग 40 चक्रों का अनुमान लगाया। मॉडल एक विश्रांति समय लगभग 26,000 चक्रों का सुझाव देता है, जो लगभग 360 दिनों के पूर्वानुमान क्षितिज (prediction horizon) के अनुरूप है। मॉडल $\beta_q$ के घटते रुझान और पहले 360 दिनों में $q$ के विकास को सफलतापूर्वक कैप्चर करने में सफल रहा, हालांकि यह डेटा में देखे गए $\beta$ के प्रारंभिक उछाल को पकड़ने में विफल रहा।

महत्व और दावे
शोध पत्र का दावा है कि यूक्लिडियन ग्रेडिएंट फ्लो के माध्यम से त्सालिस एंट्रॉपी लागू करना, मानक गाऊसी मॉडलों की तुलना में वित्तीय बाजार की गतिशीलता का अधिक यथार्थवादी विवरण प्रदान करता है। प्राथमिक महत्व इस खोज में निहित है कि गैर-विस्तारशील प्रणालियों में विस्तारशील (शैनन-आधारित) प्रणालियों की तुलना में बहुत लंबे विश्रांति समय होते हैं। इसका तात्पर्य यह है कि वित्तीय बाजारों में सूचना (एंट्रॉपी के व्युत्क्रम के रूप में परिभाषित) लंबे समय तक बनी रहती है, जो तीव्र संतुलन की EMH धारणा को चुनौती देती है। फलस्वरूप, लेखक सुझाव देते हैं कि अत्यधिक गैर-विस्तारशील अवधियों के दौरान, जैसे कि प्रमुख बाजार क्रैश से पहले, वित्तीय बाजारों में लंबे क्षितिज (लगभग ~360 दिन) तक व्यवहार पूर्वानुमेय (predictable) हो सकता है। यह विधि यह अनुमान लगाने के लिए एक संभावित उपकरण प्रदान करती है कि बुलबुलों या क्रैश जैसी अराजक घटनाओं के बाद बाजार को स्थिर होने में कितना समय लगता है।